改进的分数阶自适应PDE去噪算法

结合ROF模型和四阶PDE去噪模型提出一种改进的分数阶自适应PDE去噪算法.改进算法根据各个像素点的梯度信息自适应地选择分数阶PDE的阶数,根据尺度参数的特点,提出一种自适应的尺度参数迭代算法.数值实验表明,改进算法能够较好地提高峰值信噪比,保护边缘,有效抑制“阶梯效应”.     

一种快速交叠组合稀疏全变分图像去噪方法

交叠组合稀疏全变分(Overlapping Group Sparsity Total Variation, OGSTV)是一种能够比较有效地克服图像去噪过程中产生"阶梯伪影"问题的模型,但其求解方法在图像去噪性能和处理时间上仍存在一定的提升空间.本文在OGSTV模型基础上,提出一种利用快速傅里叶变换(Fast Fourier Transform, FFT)方法对Split Bregman求解算法进行优化的快速OGSTV图像去噪方法.实验结果表明:在采用Split Bregman优化算法的OGSTV模型中引入FFT后,不仅绝大部分提高了OSGSTV的图像去噪性能,而且明显减少了OGSTV对图像进行去噪所需的时间.     

结合等照度线信息的图像去噪变分模型

噪声是图像获取、传输和储存过程中不可避免的现象,去噪是图像处理的首要步骤与基本问题,也是后续的高层次图像处理的基础。基于图像梯度的PM模型能有效增强图像的轮廓信息,但同时会造成图像边缘模糊并在图像的平滑区域产生阶梯效应。图像的等照度线能有效抑制图像边缘的过度平滑,考虑到等照度线与PM模型图像梯度的互补性,提出一种同时极小化图像梯度与原图像等照度线信息的复合变分模型,并给出该模型的迭代求解过程。通过对比实验证明,提出的复合模型能有效地利用原图像的结构信息,在消除平滑区域阶梯效应的同时能增强图像的边缘,取得较高的峰值信噪比,获得较好的图像去噪性能。     

基于Prewitt算子的TV图像去噪算法

分析了传统TV算法抑噪不充分的原因,为了弥补其不足结合图像空间和像素梯度提出了一种改进算法.该算法首先运用Prewitt边缘检测算子分析图像空间梯度,并对空间梯度进行抑制,一定程度上克服了传统TV算法对平坦区抑噪不充分,甚至出现虚假边缘和阶梯效应的缺陷;再结合像素梯度分析了TV去噪的迭代函数完成保边去噪.与传统算法相比,该文算法残余噪声较小且边缘保护较好,提高了图像的PSNR和视觉效果.但对图像较小纹理误作为噪声而去除.     

基于噪点检测与邻域权值内插的彩色人脸图像去噪

该文提出了一种基于彩色人脸图像训练库和Chebyshev不等式的有噪像素点检测算法,并利用像素间的相关性通过邻域权值内插算法,实现了彩色人脸图像的去噪。首先在L*a*b*颜色空间中进行主成分分析(principle component analysis,PCA)重建,然后定义了像素点向量距离差和像素点向量角度差,并给出有噪像素点判决准则,实现了有噪像素点与无噪像素点的区分,最后,利用像素点8邻域信息建立权值内插模型,结合PCA重建图像得到最终的去噪图像。在PIE标准人脸数据库中加入Gauss、椒盐、块噪声对该算法性能进行测试,并与其他几种去噪算法进行比较。实验结果表明:采用该算法去噪的彩色人脸图像具有更加清晰的边缘,保留了更多的有用信息,达到更高的峰值信噪比,且对多种噪声具有较好的去噪性能。     

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.     

基于纯各向异性扩散和四阶PDE的混合去噪方法研究

综合纯各向异性扩散模型和四阶PDE模型在图像去噪中的特点,提出一种新的去噪模型——基于纯各向异性扩散和四阶PDE的混合去噪模型.该模型克服了四阶PDE模型过多损失边缘信息和纯各向异性扩散模型在平滑区域产生阶梯效应的缺点,在有效去除噪声的同时,既抑制了阶梯效应,又很好地保持了图像的边缘和纹理细节信息.     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

基于小波变换的扩散滤波模型数值解的收敛性

证明了基于小波变换的扩散滤波模型数值解的收敛性.结果表明,如果假定该模型的弱解存在惟一并满足一些正则性假设,则用半隐迭代格式得到的数值解收敛到原方程的弱解.考虑到图像边缘的多尺度效应,该模型用小波变换模代替以往模型中的梯度模,在去噪的同时较好地保持了图像的边缘信息,并克服了经典去噪模型不能有效地除去图像边缘处噪声的弱点.该模型在医学图像处理中展现了良好的性能.     

基于CONVEF的四阶各向异性扩散及图像去噪

偏微分方程在图像去噪中有广泛的应用。传统的二阶偏微分方程虽然具有较好的去噪效果,但是处理得到的结果容易产生阶梯效应,这种现象会引起后续图像处理的误判断。You和Kaveh提出了四阶偏微分方程,该模型可以有效的去除阶梯效应,但由于该算法是一个各向同性的滤波算法,因此图像的边缘保护能力有所降低,使去噪结果中边缘和纹理等细节信息丢失。针对以上缺点,提出了基于卷积虚拟电子场(CONVEF)的四阶偏微分方程。新的模型降低了图像在边缘方向的扩散,得到一个有效的各向异性扩散模型,从而在去噪的同时可以更好的保护图像的边缘、纹理等细节特征。     

