一种基于粗集的彩色图像边界噪声迭代滤除方法

边界噪声的处理在图像去噪中占有重要位置,该文提出了一种图像边界噪声处理方法.该方法将边界噪声和内部噪声分开处理,降低了二者在处理过程中的相互影响.文中将粗集和矢量DDF(Directional Distance Filter)滤波相结合,首先对图像中除边界以外的内部噪声,以迭代的形式进行滤除.由于在内部像素滤除之前已对边界像素进行了检测,因此边界噪声不会作为内部滤波器的输入像素,有效地避免了边界噪声的传播.待内部噪声完全滤除后,再取特定的窗口对边界噪声进行滤除.因为粗集与矢量DDF滤波的结合在噪声滤除率、颜色保持、细节保护各方面都有优势,使得内部噪声像素去除效果比较好,不会影响到边界噪声的去除.仿真实验表明该方法能有效滤除边界噪声.     

基于像素分类的像素值阈值噪声检测算法

针对图像噪声常见的三种脉冲噪声模型,在像素差异均等性原则下,以窗口分块方式将图像像素分为噪声像素和非噪声像素子集,进而以噪声图像上下像素值阈值推导噪声类型判别式,得到一种非线性像素分类的图像噪声检测算法.以经典图像(Lena、Baboon)分别叠加上不同密度噪声进行噪声图像检测算法仿真测试,由检测精确性和正确性来评估所提出的检测算法的检测性能.仿真结果表明,该检测算法具有较好的检测效果,缺点是容易将部分非噪声像素识别为噪声像素.     

基于贝叶斯最小均方差的OCT图像散斑处理

对于光学相干层析图像中的散斑噪声,提出了一种基于贝叶斯的降噪算法.通过将带有噪声的成像数据放在对数空间中,从噪声的高斯分布中抽取样本,根据图像相邻像素之间的相关性,对样本内的像素赋予相应的权值,用加权直方图估计后验分布,并运用一般贝叶斯最小均方差得出图像的无噪声数据.该算法与传统的小波变换降噪和中值滤波去噪相比,在信噪比(SNR)和等效视数(ENL)方面都有明显的改善,在一定程度上提升了图像质量.     

带边界项的结构敏感性超像素图像分割方法研究

针对结构敏感性超像素不能很好贴合边界的问题,提出了一种带边界项的结构敏感性超像素图像分割方法。该方法在考虑结构敏感性的同时引入边界项,通过边界项来计算当前像素落在图像真实边界上的可能性,重新分配和优化超像素边界,使得超像素分割边界和实际边界尽可能贴合,保证在结构敏感区域生成大的超像素,在稀疏区域生成小的超像素。实验采用Berkeley数据集,通过六种考核指标对分割图像进行分析对比,验证了所提方法在召回率、欠分割误差、可实现分割准确度等性能方面有良好的表现。     

Kalman滤波在辐射图像降噪处理中的应用

为改善辐射图像质量,提出了一种基于Kalman滤波的降噪算法。该方法分析了辐射图像背景噪声的特征,在合理假设其为一阶Gaussian有色噪声的基础上改写了图像的观测方程;同时,采取NSHP(non-symmetrichalfplane)模型来构造图像的过程方程。然后使用Kalman滤波算法对图像进行滤波。实验结果表明,该方法有效减弱了辐射图像中混有的噪声,和传统滤波方法相比,更好地保持了图像的细节信息,体现了自适应的优点。这表明了Kalman滤波在辐射图像降噪处理中的潜力。     

发动机叶片ICT数字切片图像特征边界的提取

目的 实现数字切片图像特征边界的提取。方法 针对有噪声信号影响的发动机叶片ICT(Industrial computed tomogmphy)数字切片图像，根据图像特征边界点相邻像素灰度值变化特点，通过预先确定提取边界所占矩形区域的大小、方向和预提取图像边界的数量，沿垂直某一矩形边的方向自动产生与提取边界点数量相等的一组等距平行线，并将每一平行线穿过图像的像素灰度变化拟合成一条三次样条曲线或B-样条曲线。结果 根据拉普拉斯边界检测算法在出现边界点处一阶段数为最大和二阶段数为零的特性，计算机边界点的坐标，实现灰度图像特征边界的提取。结论 通过实验得到的测量误差，使用统计的方法进行分析，该算法不但能够达到1／4像素的亚像素精度，而且还有计算效率高的特点。     

