基于改进的各向异性扩散图像去噪算法研究

针对各向异性扩散图像去噪算法加以研究,根据扩散函数平滑力度强弱,结合图像梯度变化,构建局部图像梯度与扩散函数之间的关系,选取扩散函数,提出了一种改进的各向异性扩散函数模型。该模型不仅能够较大程度地解决传统PM模型滤波存在较多孤立噪声点的问题,且对于图像边缘保持也有较好的效果。实验结果表明,所提出的扩散模型性能优于LCC和Perona的各向异性扩散模型,能够达到良好的平滑保边缘目的。     

结合局部方差信息的各向异性扩散图像去噪算法研究

针对各向异性扩散算法容易模糊图像细节和边缘以及去噪不彻底的问题,通过局部方差信息调整参数将LCC扩散函数与ECU扩散函数相结合,综合利用图像局部方差描述的局部区域信息和梯度信息,提出了一种结合局部方差信息的各向异性扩散模型。该模型不仅同时依赖局部方差信息和梯度信息,而且能够在不同性质区域根据局部方差信息调整参数适时地调整LCC扩散函数与ECU扩散函数扩散速度,充分利用LCC扩散函数和ECU扩散函数的优势。实验结果表明,该模型与其它几种经典算法相比,不仅能够有效地去除噪声、保持图像弱边缘,而且对图像的细节保持也有较好的效果。     

基于全变分模型的新型数值实现算法

基于经典全变分(TV)模型的图像恢复框架,从局部扩散的角度,设计了一种新的应用于图像去噪的数值算法.该算法可以根据图像的局部梯度信息自适应地选取扩散系数,使边缘处扩散较弱,在平坦区域扩散较强,实现了对噪声图像的各向异性滤波处理,在去除噪声的同时保护了图像的边缘细节.最后与传统TV模型进行了实验对比,实验表明本算法性能更好,运算效率更高.     

基于改进脉冲噪声检测的图像滤波算法

在图像降噪处理过程中,针对传统的脉冲噪声检测方法易造成细节模糊和视觉失真等问题,提出一种基于图像分块迭代处理的脉冲噪声检测的滤波方法.该方法对图像局部信息和特征相似性进行相关研究和分析,确定图像局部最优阈值;以局部目标图像为背景,运用图像分割的思想,在不同局部之间选择不同的去噪阈值,根据该阈值从原图像背景中提取图像噪声,进而实现消除噪声的目的.仿真结果表明,与传统的图像去噪方法相比,该方法可以有效地从图像中去除脉冲噪声,同时提取出更多的原始图像信息,很好地保留图像的细节,具有更高的信噪比.     

去椒盐噪声的新型图像复原模型

针对已有的去噪模型不能有效刻画图像局部特征的缺陷,提出一种新型的去椒盐噪声图像复原模型.在模型的全变分项中,通过引入权矩阵来刻画图像的局部特征以达到增强各向异性扩散的目的.另外,为了刻画图像的稀疏性,同时在模型中引入低秩矩阵正则化.由于模型是非光滑凸优化问题,因此可以利用交替方向乘子法快速求解,并在理论上证明了算法的收敛性.最后的数值比较验证了所提模型和算法的有效性.     

基于方向信息测度的非局部正则化图像去噪方法

针对非局部正则化在图像去噪过程中计算复杂度高、复原速度慢的问题,基于方向信息测度提出了改进的非局部正则化方法.在图像的边缘轮廓区域使用保边性能较好的非局部正则化方法,而在图像的平坦区域使用各向异性全变差模型,且该全变差模型由基于Bregman迭代正则化方法的快速迭代算法进行求解.实验结果表明:基于方向信息测度的非局部正则化方法在快速消除图像噪声的同时,能有效地保留图像的边缘和纹理等结构信息.     

基于纯各向异性扩散和四阶PDE的混合去噪方法研究

综合纯各向异性扩散模型和四阶PDE模型在图像去噪中的特点,提出一种新的去噪模型——基于纯各向异性扩散和四阶PDE的混合去噪模型.该模型克服了四阶PDE模型过多损失边缘信息和纯各向异性扩散模型在平滑区域产生阶梯效应的缺点,在有效去除噪声的同时,既抑制了阶梯效应,又很好地保持了图像的边缘和纹理细节信息.     

基于结构保持的增广型各向异性PDE滤波

基于偏微分方程模型的图像恢复框架,从各向异性扩散的角度,提出了一种基于结构保持的增广型PDE图像滤波算法.首先定义了一种新的扩散权函数,采用差曲率代替传统的梯度算子作为边缘判别器,以克服后者对噪声敏感的不足.并根据图像结构张量信息分别设计了梯度和切线2个不同方向的扩散系数,在图像平坦区域,梯度和切线2个方向具有同等扩散,而在图像边缘处只沿着切线方向扩散.同时,引入数据保真项,有利于在滤波时保持图像细节.实验结果表明,无论对灰度图像还是医学图像,该算法可比现有其他几种扩散模型取得更好的主观视觉效果和客观性能评价指标.     

