一种基于改进分形编码的图像去噪方法

提出了一种针对加性白高斯噪声(AWGN)的改进分形图像去噪方法.该方法在改进的分形编码过程中采用二次函数灰度预测,使得对无噪图像的编码效果优于传统分形编码.在改进分形编码的基础上,改进的分形图像去噪方法通过带噪图像估计原始无噪图像的分形编码参数,从而在分形解码过程中达到去除噪声的目的.实验结果比较表明,改进的分形去噪方法具有很好的去噪效果.     

基于改进稀疏编码模型的图像分类算法

针对图像表示,提出了一种基于改进稀疏编码模型的图像分类算法.首先,提取表示图像视觉局部特征的SIFT (Scale Invariant Feature Transform) 描述子;然后,利用稀疏编码方法生成基于SIFT描述子的视觉词汇库,将SIFT描述子编成稀疏向量;通过有效稀疏向量的区域融合和空间结合而获取整体的稀疏向量并用于图像表示;最后,采用随机森林多分类器对稀疏向量进行训练和测试.结果表明,与现有的算法相比,该算法的性能更佳,可以有效表示图像的特性并提高其分类的准确率.     

基于复合稀疏去噪的沙漠地震噪声消减

沙漠地震噪声既含有低频噪声又含有高斯白噪声,一般方法很难同时去除这两种噪声,针对此问题提出了使用复合稀疏去噪同时压制沙漠地震噪声中的低频噪声和高斯白噪声的方法。在复合稀疏去噪中将平方损失作为损失函数的保真度约束,将信号和信号一阶导数的 L1 范数作为损失函数的稀疏约束,然后通过最小化损失函数去除信号中的高斯白噪声。为同时去除低频噪声,复合稀疏去噪中联合使用了低通滤波器,即可一次性去除低频噪声和高斯白噪声。分别对模拟地震数据和实际地震数据进行仿真实验,实验表明该方法可有效地同时压制沙漠地震数据中的低频噪声和高斯白噪声,复合稀疏去噪的保幅略好于带通滤波器,去噪后带通滤波器会产生较严重失真,而复合稀疏去噪的失真较小。     

基于稀疏分解的分块图像压缩编码算法

以压缩感知理论为基础,将匹配追踪(Matching Pursuit,简称MP)算法运用到图像的压缩编码中.首先,阐述了原子库的构建方法,之后,采用分块感知压缩图像分解方法,降低了分解的运算复杂度,最后,针对传统MP算法编码率不高的问题,利用MP原子能量与位置分布特点,对原子系数和位置参数进行编码,并提出了MP原子编码方法.实验结果表明,采用分块感知压缩图像分解方法,能有效地降低稀疏分解的计算复杂度,其压缩编码方法在保持传统MP图像编码优势的前提下,能有效地提高编码性能和编码率,体现了稀疏分解较传统分解方法的优势.     

各向异性全变分图像去噪算法

图像去噪是图像复原问题中的重要研究内容之一,在此过程中图像的高频部分易受到破坏。针对这一情况,通过引入不同的权重参数惩罚x与y方向上的梯度算子,提出修正的各向异性全变分去噪模型。引入的权重参数具有局部自适应性,可以使模型对应欧拉方程在图像切线与法向方向的扩散具有更鲁棒的各向异性扩散能力,可以达到保护图像细节的目的。另外,提出的模型是具有可分裂结构的非光滑凸优化问题,采用算子分裂技术将其转化为多个易求解的子问题,并在交替方向乘子法的框架下求解,从而保证了算法在理论上的收敛性。与现阶段其他变分型的复原模型相比,所提出的模型在有效抑制噪声的同时能有效地保持图像的局部结构特征。对于分块效果明显,噪声水平较低的图像去噪结果十分显著;对于分块效果不明显,图像细节较多的图像,该模型依然有效。     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

多尺度移不变稀疏编码及其在机械故障诊断中的应用

提出了一种融合多尺度信息的高效移不变稀疏编码算法,并用于机械故障诊断. 将移不变稀疏编码作为分类器应用于故障诊断,直接对振动信号进行训练和识别,不需要提取特征和预处理. 为进一步提升效果,将不同尺度的移不变稀疏编码分类器融合在一起. 经实验验证,即使在训练样本和测试样本负载不同的情况下,文中方案仍然能够以较高的准确率识别出轴承的故障位置和程度. 与其他方法相比,文中方法的准确率、鲁棒性更高,具有一定的工程应用价值.      

