非线性扩散与小波变换的混合图像去噪算法

在分析小波变换与非线性扩散之间联系的基础上,针对Haar小波变换阈值收缩去噪的不足,提出了基于非线性扩散与小波变换相结合的复合去噪算法。该算法对图像一次小波变换的3个高频先进行阈值收缩,然后对低频进行非线性扩散预处理,再进行非线性扩散。通过对比分析实验证明本模型在图像去噪中取得较高的峰值信噪比,取得了更好的图像去噪性能。     

基于同向梯度扩散的图像去噪方法

在Perona-Malik模型基础上对扩散系数进行改进,引入了同向梯度扩散函数.实验结果表明,改进后的平滑方法既能更有效地消除图像中孤立噪声点,又可以更好地保持边缘.     

基于双树复小波变换与非线性扩散的图像去噪

首先对图像进行双树复小波变换得到不同尺度上的子带图像,然后对子带图像进行非线性扩散,充分利用双树复小波变换和非线性扩散两者的优点,更好地抑制噪声保留图像边缘纹理等细节信息。     

P-M扩散方程图像去噪方法分析

目的 对P-M扩散方程图像去噪方法的原理及参数选取问题进行分析.方法 通过傅立叶变换法和图像特征方向的正交坐标系方法.结果 该方法比从P-M扩散方程本身出发讨论其去噪原理更为直观.结论 为P-M扩散方程图像去噪的参数选取提供了理论依据.     

图像去噪的混合滤波方法

针对视频图像在同时受到高斯噪声和脉冲噪声污染时,严重影响图像的存储、 编解码、 传输、 目标识别与跟踪的问题, 提出一种图像去噪的混合滤波方法。该方法通过基于个数判断脉冲噪声的方法, 将脉冲噪声从混合噪声中分离, 并利用中值滤波将其过滤; 再利用分块平均边缘检测的方法提取图像的边缘; 利用自适应均值滤波方法滤除非边缘的高斯噪声, 并将边缘图像嵌入滤除高斯噪声的图像中。实验结果表明, 该方法不但能有效去除图像中的高斯噪声和脉冲噪声, 而且能保持图像的边缘信息, 从而提高图像的去噪效果和清晰度。     

一种改进的图像自适应非线性滤波方法

针对图像的保边光滑问题，分析了Perona-Malik(PM)方程的非线性滤波扩散行为，利用保边正则化思想给出了由一种新的各向异性扩散方程所决定的图像自适应光滑算法。这种新的各向异性扩散滤波方法与PM方程的不同之处在于：扩散系数不是直接来源于图像的梯度幅值，而是在图像梯度模基础上恢复出图像的边缘信息。实验结果表明，所提方法对图像边缘的恢复结果要比PM的方法具有更高的可靠性和准确性。     

非线性扩散方法研究

分析了非线性扩散方法的原理;对图像处理领域的非线性扩散方法进行了分类和总结,并探讨了各类方法的优缺点。     

基于前后向扩散的图像去噪方法的研究

文章介绍了各向异性前向扩散、后向扩散以及前后向扩散的基本原理,针对前后向扩散中的恒定参数使图像细节模糊的缺点,对前后向扩散中的系数自适应改变的前后向扩散算法,并通过实验证明了自适应前后向扩散在消去噪声的同时更好地保留图像的细节信息,且具有更高的信噪比。     

基于改进型P＆M模型算法的图像去噪

高斯滤波算法在去噪时能平滑图像,但是会破坏图像的边缘细节,而基于PDE的各向异性扩散的P＆M模型算法在去噪时能保留图像的边缘细节,但是会出现零散的斑点。结合两种算法的优点,通过对扩散系数进行改进,提出一种改进型P＆M模型算法。仿真结果表明,该算法能够有效地去除噪声图像中的高斯白噪声和椒盐噪声,能够更好地保留图像的边缘细节,与高斯滤波算法和P＆M模型算法相比,改进型P＆M模型算法具有更好的去噪性能。     