混合二阶全变分的抗核辐射图像降噪方法

为了更好地保留核环境下图像降噪后的细节信息,提出了基于混合二阶全变分的抗核辐射图像降噪方法。将非凸二阶全变分与重叠组稀疏正则化相结合,使用交替方向乘子法(alternating direction method of multiplier, ADMM)和增广拉格朗日乘子法对全局问题进行优化求解,多次迭代后得到基本降噪图像;将多次降噪后的基本降噪图像进行差值迭代,使核辐射图像中大范围跳变的灰度值更加接近原始图像灰度值;根据核噪声的特点,设计算法模拟出核噪声斑块。通过在真实核环境下采集的数据集和模拟的核噪声数据集上进行实验,峰值信噪比(peak signal-to-noise ratio, PSNR)和结构相似性(structural similarity, SSIM)等指标的变化及处理后的视觉效果表明,提出的算法在保留图像细节信息方面优于对比算法。     

基于高阶交叠组稀疏正则项的图像恢复方法

为进一步提高交叠组稀疏全变分模型的图像恢复效果,通过在现有模型的基础上结合图像的二阶梯度信息,增加二阶梯度正则项的方法对交叠组稀疏正则项进行改进,研究了基于高阶交叠组稀疏正则项的模型建立和算法以及在图像恢复中的效果及各参数的影响。结果表明：在一定水平噪声标准差的情况下,应用该方法对图像进行恢复时,基本上均可获得比其他模型更好的恢复效果。可见在交叠组稀疏全变分模型中考虑二阶梯度信息有助于提高图像的恢复性能。     

局部自交干扰的全变分图像自适应滤噪算法

针对当前图像滤噪算法虽然能够在一定程度上抑制噪声;但无法保证图像质量,导致图像细节丢失、图像变模糊的弊端,提出一种新的局部自交干扰的全变分图像自适应滤噪算法。定义一个图像局部功率,求解自适应全变分算法的能量函数最小化问题。通过拉格朗日算子获取图像局部功率的非约束最小化全变分形式,计算规整化可信度参数和噪声分布。通过全变分模型将轮廓尺度图像从含有噪声图像中分离出来,对含有噪声图像和轮廓尺度图像进行差运算,获取含有噪声的残差纹理细节图像。将获取的规整化可信度参数代入全变分模型,对含有噪声图像进行处理获取最终的滤噪图像。实验结果表明,经所提算法滤噪处理后,图像质量高,滤噪效果好。     

An Image Denoising Method Based on Group Sparsity and Low Rank

In this paper, we propose an image denoising method combining the priors of non-local self similarity(NSS), low rank and group sparsity. In the proposed scheme, the image is decomposed into overlapping patches, and then these patches are classified by the K-means clustering. Patches in each cluster are stacked into a matrix and then are decomposed into low frequency component and high frequency component through 2-D wavelet transform. Intuitively, the low frequency component should be a low rank matrix. We show that the high frequency component can be recovered by weighted mixed norm minimization which is also known as group sparse model. Then we propose an image denoising model using nuclear norm and weighted mixed norm as regularizers to enforce the priors on the low and high frequency. The proposed model can be solved efficiently in the framework of alternating direction multiplier method(ADMM) algorithm. Several experiments are carried out to verify the performance of the proposed model.     

联合多尺度块匹配的非局部均值去噪算法

针对非局部均值（Non-Local Means, NLM）图像去噪算法易产生伪影与平滑细节的问题,提出一种联合多尺度图像块匹配的像素相似性测度,提高NLM算法去噪性能。首先,研究与分析了加权欧氏距离与欧氏距离两种相似性度量以及图像块尺寸设置对NLM算法的影响。其次,通过引入图像特征信息并利用K-means聚类方法将图像划分为平坦区域和包含边缘与纹理的结构区域,对每个类别中的像素点,联合两种尺度图像块匹配计算像素的平滑权重。最后,优化了算法的滤波参数。实验结果表明,提出的算法在噪声去除与细节保持方面明显优于经典的NLM算法,相比其他改进的NLM算法也有优势。     

基于方向信息测度的非局部正则化图像去噪方法

针对非局部正则化在图像去噪过程中计算复杂度高、复原速度慢的问题,基于方向信息测度提出了改进的非局部正则化方法.在图像的边缘轮廓区域使用保边性能较好的非局部正则化方法,而在图像的平坦区域使用各向异性全变差模型,且该全变差模型由基于Bregman迭代正则化方法的快速迭代算法进行求解.实验结果表明:基于方向信息测度的非局部正则化方法在快速消除图像噪声的同时,能有效地保留图像的边缘和纹理等结构信息.     

非局部的可切换滤波图像椒盐噪声去除方法

针对图像被高强度椒盐噪声污染的问题, 提出一种可切换的非局部去噪算法. 首先将噪声图像切割为若干局部块作为算法的基本处理单位, 设计块的预修复过程, 以避免由于高噪声污染对局部块的干扰, 保证相似度度量和模型估计过程的准确性; 其次, 在非局部范围内构造非局部滤波器, 度量相似度并计算修复权值以进行噪声修复, 得到全方位的图像去噪效果. 实验结果表明, 该算法较传统局部信息构建滤波器的方法, 无论对低污染程度的图像, 还是高污染程度的图像, 在效果和图像衡量指标上均有一定的提升.     

一种基于全变差正则化与小波包变换的图像去噪算法

提出一种基于全变差(TV)模型和小波包变换的图像去噪算法, 并给出了针对该模型的一种改进正则化参数选取方法, 改善了全变差模型去噪中出现的块效应问题, 同时保留了图像中的边缘信息. 数值实验表明, 用所给算法去噪可得到较高的峰值信噪比和较好的视觉效果.     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。