基于Bayesian估计和Wiener滤波的阈值去噪方法

基于阈值的小波域去噪方法的核心是阈值选取,通过最小化一个Bayesian风险函数得到一种自适应阈值,结合线性滤波中具有代表性的Wiener方法,提出了一种新的去噪方法.实验结果表明,该方法能有效地去除图像中的白噪声,同时还能较好地保留图像的边缘信息,其效果优于目前的一些小波阈值去噪方法.     

Generalized total variation-based MRI Rician denoising model with spatially adaptive regularization parameters

Magnetic resonance imaging (MRI) is an outstanding medical imaging modality but the quality often suffers from noise pollution during image acquisition and transmission. The purpose of this study is to enhance image quality using feature-preserving denoising method. In current literature, most existing MRI denoising methods did not simultaneously take the global image prior and local image features into account. The denoising method proposed in this paper is implemented based on an assumption of spatially varying Rician noise map. A two-step wavelet-domain estimation method is developed to extract the noise map. Following a Bayesian modeling approach, a generalized total variation-based MRI denoising model is proposed based on global hyper-Laplacian prior and Rician noise assumption. The proposed model has the properties of backward diffusion in local normal directions and forward diffusion in local tangent directions. To further improve the denoising performance, a local variance estimator-based method is introduced to calculate the spatially adaptive regularization parameters related to local image features and spatially varying noise map. The main benefit of the proposed method is that it takes full advantage of the global MR image prior and local image features. Numerous experiments have been conducted on both synthetic and real MR data sets to compare our proposed model with some state-of-the-art denoising methods. The experimental results have demonstrated the superior performance of our proposed model in terms of quantitative and qualitative image quality evaluations.     

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响,测定的光谱数据含有大量噪声这一实际问题,提出了基于小波变换的压缩感知去噪算法,并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理,采用压缩感知去噪算法,将信号在小波域内分解,得到含噪高频系数;采用随机高斯矩阵作为压缩感知算法的观测矩阵,压缩比设置为2,对高频系数进行观测;选择正交匹配追踪算法恢复高频小波系数的稀疏性,从而达到去噪目的。同时针对传统的小波阈值去噪,采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性,采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理,实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统,该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪,且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比,信噪比提高了12.201 5 dB,均方根误差减小了0.009 3,峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题,而且在重构过程中有效地抑制了噪声,为直接光谱法检测水质参数提供了一种新的解决方案。     

Two-stage non-local means filtering with adaptive smoothing parameter

Non-local means (NLM) filtering is an efficacious algorithm in image denoising which searches the similar neighborhoods and estimates the pixel by averaging these neighborhoods. Some internal parameters such as patch size, search window size and smoothing strength have serious effects on filtering performance. This paper proposes an improved version of NLM by using weak textured patches based single image noise estimation and two-stage NLM with adaptive smoothing parameter. Our proposed method firstly applies weak textured patches based noise estimation to achieve the noise level of input noisy image. Then relying on the estimated noise level, we apply the first stage NLM with adaptive smoothing parameter to attain a basic denoised image. After that, the basic denoised image is refined by the second stage of NLM with smaller smoothing strength. Our experimental results show that the proposed algorithm outperforms the NLM and some NLM recent variants both in visual quality and numerical measures. Additionally, the potential halo effect is almost eliminated in the result images produced by our proposed method.     

一种改进的图像组合滤波方法

利用小波阈值去噪和Wiener滤波的特点,在文献［7］的基础上提出了一种改进的组合滤波方法,在进行空域自适应滤波之前,先对经BayesShrink处理过的预去噪图像重新估计其噪声方差,通过数值计算给出了该噪声方差的一种近似最优估计公式.实验结果表明该方法在去噪图像的均方误差和对不同图像的适应性方面都得到了改善.     