聚类分析在图像边缘提取中的应用

提出了一种结合数据挖掘方法——聚类分析提取图像边缘的算法．该算法先用拉普拉斯算子给出图像各像素的二阶导数,然后根据一组预先给定的闲值,将图像中的像素分类,每一个像素仅属于一类．在这些类中进行某种准则的凝聚层次聚类．完成聚类后,就得到了图像的边界．比较而言,该算法有效地避开了由噪声信号引起的大量孤立点,更清楚地输出图像边界．在一定程度上,该算法弥补了拉普拉斯算子的不足（孤立点比较多）,发扬了拉普拉斯算子的长处（边界完整程度比较高）．     

基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法

针对含有噪声情况下的盲分离问题,提出一种基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法.该方法在对含噪混合图像进行Curvelet多尺度几何分析的基础上,根据Curvelet变换域信号稀疏的特点,采用位置相关自适应数学形态学降噪算子进行降噪,选取最稀疏的子带图像寻求分离矩阵,进而实现全局分离.仿真结果显示,该方法对于含噪图像的盲分离具有良好的性能.     

双边滤波SEEDS彩色图像分割方法

针对SEEDS彩色图像分割方法存在边界分割不精确的问题,给出了一种双边滤波SEEDS方法。首先利用双边滤波器对图像进行滤波处理,可以降低图像中纹理和噪声等信息对边界分割的影响,能够在保持边界信息的同时滤除噪声,从而使图像变得平滑。然后再进行超像素彩色图像分割,这样减少了图像误分割的现象,使边界信息分割的更加精确。仿真实验表明,双边滤波SEEDS方法在边界召回率和欠分割错误率方面都要优于SEEDS方法。     

一种SAR图像空间域自适应滤波算法

针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,提出了一种基于支持向量回归(SVR)分析的空间域自适应滤波方法.将SAR图像看作连续二维函数,利用SVR方法对其进行逼近.基于图像的逼近结果描述像素关联性,并基于关联性破坏程度对噪声进行类型分析,对不同类型的噪声采取确定性的抑制算法.为了保证精度,选择小波核函数构建支持向量回归机.实验结果表明该方法是有效的并对经典方法进行了改进.     

基于SVM分类与回归的图像去噪方法

提出一种基于SVM分类与回归技术的图像去噪方法,即:去噪过程先利用SVM分类器将含噪图像中的像素分为噪声或非噪声点;接着,非噪声点像素值被保留,而噪声点像素值则通过SVM进行回归估计,从而达到去噪的目的.针对椒盐和高斯噪声在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0和LS_SVM 工具箱分别建立4邻域、8邻域和24邻域3种分类和回归模型.去噪实验证明,与已有的算法比较,该方法能达到较高的峰值信噪比,具有很好的去噪效果.     

局部阴影条件下基于梯度直方图的模糊相关图像检索

在局部阴影条件下对图像进行检索会受到多种因素的干扰,影响检索结果的可靠性。针对局部阴影条件,提出一种基于梯度直方图的模糊相关图像检索方法,采用ICA降噪方法对局部阴影条件下的图像进行降噪处理,依据频域对图像进行增强处理。通过Sobel算子提取图像边缘,求出水平方向与垂直方向的亮度差分相近值,确定出每个方向关键边缘像素的数量,建立图像边缘梯度直方图。依据梯度直方图,通过斯皮尔曼等级相关系数求出检索图像与图像库内模糊相关图像的相关系数,确定出图像间的相近度,将相近度最高的图像看作模糊相关图像检索结果。经实验验证,所提方法检索效果好,检索性能高。     

