基于ROF模型的图像去噪算法

针对ROF模型在处理纹理丰富的图像时易丢失重要信息的缺点,本文提出用高阶导数构成扩散函数,并用维纳滤波对其进行预处理。实验结果表明了本文方法的有效性。     

一种改进的全变分自适应图像去噪模型

目的 比较几种不同的变分图像去噪模型的优缺点,提出一种新的根据局部梯度信息自适应调整光滑性测度的模型.方法 新模型增加了梯度模值与两个门限的比较,小于门限1采用各向同性扩散去噪模型,大于门限2采用TV去噪模型,梯度模值在两个门限之间的采用自适应去噪模型.结果 新模型在强噪声水平下,改善了人眼主观视觉感受,均方误差(MSE)降低了约35,峰值信噪比(PSNR)提高了约2.25dB.结论 新模型改进了原有模型,进一步减少了"阶梯"效应,得到了更好的去噪效果.     

基于正则化与保真项全变分自适应图像去噪模型

分析了自适应范数的变分去噪模型与自适应可信度参数变分去噪模型优缺点,提出了一种同时基于范数p与可信度参数λ全变分自适应图像去噪模型.在该模型中,扩散行为的参数p(x,y)由图像局部梯度决定,可信度参数λ(x,y)大小取决于当前处理位置对应残差图像的特性.实验结果表明,本模型在去除噪声的同时更好地保留图像的细节信息,且峰...     

一种基于Lp范数的自适应图像去噪模型

为了克服L2范数的去噪模型不能保持图像边缘和L1范数的总变差(total variation,TV)模型容易引起梯子现象的缺陷,提出了一个基于Lp(1≤p≤2)范数的自适应模型,并且给出了自适应函数p(x,y)的构造公式.将Primal-Dual方法应用到自适应模型的求解中,给出了求解自适应模型的公式.数值试验结果表明,自适应模型在去除噪声的同时保持了边缘的信息,且能削弱梯子现象,所恢复的图像在信噪比等方面比原来的两种模型有较大的改善.     

图像去噪中改进的LLT去噪模型

提出了一种改进的LLT去噪模型，并给出有效的不动点迭代方法.数值实验结果表明，改进的LLT模型不仅能保持图像的细节，而且能避免阶梯效应.     

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。     

图像去噪中LLT模型的同伦方法

提出了运用具有全局收敛性的同伦方法求解Lysaker-Lundervold-Tai(LLT)模型,构造了一种逐步减小光滑化参数的同伦方程,并给出了有效的路径跟踪方法。实验表明,该方法收敛速度是不动点方法的2倍。     

基于不动点算法的LLT去噪模型

利用凸分析理论建立关于图像去噪LLT模型的不动点方程, 并用不动点迭代得到关于该方程的数值解. 数值试验结果表明, 该方法比原来的数值方法速度更快、 去噪效果更好.     

一种基于LIP的全变分图像去噪新模型

将对数图像处理数学模型应用到图像还原中,采用全变分的方法获得了去除图像乘性噪声的新模型.该模型弥补了现有图像去噪方法的不足,很好地保持了图像的边缘细节特征,并具有与人眼视觉特征相吻合的特点.仿真实验结果表明,与现有的去噪方法相比,新模型很大程度上减小了图像在去噪处理迭代过程中产生的误差,不仅去噪效果更好,而且能很好地保...     

基于稳健回归的自适应图像去噪方法

提出一种基于稳健回归的图像去噪方法。该方法使用最优尺寸自适应窗技术来探测图像的边界像素,减少边界像素对降噪算法的影响,并且使用尽可能多的邻域信息来提高回归性能。使用该方法对加入混合高斯噪声的真实图像进行降噪实验,结果表明,该方法不仅具有出色的去噪性能,而且能够适应不同的噪声分布。     

基于空间自适应全变分的图像配准

通过引入空间自适应正则化参数,建立了离散的空间自适应全变分配准模型,并结合一阶泰勒展开式给出了有效的不动点求解方法.实验结果表明,由空间自适应全变分配准模型得到的图像的质量比全变分配准模型的更好,迭代时间更短.     

基于空间自适应全变分的图像配准

通过引入空间自适应正则化参数,建立了离散的空间自适应全变分配准模型,并结合一阶泰勒展开式给出了有效的不动点求解方法.实验结果表明,由空间自适应全变分配准模型得到的图像的质量比全变分配准模型的更好,迭代时间更短.     

基于小波-Contourlet的Bayes估计医用红外热图去噪方法

医用红外图像去噪已经成为医学图像实际应用中不可或缺的一项工作。为了获得更好的去噪效果,提出了一种基于小波-Contourlet(WBCT)变换的Bayes自适应估计医用红外热图去噪方法。并且,与图像循环平移算法(Cycle Spinning)相结合,提高信噪比,更好地体现图像的边缘和纹理等特征信息。在Matlab环境下进行仿真研究。结果表明,这种算法能够获得更高的信噪比,使视觉效果得到明显的改善。     

基于熵变分的图像去噪模型

针对传统Tikhonov正则化模型存在的不足,根据最大后验概率（MAP）和最大熵的理论,提出了一种基于熵变分的图像去噪模型。该模型利用图像像素点的梯度信息自适应的对带噪图像进行各向异性滤波处理,在去除噪声的同时有效保留了图像的边缘细节。采用变分法推导出了该模型对应的偏微分方程,最后结合梯度加权最速下降法和半点格式的数值迭代算法对方程进行求解。实验结果表明,该模型去噪后的图像比Tikhonov正则化模型具有更好的客观评价指标和主观视觉效果。     

基于全变分自适应保真项去噪算法的数值实现

基于全变差图像去噪经典算法,提出一种自适应保真项的数值实现算法.该算法利用图像纹理区和光滑区中噪声的不同特点,采用不同去噪强度避免传统方法的不足,并以数值方法实现.在保持经典算法去噪效果的前提下,解决了原有阶梯效应和过度平滑的问题,尤其对精致的纹理和细节图像,使其在去噪的同时,不丢失图像特点.该方法处理相对简单,可应用于以偏微分方程为基础的图像处理.     

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。     

多尺度全变差图像去噪算法

结合小波和全变差方法,提出了一种多尺度全变差去噪算法. 该算法结合了小波的多尺度结构,并通过对多层小波分解后的高低频施加不同的正则化参数,在频率域上实行多尺度全变差去噪.实验结果证明,所提出的算法相对于全变差去噪方法和小波去噪方法,能够更好地抑制噪声、保持边缘和消除阶梯效应.