一种基于小波的图像去噪方法

利用小波变换的特点,对传统小波萎缩去噪方法进行改进,在不同分解尺度和方向上采用不同的阈值对图像进行去噪处理,取得较好效果.     

一种改进偏微分方程扩散系数的图像去噪方法

在偏微分方程P-M模型图像去噪过程中,扩散系数的选择会影响图像去噪的效果,为此提出了一个新的扩散系数模型来实现图像去噪。首先分析讨论了P-M模型中扩散系数和梯度阈值的选取对图像去噪的重要性,并对比了两个扩散系数的优点和缺点;在此基础上提出一个新的扩散系数,并应用到CLMC模型进行数值离散实验。实验结果表明,采用新的扩散系数得到的信噪比和峰值信噪比要比P-M方程中所给出的两个扩散系数得到的信噪比和峰值信噪比好。提出的扩散系数能够有效地进行图像去噪。     

基于离散余弦变换的非局部均值滤波算法

要非局部均值(non-local means,NLM)去噪算法已成为较有效去除图像噪声的算法之一。然而,当噪声水平较高时,NLM不能准确地计算图像块之间的相似度权重值,影响图像的去噪效果。针对上述问题,结合离散余弦变换(discrete cosinetransform,DCT)提出了基于DCT的非局部均值滤波算法。首先,利用DCT的低频系数重构图像,以达到滤除部分噪声的同时保护图像的主要内容。其次,利用重构图像较准确地计算图像块之间的相似度权重值,将NLM去噪算法用于噪声图像。实验结果表明,该算法能够得到较高的峰值信噪比(peak signal to noise ratio,PSNR)和更好的视觉效果。     

基于奇异值分解和形态滤波的图像噪声抑制算法研究

通过对在空域上图像去噪问题进行研究,发现一些经典的算法在保留信号细节部分出现了模糊细节或块状现象。针对此问题提出了一种基于奇异值分解和形态滤波的图像噪声抑制算法。首先利用奇异值分解后截取最优特征值得到预处理后的图形,然后利用基于不同大小的可变结构元素的改进的形态滤波函数从不同角度得到各方位去噪图像,结合自适应最优权系数法加权合成处理得到最后的无噪声图像。算法在抑制噪声的同时更好保护了边缘特征信息。理论分析和实验结果表明算法的有效性。     

小波阈值法在图像去噪领域的应用研究

小波阈值法在图像去噪领域已经成为热门的研究方向,为了使人们能对小波阈值法有概括性的了解.在对小波阈值法现有技术的优缺点进行分析的前提下,总结出小波阈值法在图像去噪领域的三个主要研究方向,即阈值选择的自适应性,小波系数的分布模型,以及防止Gibbs振荡,并探讨了小波阈值法在图像去噪领域的发展方向.     

阈值函数的选取对图像去噪的影响

摘要：在小波阈值去噪中,阈值函数的选取是非常重要的,阈值函数的不同选取直接影响到去噪的效果。本文在软硬阈值函数的基础上提出了一个阈值函数,仿真实验表明,利用本文阈值函数去噪,效果要优于软硬阈值函数。     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.     

双重自适应非局部均值图像去噪算法

针对非局部均值算法对边缘去噪能力较差的缺陷,提出了一种新的自适应非局部均值去噪算法。一方面利用基于均方误差最小化准则的主动匹配,以确定两图像块之间的最佳匹配形状与尺寸,进而得到较为鲁棒的相似度估计。另一方面,利用局部Hessian矩阵特征值判断图像块类型,并据此进行滤波窗口尺寸的自适应调整。细致分析与仿真结果表明,新算法有效克服了原始非局部均值算法存在的边缘去噪能力较差的问题,综合去噪性能达到甚至超过了最新的自适应非局部均值算法。     

基于局部多项式逼近的图像去噪

为了兼得传统图像去噪算法的保边性与高效性的优点,本文根据图像空间相关性,设计了图像局部多项式逼近函数,理论上分析了局部逼近尺度,建立了局部多项式逼近去噪算法：首先对图像像素进行多项式拟合,构造局部多项式逼近函数;其次采用置信区间交集法则自适应选择局部多项式的逼近尺度;最后采用逼近算法对高斯噪声图像进行去噪.实验结果表明,本文算法继承了各向同性扩散的高效性和各向异性的保边性,同时弥补了各向异性扩散实时性较差的不足