边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。     

一种有效的脉冲噪声滤波算法

提出了一种新的图象脉冲噪声消除算法,该方法可以快速有效地去除图象中的脉冲噪声,并保留图象的细节。该算法主要通过利用象素点邻域的中值与最大、最小值信息,决定噪声象素的取值。对本算法与中值滤波算法进行了分析仿真,结果表明,本算法去除噪声与保留细节的效果好,对高强度的脉冲噪声也有比较好的滤波效果。     

基于小波变换和偏微分方程的图像去噪方法

应用小波变换去除图像噪声时虽然能保持图像的细节信息,但是图像的边缘信息被平滑了.使用偏微分方程对图像去噪,并与使用小波变换去除图像噪声后效果进行比较,实验结果表明:使用偏微分方程对图像去噪在平滑噪声的同时可以使边缘得到保持.应用偏微分方程进行图像去噪是一种有效的工具.     

多级全方位细节保持层叠滤波器

以层叠滤波器理论为基础,通过对信号进行阈值分解和引入全方位结构元,提出了一种用于处理噪声图象的多级全方位细节保持层叠滤波器。通过在滤波算法中引入细节检测单元,使得滤波器的第2级可以针对噪声污染图象的不同区域,自动选择相应的滤波器单元,从而达到滤除噪声、保持图象边缘细节的效果.仿真实验验证了这种滤波器的有效性。     

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.     

多媒体资源库中图像去噪处理技术研究

针对多媒体资源库中图像斑点噪声产生的原因,本文提出一种新的斑点噪声抑制算法:将小波提升方案与Directionlet变换相结合,利用改进的小波软阈值算法对图像变换域进行局部去噪。仿真实验表明,该算法能够有效去除斑点噪声,较完整地保持图像中的边缘和理纹细节信息,取得了良好的视觉效果。     

超分辨率重构图像的噪声分析与消除

在超分辨率重构图像中,可以观察到四种不同的重构噪声,分别是边缘振荡效应、梳毛效应、边缘锯齿效应和方块效应.本文提出了一种能同时有效地滤除这四种重构噪声的边界自适应滤波算法.实验结果表明,该算法能在保持图像细节信息的同时较好地滤除各种重构噪声.     

一种基于模糊逻辑的图像自适应去噪算法

为克服单一使用中值滤波方法去除脉冲噪声会造成图像细节信息丢失,使图像变模糊的缺陷,提出一种新的基于模糊逻辑的图像自适应去噪算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为更好地保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其他改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

改进的中值滤波算法应用于的冲噪声的滤除

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法，但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失，从而使图像变得模糊．基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息．本文在此基础上提出了一种改进的基于噪声点检测的脉冲噪声滤波算法，该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据．而在滤除噪声时，采用的是迭代的中值滤波算法．从实验结果中可以看到。与其它中值滤波算法相比。本文的算法在去除脉冲噪声时能取得理想的去噪效果．     

结合迁移学习的真实图像去噪算法

为了能有效地去除真实图像的复杂噪声,提出了一种结合迁移学习的真实图像去噪算法。该算法采用了双编码器结构,迁移学习编码单元利用预先训练好的权值有效提取鲁棒特征,残差编码单元对当前数据处理,进一步补充了信息。解码单元通过特征融合模块对丰富的信息进行融合,随后经过残差注意力模块加强对图像细节信息的关注,从而更好地恢复图像。实验结果表明,该算法在DND、SIDD和RNI15真实噪声数据集上有很好的泛化能力,能够在有效去除噪声的同时更好地保留图像纹理和边缘信息,恢复图像视觉效果更好。     

改进的基于小波变换SAR图像去噪方法的性能评价

文章从两个方面研究了改进的基于小波变换的SAR图像去噪方法的性能,与常用的几种滤波方法进行对比;并考察该算法在抑制相干斑点噪声的同时保持图像的边缘等细节信息的性能;结果表明,该算法在有效滤除SAR图像斑点噪声的同时,有更强的图像细节信息保持能力。     

结合局部方差信息的各向异性扩散图像去噪算法研究

针对各向异性扩散算法容易模糊图像细节和边缘以及去噪不彻底的问题,通过局部方差信息调整参数将LCC扩散函数与ECU扩散函数相结合,综合利用图像局部方差描述的局部区域信息和梯度信息,提出了一种结合局部方差信息的各向异性扩散模型。该模型不仅同时依赖局部方差信息和梯度信息,而且能够在不同性质区域根据局部方差信息调整参数适时地调整LCC扩散函数与ECU扩散函数扩散速度,充分利用LCC扩散函数和ECU扩散函数的优势。实验结果表明,该模型与其它几种经典算法相比,不仅能够有效地去除噪声、保持图像弱边缘,而且对图像的细节保持也有较好的效果。     

一种改进的中值滤波算法及其应用

为有效解决传统中值滤波算法在保护图像细节方面存在的缺陷,提出了一种改进的中值滤波算法.该算法对滤波窗口中像素进行了分块处理,再对处理的数值取中值.通过对图像边缘像素进行横向和纵向扩展,改善了图像的边缘信息.将该算法应用到医学图像中,并将实验结果与其他算法进行了比较,证明了本文算法的有效性,在去除噪声的同时,更好地保护了图像的细节.     