图像去噪的ROF模型及仿真实验

基于PDE模型的图像去噪是一种非常有效的方法,本文给出了离散迭代格式,通过C++仿真实验验证了算法对抑制噪声的有效性,实验结果显示该算法能很好地保持边缘等细节特征,且峰值信噪比得到有效提高。     

基于新非线性多重网格法的图像去噪

通过对差分曲率设置有效的限制算子和插值算子,构造了一种新的非线性多重网格法,并将此方法应用于基于差分曲率的TV^P模型.新方法与不动点迭代法的对比实验结果表明,新方法处理的图像峰值信噪比明显高于不动点迭代法,且收敛速度是不动点迭代法的2~3倍.     

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。     

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。     

一种基于小波的图像去噪方法

利用小波变换的特点,对传统小波萎缩去噪方法进行改进,在不同分解尺度和方向上采用不同的阈值对图像进行去噪处理,取得较好效果.     

求解各向异性扩散LLT模型的新的图像去噪算法

基于四阶各向异性扩散的图像去噪LLT模型,提出了一种修正不动点选代算法.该算法以最速下降方向为搜索方向,以避免直接计算逆矩阵,减小了舍入误差,提高了算法的收敛速度.利用矩阵的谱性质证明了该算法的收敛性.数值实验结果表明:对于256× 256的“Lena”图像,在标准差为15的高斯白噪声情况下,本文提出的算法将信噪比由S...     

基于边缘定向增强扩散模型的图像去噪

针对基于全变分(TV)的图像去噪模型,恢复图像存在阶梯现象(staircase)的缺点,提出了一个新的图像恢复的变分模型.定义了一个新的包含图像的边缘位置和方向信息的能量泛函,使得沿图像边缘的切线方向具有较强的平滑能力,而法线方向平滑较弱,可以较好的定位边缘.并且该模型能增强阶跃性边缘,防止因平滑造成的边缘模糊现象.试验结果表明:该模型可以部分的解决基于TV的变分模型中出现的阶梯现象,并且具有较好的去噪效果,而且它还能增强图像边缘并保持边缘的位置,其峰值信噪比(PSNR)在高噪声水平下,较其它方法提高大约1.0dB左右.     

带权重分数阶积分图像去噪方法

为了在图像去噪的同时保留更多图像的细节信息,在Riemann-Liouville定义的分数阶积分基础上,在数字信号的近似过程中引入权重参数,提出了一种通过调节权重与积分阶次并结合8个方向上的掩膜进行图像去噪的方法.实验结果表明:与传统去噪方法相比较,该方法不仅可以提高图像的峰值信噪比,而且还可以更好地保留图像纹理细节信息.     

纹理保留的PCA非局部均值改进降噪方法

针对PCA-NLM去噪方法容易丢失图像纹理细节的问题,提出一种基于纹理特征描述的改进PCA非局部均值去噪方法.基于局部结构张量的边缘纹理描述将图像划分为平坦区、边缘区和纹理区,根据边缘纹理特征值自适应地选取PCA维数和搜索区域以改进去噪效果.实验结果表明,该方法对纹理细节丰富的区域能更好地保留了图像纹理细节,降噪效果优于PCA-NLM方法.     

一种改进的小波域图像去噪法

在小波阈值去噪方法的基础上,提出一种块匹配及小波变换技术相结合的图像去噪法,首先估算含噪图像的噪声方差,然后对图像进行分块匹配,构造各相似块的三维数据组,对其进行3D小波变换,再以噪声方差迭代形式,获得最佳软硬阈值对高低频系数分别做去噪处理,最后对低频DC系数做细节锐化运算。仿真结果表明,本算法既能有效地减轻图像中噪声,又具有较好的形状和细节保持能力,在图像的信噪比和主观视觉上都优于传统的软阈值、硬阈值、中、均值滤波去噪法。