基于改进的HDCS的图像去噪方法

针对数字图像主要含有高斯噪声和椒盐噪声的特点,提出了一种基于改进的各向异性的混合扩散模型。传统的基于边缘增强和相干增强的模型,虽然能够有效地去除噪声;但也会存在减弱相干结构和背景的对比度等问题,同时在保持图像细节纹理方面可能会出现失真。通过在扩散方程中引入一个源项;并充分考虑它对模型中各项产生的影响,使得改进后的模型既能有效去除噪声,也能有效地保持相干结构和背景的对比度;同时在模型中引入一个偏微分方程用以获取保真项,使得图像的细节保护效果更明显。实验结果表明,该方法能达到较理想的去噪和恢复图像纹理信息的结果,而且明显改善了图像的视觉效果。     

基于稀疏编码和多核学习的图像分类算法

提出了一种基于稀疏编码和多核学习的图像分类算法.首先从图像中提取Dense-SIFT（Dense Scale Invariant Feature Transform）和Dense-SURF（Dense Speeded Up Robust Feature）2种特征,使用稀疏编码对特征点进行处理,得到一系列高维向量,然后对这些高维向量应用max-pooling算法,将图像表示成单个向量.最后,使用改进的多核学习方法对这些向量进行分类,对于不同的特征,使用不同核的组合以达到最好的分类效果.实验结果表明,该算法作为词袋（BoW）模型的改进,能够提高分类准确率.
     

基于图像稀疏表示视觉显著度计算的自适应尺度调整方法

图像适应是指将图像按照不同的纵横比进行拉伸和压缩,以适应不同显示比例的显示终端(如手机、掌上电脑(personal digital assistant,PDA)、投影仪)的一种技术.研究基于视觉显著度的图像适应,具体实现分为视觉显著度的计算和图像的加权拉伸与压缩两个步骤.采用加权的稀疏表达残差来表示视觉显著度.在图像的加权拉伸与压缩中,提出一种对横向与纵向使用不同加权变化的快速算法,在保证图像处理效果的前提下,达到快速图像适应处理的效果.仿真实验结果表明,该方法对于实验图像具有鲁棒性和有效性.     

改进小波阈值图像去噪算法

图像去噪问题一直是图像处理领域关注的问题之一。在图像去噪过程中,由于软阈值函数获得的去噪估计系数与原小波系数具有的恒定差,进而影响了重建图像的质量。为了有效地解决这一问题,在软阈值函数的基础上,本文提出了一种新的阈值函数用于图像的去噪重建。同时,新提出的阈值函数也有效地解决了硬阈值函数的不连续性问题。为了增加新阈值函数的灵活性,新阈值函数中添加了两个调节因子。实验结果表明,本文的阈值函数优于经典的软、硬阈值函数,有效地解决了软、硬阈值函数存在的缺陷,获得的重建图像质量和峰值信噪比有显著提高。     

基于改进U-Net神经网络的图像去噪算法

针对目前常见的U-Net网络结构以及现有的图像去噪算法在去除图像噪声时,处理后得到的图像较为模糊且图像的边缘纹理过于光滑缺乏真实性的问题,提出了一种改进的U-Net网络结构去噪算法。它由去噪模块以及边缘信息提取模块组成,首先,利用U-Net++中的跳跃连接应用到原始的U型去噪子网中,密集连接的U型去噪网络可以减少编码器与解码器特征映射之间的语义差距,还原出更清晰的图像。其次,基于VGG-16网络结构的边缘信息提取模块对去噪网络处理后的图像进行特征提取,同时反向优化U型去噪模块,还原出更真实的图像。实验表明,在常见的Set5、Set12、Kodak24和CBSD68数据集测试所提出的算法,在图像的客观评价指标上均优于目前具有代表性的去噪算法,同时图像的边缘细节和纹理特征更清晰真实,视觉效果上更好。     

基于改进引导滤波的实时红外图像去噪研究

针对红外图像对比度低、边沿模糊、图像噪声明显以及去噪算法复杂度普遍高的缺点,提出应用于红外图像去噪的改进的引导滤波算法,并与传统的引导滤波去噪算法进行对比,以验证该算法提高图像质量的能力与算法处理的效率.该方法利用Sobel滤波代替传统引导滤波求统计特征的方法来获取图像特征,在保证去噪效果的前提下,极大简化了算法复杂度,并移植该算法至TMS320C6748DSP平台进行测试.实验结果表明,程序经优化后,达到实时处理的要求.     