基于GM(1,1)-灰色Verhulst模型的图像去噪组合算法研究

图像获取过程中,受到噪声的影响,会导致图像质量下降,给后期处理带来困难,为此提出一种基于GM(1,1)-灰色Verhulst组合模型的图像去噪算法.首先分析了噪声的性质,为了更好的利用图片的有效信息,构建预测值代替原始值的灰色模型.其次,分析了GM(1,1)模型和灰色Verhulst模型间的结构差异,结合两种模型给出一种去除噪声的组合算法.最后,比较中值滤波、GM(1,1)模型和灰色Verhulst模型处理效果.实验结果表明,采用这种组合算法得到的处理结果能有效去噪,较好地保持图像对比度和边缘信息,验证了该算法的有效性.     

一种基于曲率驱动的四阶PDE图像去噪模型

噪声的存在降低了图像中信息的有效性,图像降噪显得尤为重要.针对曲率驱动模型和四阶偏微分方程去噪方法的各自特性,提出了一种新的混合去噪模型,把CDD和四阶PDE通过某一权函数进行组合,很好地保持了二者的优势,在有效去除图像噪声的同时,很好地保留了图像的纹理细节和轮廓信息.     

基于全变分模型的新型数值实现算法

基于经典全变分(TV)模型的图像恢复框架,从局部扩散的角度,设计了一种新的应用于图像去噪的数值算法.该算法可以根据图像的局部梯度信息自适应地选取扩散系数,使边缘处扩散较弱,在平坦区域扩散较强,实现了对噪声图像的各向异性滤波处理,在去除噪声的同时保护了图像的边缘细节.最后与传统TV模型进行了实验对比,实验表明本算法性能更好,运算效率更高.     

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.     

改进的油井远程夜视监控图像处理方法

为了提高油井监控的安全系数,针对油井夜视监控图像中噪声的特点,提出了一种自适应的混合滤波算法.对于图像中存在的高斯噪声,设计了一种加权处理的均值滤波算法;对于脉冲噪声,提出了一种改进的比较选择滤波算法,可根据不同的图像自适应地选择合适的滤波参数,在滤除脉冲噪声的同时保持图像边缘信息;最后将两种滤波算法有机结合起来对实际的油井夜视监控图像进行处理.实验结果表明本文提出的算法不仅能够有效地去除图像中的高斯噪声和脉冲噪声,还能保持图像的边缘特性,有效地改善了监控图像的质量.     

一种遥感影像噪声抑制各向异性扩散算法

噪声抑制是遥感影像处理中一个重要研究课题,但常用的去噪算法会造成细节损失。为有效抑制噪声,同时保护边缘,本研究在Perona-Malik扩散模型基础上,提出了一种新的基于方向信息测度和边缘隶属度的各向异性扩散滤波算法。本算法的核心思想是根据遥感影像在其均匀区域各向同性扩散而在边缘细节区域各向异性扩散的这种局部特征,将影像分为边缘区和非边缘区两个区域,对非边缘区采用常规Perona-Malik扩散方程完成噪声的滤除,而对边缘区采用基于方向信息测度的非线性扩散方法进行处理,在平滑去噪的同时对边缘进行修整,不仅可以很好保持边缘细节信息,而且可以对其进行增强。实验结果表明,该算法的峰值信噪比、均方误差、辐射分辨率等参数均优于常规算法,提高了遥感影像的等效视数,有效消除了影像中的相干噪声。算法具有良好的应用前景和实用价值。     

一种基于加权均值检测的夜景图像增强算法

夜景图像由于照度较低且长时间曝光往往混有噪声。针对传统增强算法对其进行处理时无法避开噪声点而导致视觉效果不佳的问题,本文提出了一种基于改进的加权均值检测夜景图像增强算法。算法通过加权均值检测标记出图像中的噪声点,然后使用基于RGB灰度值变换的增强算法对所有非噪声的像素点进行处理,最后用近邻插值法来替换原图像噪声点所在位置的灰度值。大量实验结果表明,本文算法可以在去除噪声的同时较好地保持原始图像的细节边缘特征,总体性能优于现有的算法。