结合循环迭代方法的自适应中值去噪新模型

针对传统去除椒盐噪声方法在图像噪声密度较高时去噪性能较差的缺点,本文提出了一种结合循环迭代方法的自适应中值去噪新模型,提高了高密度椒盐噪声下去噪算法的性能.该滤波器工作模式可分为三个阶段：首先,图像疑似噪声点预处理,通过极值判断法,将待处理像素点进行区分得到疑似噪声点;其次,确定噪声点处理,将已确定噪声点用邻域内的中值或均值自适应替换,从而完成去噪;最后,疑似噪声点再次处理,通过算法内置参数和条件,进一步判断疑似噪声点是否为噪声点.该模型还加入噪声标记点方法,通过迭代处理判断标记点结束去噪,得到滤波后的图像.仿真实验证明,本文提出的方法较传统的几种去除椒盐噪声滤波算法,针对无论是低密度噪声图像或是高密度噪声图像,去噪性能都有一定的提升,且能够较好地保留图像边缘和纹理等结构信息.     

基于B-Spline插值的自适应去噪方法

为了提高在高水平噪声下的去噪效果,提出了一种适合对受随机冲击噪声污染图像重建的两步去噪方法。利用图像的全局和局部信息来定位被噪声污染的像素,对被噪声污染像素利用基于B-Sp line插值的方法来进行重建,并且根据被污染像素周围像素的污染情况自适应地调整对其的加权因子。实验结果表明:通过B-Sp line插值来恢复被噪声污染像素的方法,对污染噪声的水平具有很好的鲁棒性,特别是在噪声水平高于50%的情况下,重建图像的峰值信噪比PSNR比传统方法平均可以提高2~3 dB。     

基于交叠组合稀疏全变分的图像去噪方法

全变分作为一种常用的去噪模型,在图像去噪中较好地保持图像边缘信息,但是容易产生"阶梯效应"。为了克服这个缺点,提出一种基于快速傅里叶变换的交叠组合稀疏全变分去噪模型。首先,充分考虑图像梯度的邻域结构相识性,通过交叠组合计算像素点的梯度,以凸显平滑区域的高噪声污染点和边界区域像素点的差异。然后,基于快速傅里叶变换和交替方向乘子算法在频域中求解去噪模型。实验结果表明,新模型在保护图像边缘信息的同时,有效去除噪声,同时抑制"阶梯效应"。与几种较好的去噪算法相比,新模型的峰值信噪比、结构相识度、视觉效果、计算效率均有明显提高。     

一种基于PCNN检测的文档图像去噪算法

基于简化脉冲耦合神经网络(SPCNN),提出一种有效的文档图像脉冲噪声去除方法。首先通过测试模拟文档图像说明SPCNN检测文档图像噪声的可行性,然后设计SPCNN检测算法判断出噪声像素并加以标记,只对标记为噪声的像素做滤波处理。从仿真实验可以看出,本文方法具有较好的视觉效果,计算结果表明该方法比一般去噪方法明显改善。     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.     

一种改进的空间滤波除噪算法在道路识别中的运用

提出了一种在道路边缘像素连续的前提下,运用空间滤波方法除去道路图像中央的噪声的新算法,从而使得机器人在直线道路情况下能够清晰地识别出路和非路的部分.通过实验比较,结果表明该算法能够得到较好的除噪和道路拟合效果.     

基于自适应参数的全变分综合图像去噪模型

分析了ROF去噪模型和LLT去噪模型的优缺点,提出了一种基于自适应参数的全变分综合图像去噪模型.先利用高斯滤波对噪声图像进行预处理,以减少噪声在后续处理时被当成假边缘的可能性,再根据图像中每一像素点的梯度信息,自适应地选取模型中决定平滑强弱的参数,使模型能在接近图像边缘处平滑较弱,在远离边缘处平滑较强.实验表明,本模型在去噪的同时能有效地保留图像的纹理信息,并对降噪性能指标有较好的提高.     

一种保持图像细节的自适应的去噪平滑算法

针对三维相干切片数据所形成的二维图像,提出一种新的自适应的保持图像边缘细节的图像平滑算法.该算法通过平滑区域及灰度均匀度来选择受噪声干扰的最小区域,并以此来对目标像素进行相应处理.实验证明,本算法能在有效去噪平滑的同时,很好地保持了图像边缘细节,具有很高的实用价值.