一种改进的基于小波偏微分方程的图像去噪方法

提出一种基于小波分解和四阶偏微分方程相结合的方法用于图像去噪,利用小波良好的时频局域化特性和偏微分方程能够很好地保留图像的边缘和细节的特点对图像噪声进行消除.传统的二阶线性扩散方程计算效率低,易产生阶梯效应,这里采用一种用拉氏锐化算子替代拉普拉斯算子的四阶偏微分方程模型.实验结果表明,本方法是一种高效的去除噪声并能很好地保持图像边缘的算法.     

一种权重的高阶扩散图像盲复原方法

为了实现对模糊噪声图像的清晰化盲复原,提出了一种权重的高阶扩散图像盲复原方法。首先,在模糊核的估计阶段,运用一种各向异性扩散的图像结构提取策略和shock滤波器将图像中的强边缘准确地提取出来,并利用提取的图像强边缘实现对模糊核的准确估计;然后,在图像的复原阶段,利用高阶扩散模型和权重平衡参数,针对复原图像,提出了一种权重的高阶正则化约束来实现图像的清晰化复原;最后,运用了一种分裂的布雷格曼(split Bregman,SB)最优化迭代策略对提出的方法进行最优化求解。实验结果表明,较近几年的一些具有代表性的图像盲复原方法相比,不仅主观的视觉效果得到了较为明显的改进,而且客观的峰值信噪比也增加了1.0~2.7 dB。     

An Image Denoising Method Based on Group Sparsity and Low Rank

In this paper, we propose an image denoising method combining the priors of non-local self similarity(NSS), low rank and group sparsity. In the proposed scheme, the image is decomposed into overlapping patches, and then these patches are classified by the K-means clustering. Patches in each cluster are stacked into a matrix and then are decomposed into low frequency component and high frequency component through 2-D wavelet transform. Intuitively, the low frequency component should be a low rank matrix. We show that the high frequency component can be recovered by weighted mixed norm minimization which is also known as group sparse model. Then we propose an image denoising model using nuclear norm and weighted mixed norm as regularizers to enforce the priors on the low and high frequency. The proposed model can be solved efficiently in the framework of alternating direction multiplier method(ADMM) algorithm. Several experiments are carried out to verify the performance of the proposed model.     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。     

面向输电线路的压缩感知图像去噪方法

传统的基于字典学习的输电线路图像去噪方法,易受冗余字典影响存在重建图像边缘细节恢复不足的问题.为了有效抑制输电线路图像表面存在的高斯噪声,提出一种图像非局部自相似特性与改进K-SVD字典学习算法融合的输电线路图像去噪方法,利用图像非局部自相似性作为正则项约束并加权稀疏表达模型,提高去噪图像复原和保留细节的能力.实验选取含有自然图像和输电线路典型缺陷图像进行仿真实验测试.实验结果表明,所提出的算法不仅能够很好的保留图像纹理特征与边缘细节,对高斯噪声也具有良好的鲁棒性.     

应用新抽样栅格的两种小波变换图像去噪方法

为提高小波变换图像去噪的质量,提出一种用于多分辨率 45°和 135°方向二维小波分解的新抽样栅格.在此基础上构造出两种新的小波变换图像去噪方法: 4方向小波去噪法和对角方向小波去噪法.这两种去噪方法均考虑了图像 45°方向和 135°方向的结构特征.实验结果表明,这两种方法在视觉效果和误差数据上均优于标准二维小波去噪法.     

基于边缘定向增强扩散模型的图像去噪

针对基于全变分(TV)的图像去噪模型,恢复图像存在阶梯现象(staircase)的缺点,提出了一个新的图像恢复的变分模型.定义了一个新的包含图像的边缘位置和方向信息的能量泛函,使得沿图像边缘的切线方向具有较强的平滑能力,而法线方向平滑较弱,可以较好的定位边缘.并且该模型能增强阶跃性边缘,防止因平滑造成的边缘模糊现象.试验结果表明:该模型可以部分的解决基于TV的变分模型中出现的阶梯现象,并且具有较好的去噪效果,而且它还能增强图像边缘并保持边缘的位置,其峰值信噪比(PSNR)在高噪声水平下,较其它方法提高大约1.0dB左右.     

基于结构张量扩散的改进PDE滤波算法

从扩散的角度分析了图像处理中传统热扩散和PM模型的不足,提出了一种各向异性的改进PDE滤波算法.该算法利用图像的结构张量信息和局部特征,自适应选取扩散系数,在图像平坦区域,具有各向同性扩散;而在图像边缘处,则只沿着切向扩散.实验结果表明,该算法具有良好的滤波性能,在滤波的同时可有效保护边缘细节,对灰度图像特别是医学图像,相对于传统方法,该算法可以获得更好的主观视觉效果和客观性能评价指标.     

基于最大信息熵的小波图像去噪算法研究

去噪算法在图像处理的过程中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于最大信息熵的小波去噪算法,根据最大信息熵的理论确定了改进型阈值和改进型加权阈值函数中的加权因子。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与Donoho提出的小波阈值去噪算法的去噪效果相比,具有更好的去噪性能。     

一种改进的自适应PDE去噪算法

讨论了经典的偏微分方程去噪模型——TV模型和四阶PDE去噪模型的优点与不足,提出一种改进的综合去噪模型。通过自适应的系数选择,将TV模型和四阶PDE去噪模型进行加权组合.数值试验结果表明,改进算法不仅保留了传统算法的优点,而且能有效提高去噪效果.