基于多图像非局部均值去噪算法研究

为提升图像去噪效果,本文提出一种基于多图像非局部均值去噪方法:首先利用多幅噪声图像线性加权并结合多图像非局部均值滤波获得预去噪图像和方法噪声;然后利用高斯滤波后的方法噪声与预去噪图像求解多图像非局部均值权值,结合权值与输入图像获得最终去噪图像.实验结果表明,针对高斯噪声图像,与NLM等单图像去噪方法相比,本文方法能获得的峰值信噪比能提升0~2 d B,有效改善了视觉效果.     

边缘导向的非局部均值图像滤波

传统去噪方法在处理高强度噪声干扰图像时, 往往不能有效去除噪声且在修复过程容易引入二次污染。为此, 提出一种边缘图导向的非局部图像均值滤波算法。 首先获取二阶差分边缘信息, 在非局部范围内搜索相似块, 以边缘导向图与噪声图像共同生成滤波器权值, 进而构建由边缘信息导向的非局部协同滤波框架。 与传统滤波为代表的局部线性滤波方法相比, 所提出算法能挖掘图像边缘信息并利用一种新的非局部协同滤波框架进行图像去噪, 因此增强了高强度噪声干扰环境下的边缘修复能力。 实验证明, 提出算法在高强度噪声污染的情况下, 修复的图像不仅获得了更高的测量指标, 视觉效果也更加理想。     

基于双边滤波与离散余弦变换的NLM去噪算法

针对非局部均值去噪算法(NLM)易造成图像边缘模糊问题,提出了一种基于双边滤波和离散余弦变换的改进算法。该算法将双边滤波中的像素空间邻近函数与NLM算法的权值函数相结合,提出新的权值计算公式进而保护图像细节;利用离散余弦变换能量集中特性来计算像素相似性权值进而提高运算速度。首先将图像分割成子块,对子块进行离散余弦变换,然后在得到的离散余弦变换系数矩阵中筛选数据,最后用新权值计算公式在经筛选的离散余弦变换系数矩阵中度量像素的相似性。实验结果表明,与原NLM相比,该算法更好地保护了图像边缘细节特征和结构信息,峰值信噪比最大提高了1.4 d B,证明本文的算法去噪效果更佳。     

基于梯度直方图的图像自适应滤波去噪

为了解决自适应滤波器在图像去噪中因需要噪声检测以及人工设置阈值，从而影响去噪效果的问题，提出基于梯度直方图的自适应滤波方法。首先，对噪声图像均值滤波后的初始去噪图进行计算，得到梯度直方图。然后，通过对梯度直方图曲线形状进行分析，计算出分割性最优的点作为阈值。最后，用计算得到的阈值与图像信息的局部变化率相结合，建立尺度自适应调节的滤波模板，对噪声图像进行滤波去噪。实验结果表明，本文算法针对不同噪声类型和不同强度的含噪图像去噪效果均有提升，并且可与其他算法相融合，对自适应类算法的改进具有普适性价值。     

基于改进小波变换的图像去噪与融合

为了提高图像去噪的质量，提出一种基于改进小波阈值的图像去噪和融合算法。首先利用小波阈值法和传统均值法对含噪图像进行去噪，得到两幅去噪图像；然后采用小波融合方法进行图像融合，得到最后的去噪图像。针对图像小波系数分布特点，低频系数采取加权能量融合算法，高频系数采取局部均值和局部标准差相结合的融合算法，尽可能保留图像的边缘纹理信息。为了验证该方法的有效性，与多种滤波方法进行比较，实验结果表明，在视觉效果和峰值信噪比定量指标上该方法去噪效果均优于单一小波去噪。     

基于边缘检测的自适应非局部均值去噪算法

针对图像去噪处理中非局部均值(NLM)算法造成的平滑图像细节丢失问题,提出基于边缘检测的自适应非局部均值去噪(ANLM)算法。利用canny算子提取图像边缘结构图,比较待处理像素所在图像块和邻域图像块边缘结构的相似度,判断当前图像块所处图像区域的结构特征,设定相关阈值,自适应选取滤波参数,调整像素在平均过程中的权值。实验结果表明,ANLM算法相比NLM算法,能更有效去噪,可保留更多的边缘结构特征,细节信息更为丰富。     

基于二维EMD与均值滤波的图像去噪方法

针对均值滤波在抑制噪声的过程中会损失图像的边缘等细节信息从而导致整幅图像模糊的问题,将二维经验模态分解和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行二维经验模态分解,把图像分解为多尺度下的细节和轮廓,保持轮廓图像不变,对细节图像的弱边缘信息适当加强,然后对加强边缘信息的图像进行均值滤波,最后将轮廓图像与均值滤波后细节图像合成得到去噪后的图像.通过实验证明,该法在处理含噪图像时,不仅很好地降低了噪声,而且还较好地保留了原图像的边缘等细节信息.     

一种去除高斯噪音的新方法

提出一种新的去除高斯噪音的方法（NLTF）。该算法利用梯度能很好地反映图像结构信息的特点,把梯度引入双边滤波算法中,又结合非局部均值的思想,而提出一种改进算法。它在保护图像边界和细节方面比双边滤波算法有明显优势;在去除高斯噪音上比非局部均值平滑的更好。仿真实验证明,使用NLTF去噪,在视觉效果和PSNR等方面均超过已知的许多经典算法。     

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。     

基于预分类的非局部被动毫米波图像去噪算法

针对被动毫米波图像的分辨率低,不具备丰富的纹理信息的特点,提出了一种基于预分类的非局部被动毫米波图像去噪算法(PBNL).利用图像梯度信息的奇异值分解获取图像的局部区域特征,根据不同的特征集将图像进行分类,并对不同的类别采取不同的去噪算法.实验结果表明,相对于非局部均值(NL-Means)算法,该方法在计算(时间)复杂度上有了明显的降低,降噪结果的PSNR值优于BM3D、各向异性去噪算法,并且在视觉上获得了更好的辨识效果.      

