基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

一种基于中值滤波的图像预处理改进算法

对于图像处理领域中常见的椒盐噪声来说,比较经典的去噪算法是中值滤波去噪算法．但是,中值滤波算法是直接选取一定形状的区域块,再对此区域块内图像的所有灰度值进行重排序,选取重排序后的灰度中值作为区域内新的灰度值,此方法简单但未去除噪声点对整体图像传输带来的影响．基于椒盐噪声在图片传输中的非白即黑特点,提出了一种去除噪声点影响的新算法．首先,在选定区域内去除异常噪声点,使用非噪声灰度值进行替代;然后,通过反复实验找到合理的椒盐噪声密度阈值;最后,在此阈值的情况下,进行新灰度值的排序,排序的中心值替代原始灰度排序的中心值．通过仿真验证了新算法在椒盐噪声密度比较大的场景,去噪效果较中值滤波算法更优越．     

基于DWT和PNN的数字图像水印算法

针对数字信息在存储或传输过程中可能受到复制、攻击或修改的问题,提出一种基于DWT和PNN的数字图像水印算法.该算法在基于块的小波系数中选择最佳位置嵌入水印图像,采用PNN记录水印与对应图像之间的关系,在不需要原始图像和水印图像的情况下,从嵌入水印的图像中恢复水印.使用PSNR和NCC对算法进行不可见性和鲁棒性测试.实验结果表明,本文算法提取的水印图像具有优秀的不可见性和鲁棒性,能够有效应对不同类型的攻击.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

基于Android平台的实时图像视频水印处理方法

针对现有研究的算法很难用在智能手机等低计算性能设备上的问题,提出基于Android平台的实时图像视频水印处理方法.该方法基于离散余弦变换(DCT),采用预定义的水印对智能手机相机拍摄的图像及视频进行实时水印添加,将水印嵌入实时捕获的宿主图像中.基于Android平台开发APP应用程序,使用默认的智能手机摄像头捕捉图像,通过OpenCV实现实时视频处理和数字水印嵌入处理,并将图像保存到外部存储中.实验结果表明,所提方法基于不同的质量因子均能保持较稳定的峰值信噪比(PSNR)和平均平方误差(MSE),能够较好地适用于智能手机等低计算性能设备.     

一种基于零水印的医学图像真伪性认证算法

提出一种基于零水印的医学图像真伪性认证算法.该算法对原始医学图像进行分块整数小波变换,在每个分块的低频和高频分别提取4个系数,取其最低有效位与文本水印的对应位相异或,得到2个密钥作为零水印,认证时使用这2个密钥恢复水印信息.算法复杂性低安全性高,不改变原始医学图像.结果表明,该算法能够实现对医学图像的真伪性认证,具有较好的篡改定位能力.     

基于稀疏表示和块匹配的图像超分辨率重建方法

针对图像的超分辨率重建问题,提出一种基于稀疏表示和块匹配的重建方法.首先,根据图像退化模型将HR图像退化成LR图像.然后,通过训练获得过完备字典,对图像重建问题进行稀疏表示,并对此进行求解.最后,利用重叠块技术缓解块效应,利用反向投影技术保证全局一致性,最终获得重建的HR图像.另外,将该方法扩展到多帧图像重建中,利用块匹配技术从多帧图像中选择出一个目标图像,以此实现重建.实验结果表明,该方法的重建图像具有较低的峰值信噪比.     

M带小波变换在图像去噪中的应用

基于小波的图像去噪算法是目前图像去噪研究领域的一个热点.采用Normal Shrink进行阈值估计,提出了一种基于M带小波变换的图像去噪方法,实验结果表明:此方法的去噪效果优于维纳滤波和两带小波.     

Curvelet变换域自适应收缩图像去噪

研究了Curvelet变换域非参数贝叶斯估计图像去噪问题。利用先验概率模型－正态反高斯(NIG)分布对图像Curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器。通过估计Curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能。结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节。     

基于全变分正则和L2,1范数的视频去雨张量模型

提出了一种基于全变分正则与$L_{2,1}$范数的视频去雨张量模型用于解决雨线遮挡问题。首先,对雨线成分与视频背景先验信息进行预处理,获取相应正则化条件的构建依据以增强各部分稀疏性,便于促进雨线分离。其次,考虑到视频图像存在不规则动态对象,引入全变分正则项来抑制背景强度变化,缓解雨线的误判现象。采用交替方向乘子法（alternating direction method of multipliers,ADMM）可以有效地对所提出的张量模型进行求解,并在合成数据与真实数据集上开展大量实验。结果表明,所提方法在动态背景情况下有效去除视频图像雨线的同时,保留了更多背景细节信息。与相关先进方法相比,所提方法在峰值信噪比、结构相似性和残差三种综合性能量化指标上均具有较大的优势。     

小波变换与PCNN在图像处理中的比较与结合

主要介绍了小波变换和PCNN的基本原理,结合它们在图像处理中的应用,比较说明了小波变换和PCNN各自的优缺点.通过分析表明,将小波变换和PCNN技术相结合在图像处理中会产生更好的效果.     

自动图像拼接中的一种特征提取和匹配方法

在比较目前特征提取和匹配的几种方法比较的基础上,提出了一种基于改进特征提取和匹配的拼接方法,使得图像拼接的质量和速度得到提高。该算法首先利用改进的尺度不变特征变换（scale invariant feature transform,SIFT）特征提取方法获得图像特征点,其次利用近似最近邻匹配进行特征匹配并引入随机抽样一致性（random sample consensus,RANSAC）算法去除误匹配对,最后根据匹配的特征点对得到图像间的变换参数进行拼接和融合。该算法具有很强的鲁棒性,允许图像有缩放变换、旋转变换,不受图像噪声、色差的影响。经实验证明,该方法可实现高质量快速的拼接系统。