一种改进的四阶偏微分方程图像去噪模型

针对四阶偏微分方程图像去噪模型对图像平滑区域处理造成不平整现象,以及无法去除椒盐噪声的问题.首先对含噪图像进行高斯滤波,然后通过修改扩散系数得到一个改进的四阶偏微分方程图像去噪模型.MATLAB仿真结果表明:新模型与原四阶偏微分方程去噪模型相比,其去噪图像不仅视觉效果好;而且峰值信噪比也高;另外,新模型还能有效去除椒盐噪声.     

一种改进的原始对偶法求解TV-L1图像去噪模型

数字图像在采集过程中通常会因为硬件问题被椒盐噪声所污染,椒盐噪声强度大,分布随机,对图像的后续处理会产生极大的影响.因此,椒盐噪声的去除对图像处理十分重要.在处理椒盐噪声的方法中,传统的中值滤波法在噪声强度增强时容易出现恢复不完全现象,自适应中值滤波法根据噪声强弱自动选择滤波窗口大小改善了传统的中值滤波法,但在噪声强度增强时容易过度平滑图像,丢失图像的纹理细节.研究表明,变分模型去噪时能够克服滤波法的缺点,有效地保持图像的纹理细节.其中,TV-L1模型相对于传统变分模型对椒盐噪声有更好的去噪效果,但在图像平滑区域容易产生阶梯效应.对此,本文提出一种自适应中值滤波和TV-L1交替迭代的去噪模型.在求解TV-L1模型时采用原始对偶算法求解以增大求解空间,克服了TV-L1模型在求解时的不可微性.仿真实验与Chambolle提出的原始对偶求解TV-L1模型,以及加入Huber范数的TV-L1改进模型进行对比.实验结果表明,尤其在椒盐噪声强度较大的情况下,该模型相比以上对比模型的PSNR值及视觉效果均有所提高,在较好去除噪声的同时保持了纹理细节,改善了阶梯效应.     

一种基于脉冲噪声的新型迭代滤波算法

在局部极值噪声检测和迭代中值滤波的基础上,基于图像结构和脉冲噪声的特征分析,有效结合局部极值检测和幅度差阈值、梯度差阈值的检测方法,提出了一种基于噪声检测的迭代脉冲噪声滤除算法.并通过仿真实验和算法评价,验证了该算法不仅能够达到很好的去噪效果,而且在保留图像细节信息方面也取得了一定的成效.     

基于Canny算子边缘检测的小波阈值去噪方法

本文研究了信号处理中图像去噪的问题.利用小波变换理论提出了一种基于Canny算子边缘检测的小波阈值去噪方法,实验结果表明,该方法在有效去除噪声的同时能够更好地保留图像的边缘.     

基于模糊中值滤波的椒盐噪声去除方法

研究基于模糊中值滤波的椒盐噪声去除方法。通过比较图像各像素点的灰度值,定义基于图像梯度信息的各点被判别为噪声点的模糊隶属函数。利用此模糊隶属函数对中值滤波方法进行加权,得到了一种加权中值滤波器,可实现边缘处椒盐噪声的有效滤除。讨论这种模糊加权方法与其它先进滤波方法的结合途径,指出了其推广应用价值。最后利用数值实验验证本文方法的有效性,结果表明,相比于自适应中值滤波方法,本文方法得到的滤波图像在峰值信噪比及结构相似度方面均有明显提高。     

一种基于小波分析的各向异性图象去噪方法

本文利用非线性各向异性扩散方程结合小波变换提出一种图象去噪的方法。首先对图像进行离散小波变换,然后对其各个分量分别用各向异性的方法实现去噪。实验结果表明,该方法能够较好的去除噪声的同时,很好的保留边缘信息。     

提升格式下几种去噪方法的比较

本文比较了四种去噪声的效果,利用提升格式设计的灵活性,通过预算子或更新算子的设计最优匹配特定的信号,比较了软阈值函数、硬阈值函数、比例萎缩LAWML法和小波域中值滤波四种去噪方法.     

一种去除图像中Cauchy噪声的滤波算法

数字图像在采集、传输等过程中会产生各种噪声,噪声特征不同,处理方法也不同,如何尽可能恢复被强噪声干扰的图像是一个有意义的研究课题,因为传统的滤波算法在强噪声情况下,难以得到理想的结果.该文在中值滤波的基础上,结合局部区域内像素聚类的思想,提出一种对图像边缘进行修正的滤波算法,对三幅被Cauchy噪声干扰的图像处理的结果表明,该算法弥补了中值滤波在细节处理方面的不足,和其它方法相比,在滤除强噪声并保护图像细节和边缘方面有明显提高,是一种有效的去除强噪声的滤波算法.     