一种基于模糊加权非局部均值图像滤波方法研究

针对传统均值滤波算法滤除混合噪声以及随机值脉冲过程中滤除效果差的问题,提出一种新的模糊加权非局部均值滤波方法.该算法在传统的非局部均值滤波算法基础上,引入了模糊信息价值指数,对图像中的每一个像素点进行标记.由该指标对图像中像素点信息价值性进行判断,抑制脉冲分量的影响.实验结果表明,所提出算法的滤除噪声视觉效果更加清晰,能够有效滤除混合噪声以及随机值脉冲.     

基于3维轴距与非局部均值的无人机巡检图像去噪算法

无人机搭载摄像设备获得输电线路的数字图像,利用数字图像处理技术可以提高故障识别率,而图像在采集和传输过程中易受到噪声干扰,图像质量受损不利于后续输电线故障识别,因而有必要对图像进行去噪处理。以无人机巡检高压输电线图像为对象,针对航拍图像中存在椒盐噪声问题,研究了椒盐噪声的3维直方图分布特点,并且在非局部均值滤波算法的基础上改进相似性权重,提出一种结合3维轴距的非局部均值去噪方法,解决了原非局部均值算法主要针对高斯噪声以及耗时过长的问题。首先,根据椒盐噪声的特点,对含噪图像进行3维轴距预滤波处理,计算图像中每个像素点的3维轴距,依据轴距检测噪声点,并对噪声点进行中值滤波。其次,对噪声点和非噪声点设置不同的权重,噪声点不计入相似性度量中,使得像素块之间相似度判断更加准确,利用改进的权重计算函数作非局部均值去噪。实验结果表明,所提算法能够有效去除巡检图像中的椒盐噪声,尤其是背景复杂图像中有显著的去噪效果,图像细节和边缘信息保持较好。同时所提算法与原非局部均值相比,耗时低,实时性得以提高。     

一种自适应双边滤波的超声图像去噪

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息,但超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别、病情诊断及定量分析造成不利影响。文中在传统双边滤波既能去噪又能保持图像边缘信息性质的基础上,对传统双边滤波的灰度权系数部分进行了改进,使其局部自适应。实验结果表明了该算法的有效性。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

基于边缘增强和稀疏表示的图像混合去噪算法

稀疏表示和非局部相似性在图像去噪领域扮演着越来越重要的角色,并且取得了很好的去噪效果.解决了高斯噪声和椒盐噪声混合的图像去噪问题.在去噪过程中,如何更好地保留图像中原有的边缘信息是一个很重要的问题.为此提出了在稀疏表示和非局部相似性的基础上,引入Sobel算子的算法.实验结果表明,该算法去噪效果突出,并且能够在去噪的同时保留图像的边缘信息,为去除图像中的混合噪声提供了一种有效的方法.     

基于Curvelet变换和非局部TV模型的图像去噪

为解决Curvelet图像去噪所产生的"环绕"效应以及非局部TV模型去噪过度平滑而无法保持细小纹理的问题,本文提出了一种基于Curvelet变换与非局部TV模型相结合的图像去噪方法(Curvelet and Non-Local TV,CNL-TV)。该方法首先对含噪图像进行Curvelet变换,将其分解成不同尺度的图像;其次根据每层图像的特性,选择合适的非局部TV模型参数分别进行处理;最后将处理后的每层图像融合。实验结果表明,该算法不仅能够有效地减少噪声,消除Curvelet去噪产生的"环绕"效应,而且最大程度地保持了图像中的细小纹理成分。通过比较不同方法所得结果的峰值信噪比,验证了算法的有效性。     

基于中值滤波的手指静脉图像增强

提出了一种基于中值滤波的手指静脉图像增强方法,本算法包括去噪、对比度增强和高通滤波增强.中值滤波在去除图像噪声的同时较好地保护了图像所包含的边缘信息,对比度增强加大了血管和背景的整体对比度,最后的高通滤波增强进一步增强了血管和组织的纹理结构.实验表明,本算法不但对图像去噪效果好,而且能有效地增强图像的对比度,改善图像的质量.     

一种基于散布矩阵的自适应非局部均值滤波模型

针对非局部均值滤波模型(non-local means model,NLM)中恒定的衰减系数不能同时实现图像不同特性结构区域去噪性能最优的缺点,提出了一种基于图像散布矩阵的自适应非局部均值滤波模型(scatter matrix non-local means model,SM-NLM).该模型构造图像的散布矩阵,通过散布矩阵的特征值确定衰减系数的大小,平滑区域采用较大的衰减系数,强纹理区域采用较小的衰减系数,以实现衰减系数自适应的非局部均值滤波.实验结果表明,本模型能取得更高的峰值信噪比,更好地保留了图像的细节信息.     

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。     

基于离散Fourier变换的非线性滤波图像去噪算法

传统的低通滤波去噪算法在滤除噪声的同时会使图像边缘模糊，为了更好地保留图像的边缘信息，该文提出了一种保留具有较大模值的Fourier变换系数的非线性滤波方法．实验结果表明，该算法在滤除噪声的同时还能较好地保留图像的边缘信息。