基于边缘软判决的小波域自适应图像去噪

提出了一个新的图像去噪方法。该方法基于非抽样小波变换的多分辨分解,在各尺度下对小波系数进行了边缘和非边缘分类,并根据它们的不同统计特性运用了不同的估计技术。鉴于边缘分类的不确定性,提出了依概率的软分类技术,通过计算边缘发生的概率,判决当前系数应该采用哪一种估计。仿真结果表明:该方法在滤除图像噪声的同时,边缘得到了保持,较目前存在的一些方法更具有优越性。     

基于神经网络和小波变换的MRI图像去噪方法

过去10年中,小波变换在图像去噪中取得了很大的成功.人们提出了多种适用于小波去噪的阈值方法,而这些方法就是希望能够正确地反映有噪声小波系数与无噪声小波系数之间的映射关系.基于这种想法,我们提出一种在小波域中利用神经网络寻找这种映射关系的图像去噪新方法.我们把该方法应用于不同噪声分布的磁共振图像的去噪,取得了良好的效果.     

激光相干场成像散斑噪声复合去噪方法

噪声是影响激光相干场高分辨成像系统像质的重要因素,激光相干场成像系统既受背景光加性噪声影响,又受激光乘性散斑噪声影响.为解决激光相干场成像系统受激光乘性散斑噪声和背景光加性噪声叠加引起的成像像质退化效应问题,从噪声抑制角度提高激光相干场系统高分辨成像像质,研究建立了激光散斑乘性噪声和背景光加性噪声对大气下行链路激光回波场信号影响干扰模型,并基于该模型提出了一种基于同态滤波和稀疏基追踪级联复合去噪算法.首先基于同态滤波理论将激光乘性散斑噪声转化为加性噪声,再由高通滤波器滤除散斑噪声,最后采用基追踪稀疏理论方法抑制背景光等加性噪声对像质的影响.研究表明,较现有单一去噪方法,该级联复合去噪方法可一次性消除激光乘性散斑噪声和背景加性噪声两种不同性质的噪声,有效改善了激光相干场成像质量.     

基于Bandelets变换的红外图像去噪

提出了一种基于Bandelets变换的红外图像模糊阈值去噪方法,该方法结合了Bandelets变换和模糊阈值在去噪方面的优点.对红外图像进行Bandelets变换的同时,对系数进行模糊阈值处理,实现了图像去噪;同时针对图像去噪问题提出了Bandelets变换中压缩率阈值的选取方法.结果表明,与正交小波硬阈值去噪方法相比,该方法具有良好的去噪性能,并且在去除红外图像噪音的同时,能够获得很好的边缘保持效果.     

去除乘性噪音的主成分分析算法

雷达成像系统的进一步应用依赖于对图像中噪音的有效抑制.在目前现有消除噪音方法的基础上,基于图像的局部相似性,结合主成分分析法,提出一种新的有效去除乘性噪音的滤波算法.乘性噪音经对数变换后可转化为加性噪音处理.分析了对数域中噪音的类型.首先在图像的对数域,通过非局部方法选取局部相似块作为训练样本,利用主成分分析法提取出信号的主要特征.然后基于统计理论中最小均方误差估计法给出了一种适用于图像信息的阈值原则.最后分析了变换过程引起的偏差,由对数域的偏估计得到滤波图像.数值实验验证了新算法的有效性.对比于目前提出的变分方法,新算法处理后的图像有更高的信噪比和更好的视觉效果,且具有一定的实用性.     

基于数学形态学的Contourlet变换域图像降噪方法

提出了一种基于数学形态学的Contourlet变换域图像降噪方法.首先对输入的带噪图像进行多尺度、多方向的Contourlet稀疏变换,然后利用数学形态学算子在Contourlet域对高频系数进行处理,去除图像中具有较小支撑域的噪音,有效保留具有连续支撑域的图像边缘信息.最后通过Contourlet反变换得到预降噪图像.仿真结果表明,该方法较一般的Contourlet域收缩阈值降噪方法的降噪效果好,提高了PSNR值并降低了MSE值,获得更好的图像恢复质量.     

小波域高斯混合模型与中值滤波的混合图像去噪研究

基于高斯混合模型的小波去噪方法并结合中值滤波法对脉冲噪音有较好滤除效果的特点,将这两种方法结合起来,对含有高斯脉冲混合噪音图像进行去噪处理.该算法采用Matlab语言进行仿真.实验结果表明,这种混合去噪方法的效果要优于单纯使用中值滤波或者小波去噪的效果.     

