一种基于能量的自适应正交FRIT及其在图像去噪中的应用

研究线奇异特征的高效表示．揭示了“环绕”现象和FRAT系数分布特性的关系，进而在考察按列FRAT重构过程相关特性的基础上，提出一种基于能量的自适应正交有限脊波变换（energy-based adaptiveFRIT，EFRIT）．非线性近似的实验表明该方案相对既有的FRIT及DWT具有更好的能量集中特性，并有效地降低了“环绕”现象的影响．我们进一步对正交FRIT Gauss去噪问题建模，提出了一种基于EFRIT的按列改进闽值．实验结果表明，采用改进阈值EFRIT的重构图像有更高的信噪比改善，视觉效果也更好．     

简单邻域平均图像去噪算法的改进研究

图像去噪是图像增强的重要内容,邻域平均法是一种简单快速的图像去噪技术,但简单邻域平均法使图像去噪的同时,也会使图像变得模糊,弱化或丢失了图像的边缘和细节。本文对简单邻域平均法进行了一定的研究,给出了几种(5种)若干图像去噪的改进算法。     

采用小波域α稳定分布的图像去噪

基于统计模型的图像去噪的关键是统计模型的选取.α稳定分布能很好地表示具有严重拖尾的数据的统计分布.该文采用α稳定分布来对图像小波域系数进行建模,并采用贝叶斯估计来对无噪图像进行估计.通过将该算法与近来的一些方法进行比较,仿真结果表明该算法具有好的去噪效果.     

几种图像去噪平滑算法的性能分析

一幅图像在生成、传递过程中常常会受到各种噪声的干扰。受到噪声干扰后的图像的视觉效果会大大受到影响。平滑技术用于平滑图像中的噪声，是数字图像处理中的重要组成部分。本文对受到几种典型噪声污染的图像分别进行了线性滤波、中值滤波和自适应滤波，并对其效果进行了分析比较，得出了结论。     

基于小波分析的功能磁共振图像的去噪预处理

对基于小波分析的fMRI去噪作了较具体的论述，并在Donoho和Johnstone的Hard函数及Soft函数基础上提出了更合适的Hard—Soft函数．从结果分析看，Hard—Soft函数比Soft函数在保留图像细节上占优，而去噪性能比Hard函数要好．因而能够在图像去噪和保护信息上达到更好的均衡，克服了Hard函数和Soft函数的两个极端状况．     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。     

基于DS理论和指数平滑的滤波算法研究

针对图像椒盐噪声检测中的不确定性问题,利用基于证据理论的椒盐噪声检测算法,并联合Holt双参数指数平滑法对噪声图像进行滤除.依据椒盐噪声的极端性和不连续性,在检测噪声过程中利用证据理论的不确定性判据给出两种准则,并最终给出决策融合方法来判别噪声.此外,根据预检测结果给出噪声点的消除方法,实现图像消噪功能.仿真实验验证了本文方法的有效性.     

基于增强高阶非凸全变分模型的图像去噪算法

为了在缓解阶梯效应的同时更好地保留去噪后图像的细节信息,提出一种基于增强高阶非凸全变分(higher order non-convex total variation, HONTV)模型的图像去噪算法。该算法将每一次去噪后的图像和原始图像取平均作为增强HONTV模型下一次循环的输入并更新参数,然后采用增广拉格朗日乘子法和交替方向乘子法进行循环求解,经过多次迭代,最终得到的去噪图像包含较多的细节信息。在基于全变分的图像去噪方法中,对添加不同标准差大小的高斯白噪声的测试图像和视频进行实验。实验结果表明,所提算法在视觉性能和客观评价指标方面均优于对比算法。     

一种基于四阶偏微分方程的图像去噪方法

本文在You-Kaveh模型的基础上,提出了一个新的拉普拉斯算子,使其能够包括更多的图像信息,同时改进了拉普拉斯算子的离散形式,得到了一个新的四阶偏微分方程。实验结果表明,新模型和You-Kaveh模型相比,不仅能够更好地去除高斯噪声,而且视觉效果更加理想。     

非下采样Contourlet HMT模型

非下采样Contourlet变换（NSCT）不仅具有类似传统小波变换和Contourlet变换的多尺度和多方向特性,而且还具有良好的平移不变特性．文中对NSCT变换系数进行研究,获得NSCT变换的方向子带系数同样具有持续性和聚集性的结论;在此基础上结合隐Markov树模型,建立了一种新的基于NSCT域的隐Markov树模型NSCT—HMT,并且给出了该模型的参数结构以及模型参数的训练方法;最后将所提出的模型应用于图像去噪中取得了很好的仿真效果．