一种彩色图像压缩编码改进方法

在分析以往灰度图像及彩色图像压缩方法的基础上,把彩色图像从RGB色彩空间转变到YUV色彩空间,充分利用彩色图像三分量之间的相关性,对其中Y主分量进行小波变换编码,其它两次分量(U、V分量)进行DCT编解码;并利用人类视觉特性和网络特性,提出了一种编码速度快、信噪比高、压缩比高的算法。     

基于双密度双树小波变换的图像去噪

为了使图像的不同增量同时达到最优的去噪结果,本文提出了一种基于双密度双树小波变换的图像去噪方法.首先使用Vese和Osher的图像分解模型把图像分成结构和振荡分量,然后根据各个分量的不同特性进行双密度双树小波变换域阈值去噪.实验结果表明,本文方法不但有效的去除了噪声,而且去噪后图像的视觉效果更好.     

Robust Hierarchical Framework for Image Classification via Sparse Representation

The sparse representation-based classification algorithm has been used for human face recognition.But an image database was restricted to human frontal faces with only slight illumination and expression changes.Cropping and normalization of the face needs to be done beforehand.This paper uses a sparse representation-based algorithm for generic image classification with some intra-class variations and background clutter.A hierarchical framework based on the sparse representation is developed which flexibly combines different global and local features.Experiments with the hierarchical framework on 25 object categories selected from the Caltech101 dataset show that exploiting the advantage of local features with the hierarchical framework improves the classification performance and that the framework is robust to image occlusions,background clutter,and viewpoint changes.     

一种改进的夜间数字监控图像的去噪算法

本文针对夜间数字监控图像存在大量噪声的情况,比较了各种常见的去噪算法,在综合考虑了图像去噪平滑效果、图像的清晰程度及图像去噪时间复杂度的基础上,提出了形态学方法和中值滤波方法相结合的图像去噪算法。通过图像去噪前后效果对比验证了该算法的可行性。     

基于高斯比例混合模型图像Curvelet域去噪

提出了一种基于高斯比例混合模型的图像Curvelet域去噪算法,改善了图像的去噪效果.首先对图像进行Curvelet变换.然后建立系数邻域的高斯比例混合模型.最后在模型基础上用贝叶斯最小二乘估计方法对系数进行估计.算法有效结合了Curvelet变换对图像边缘的高效表示能力和高斯比例混合模型对邻域系数相关性的概括能力.实验结果表明,在主观视觉上.该算法对图像边缘进行了很好的保护;在峰值信噪L-'c上较其他算法也有所改善;特别是对纹理细节比较丰富的图像.去噪效果更加明显.     

一种Alpha图像串匹配编码中熵编码的改进算法

在分析了Alpha图像的特征及其在串匹配编码过程中未匹配像素的分布情况之后,提出了一种Alpha图像熵编码的改进算法.该算法首先对未匹配像素进行滤波处理使其具有独特的分布性质,然后依据该性质进行分段编码以减少码流比特数,从而达到更好的压缩效率.实验结果表明,相比于LZ4HC,ZLIB,PNG等常用的压缩算法,改进算法具有编码效率高和复杂度低的优势.     

一种几何形状比例可变的分形图像压缩编码方法

在分析了图像压缩的分形几何形状比例变化可行性的基础上,提出一种基于分形几何形状比例可变的分形图像压缩编码方法,以分形几何比例分别为2：1和3：2的最佳父块逼近子块程度的实验为例,得出父块越大,父块逼近子块程序越差的结论,因此,分形图象压缩必须考虑几何形状比例,进一步给出了4种父块越大,父块逼近子块程度越差的结论。因此,分形图象压缩必须考虑几何形状比例,进一步给出了4种分形几何比例的灰度平均采样公式,并模拟这4种分形比例,分别单独进行了分形编码实验,根据同一图像不同部位的具体情况,采用不同的分形几何比例进行混合几何比例的分形编码方法实验,结果表明：分形几何比例可变的混合分形编码方法与其他单一几何比例分形编码方法相比,黑种人铁压缩比和峰值信噪比均有提高,编码时间也有所减少。