一种基于时域滤波的红外序列图像去噪算法

红外图像是现代光学设备常用的图像源,图像显示效果直接影响设备的用户体验,而红外序列图像中的噪声会导致显示效果的下降。为了减轻噪声对红外序列图像显示效果的影响,通过历史多帧灰度值的加权和当前帧无噪声图像的估计,提出了一种基于时域高斯滤波的去噪方法。参考空域双边滤波的权值分配方法,引入了灰度值的影响对时域高斯滤波的权值进行修正,解决时域滤波导致的序列图像中运动目标拖尾和模糊。实验结果表明,时域滤波方法能够有效平滑帧间噪声,减轻噪声导致的红外序列图像显示效果的恶化,引入灰度值的影响进行滤波权值修正之后,能够解决时域滤波导致的运动目标拖尾和模糊问题。     

基于改进旋滤波的电子散斑干涉图滤波方法

电子散斑干涉术条纹图在成像时不可避免地受散斑噪声调制,去除噪声是散斑干涉条纹处理的一项重要任务。利用散斑条纹图的方向性,提出一种基于模糊方向的旋滤波:在当前点的领域内定义4个模糊方向窗口,将传统旋滤波的一维、精确方向窗口的确定,转变为模糊方向窗口的确定;在确定的窗口内进行低通滤波时,采用自适应加权均值滤波代替传统的中值滤波。利用该方法分别处理模拟散斑条纹图和实验所得的真实条纹图,并与传统旋滤波、双边滤波和小波丢弃子带方法比较。实验结果表明,该改进算法在滤除散斑条纹图噪声的同时,有效保护了条纹的细节信息。     

混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

多尺度条件卷积的OCT视网膜图像降噪研究

散斑噪声存在于光学相干层析成像(OCT)中,影响OCT图像质量.在使用OCT设备诊断各种常见眼科疾病时,高质量的OCT图像是极为重要的.利用深度神经网络对OCT图像进行降噪处理,使图像在保留空间结构细节的基础上能展示更多的信息.提出了一种基于残差学习网络的新型OCT图像降噪网络-CMCNN,其具有多尺度、多权重和多层次...     

基于复小波和局部梯度的靶标图像混合降噪

提出了一种有效去除光电成像测量系统中靶标图像噪音的混合降噪法.根据图像像素局部梯度模找出图像中受椒盐噪音污染的像素,使用中值滤波降噪.对去除椒盐噪音的图像,利用复对数Gabor小波提取各像素的相位信息和幅度信息,确定最小尺度滤波器对噪音幅度分布的估计值,从而自动地确定各个尺度上的噪音幅度分布的估计值和噪音萎缩阈值,达到有效降噪的目的.实验表明,该方法的降噪效果明显优于实symlet4小波、中值滤波和单一复对数Gabor小波降噪法.     

A general strategy for anisotropic diffusion in MR image denoising and enhancement

Anisotropic diffusion (AD) has proven to be very effective in the denoising of magnetic resonance (MR) images. The result of AD filtering is highly dependent on several parameters, especially the conductance parameter. However, there is no automatic method to select the optimal parameter values. This paper presents a general strategy for AD filtering of MR images using an automatic parameter selection method. The basic idea is to estimate the parameters through an optimization step on a synthetic image model, which is different from traditional analytical methods. This approach can be easily applied to more sophisticated diffusion models for better denoising results. We conducted a systematic study of parameter selection for the AD filter, including the dynamic parameter decreasing rate, the parameter selection range for different noise levels and the influence of the image contrast on parameter selection. The proposed approach was validated using both simulated and real MR images. The model image generated using our approach was shown to be highly suitable for the purpose of parameter optimization. The results confirm that our method outperforms most state-of-the-art methods in both quantitative measurement and visual evaluation. By testing on real images with different noise levels, we demonstrated that our method is sufficiently general to be applied to a variety of MR images.     

基于Curvelet变换的软硬阈值折衷图像去噪

与小波变换相比,Curvelet变换更好地表达图像的边缘和细节,因此更适合多尺度图像去噪。针对软阈值和硬阈值去噪方法存在的不足,提出了基于Curvelet变换域的软硬阈值折衷去噪法,并采用不同的阈值自适应地对不同的Curvelet子带进行阈值化。实验结果表明该方法对图像中的边缘、弱的直线和曲线特征有更好的恢复。去噪后图像PSNR值更高,视觉效果更好。