基于EMD和PCA的暂态电能质量消噪

针对电能质量扰动的消噪问题,提出一种基于经验模态分解(EMD)和主成分分析(PCA)的消噪方法.方法先用EMD将信号分解为一组内蕴模态函数(IMF),对第一层IMF进行细节信息提取,然后对第二层及其后面的IMF进行PCA变换,根据噪声能量选择合适的主成分分量重构,去除各层IMF中的噪声.分别用电压聚降、电压中断、暂态脉冲、谐波及其组合进行数字仿真,和SureShrink小波阈值法、BayesShrink小波阈值法去噪结果比较,所用的方法去噪效果优于SureShrink小波阈值法、BayesShrink小波阈值法去噪结果,尤其对于电压暂降、电压中断、电压聚升这几个最重要的暂态电能质量问题消噪效果更为明显,结果证实了其有效性.     

基于不同经验模态分解的小波软阈值ECG去噪研究

针对ECG信号的非线性和非平稳性,利用不同经验模态分解的小波软阈值方法对其进行降噪处理.根据希尔伯特-黄(Hilbert-Huang)变换提出的一系列的EMD算法,有EMD、EEMD、CEEMD等.首先,将含高斯白噪声的ECG信号分别进行EMD、EEMD、CEEMD分解,所得到的固有模态函数(IMF)分量是从高频到低频排列的,分别舍去前几层含噪IMF'进行重构去噪.由于舍去的IMF分量中含有少部分信号的细节信息,然后利用小波软阈值对前几层含噪IMF提取细节信息得到新的分量,再将剩余分量和新的分量重构去噪后的ECG信号.利用去噪信号图和不同性能指标验证了不同方法的有效性,得出了基于CEEMD的小波软阈值ECG降噪效果最佳.最后,用上述方法对MIT-BIH心电噪声库信号进行去噪处理,其结果与仿真实验相吻合.     

基于Curvelet域高斯尺度混合模型的地震信号降噪方法

结合曲波变换和高斯尺度混合模型提出地震信号随机噪声压制方法.该方法首先运用曲波变换对含有随机噪声的地震信号进行分解,然后对各小波子带系数分别建立高斯尺度混合模型估计出原始地震信号所对应的小波系数,最后经曲波逆变换重构获得降噪处理后的地震信号.仿真地震信号和实际地震信号的实验结果均表明本文方法能够有效压制地震信号中的随机噪声干扰,较多地保留了有效信号.     

WAVELET TECHNIQUE RECOVERING IMAGE BLURRED BY MIXED GAUSSIAN AND SALT-PEPPER NOISE

In this paper, we propose a new method to removing the mixed Gaussian and salt-popper noise based on wavelet. To estimate outlier, A scheme called max-min method is adopted after DWT. Experimental results show that this method is more effective than common image restoration methods, such as Median filter,comter weighted median filter.     

基于四点插值细分小波的SAR图像去噪

针对SAR图像去噪过程中存在降低相干斑与保持有效细节这一矛盾,提出了一种基于四点插值细分小波的SAR图像去噪算法,该方法将小波和细分方法相融合,将四点插值细分规则应用到细分小波中,提出了图像去噪的新方法.该算法先用四点插值细分小波对原始图像进行分解,然后用Bayes自适应阈值及阈值函数对图像进行去噪,最后对去噪的小波系数进行重构,并通过等效视数、边缘保持指数等评价指标对去噪结果进行了评价.实验结果表明,算法的等效视数、边缘保持指数都有所提高,去噪效果得到了优化.     

基于小波域的多尺度非参数图像分割方法

主要介绍了一种基于信息熵理论及图像多尺度信息来对图像进行非参数主动轮廓模型分割的有效方法.由于小波多分辨率特性的引入,可以最大程度地利用图像多尺度信息以确保分割的准确性和完整性.又由于小波变换的特性,低频信息的使用更是进一步降低了噪声影响.文中把图像分割问题定义为在分割区域边缘长度满足一定约束条件下,图像标记场与各个尺度图像像素值之间的互信息熵最大化过程.该方法可以有效地降低噪声对于分割的影响,及确保分割的准确性和完整性.     

基于目标尺度的自适应加权函数特征点检测方法

为提高Harris特征点检测方法对噪声的鲁棒性,通过一般化目标尺度的概念,应用到检测算子的加权函数之中,使得对于不同噪声强度的图像,滤波模板具备自适应性.针对高斯函数和双边函数,在每一个像素通过邻域搜索的方式得到该像素的目标尺度,作为高斯函数的标准差和双边函数的空间标准差,进而可根据相关准则确定离散情况下滤波模板的大小.试验结果表明,各种检测算子的优化方案能够有效地滤除图像中的噪声,不但减少了将噪声作为角点的情况发生,而且对不同噪声的变化具备较好的鲁棒性.     

Wavelet frame based blind image inpainting

Image inpainting has been widely used in practice to repair damaged/missing pixels of given images. Most of the existing inpainting techniques require knowing beforehand where those damaged pixels are, either given as a priori or detected by some pre-processing. However, in certain applications, such information neither is available nor can be reliably pre-detected, e.g. removing random-valued impulse noise from images or removing certain scratches from archived photographs. This paper introduces a blind inpainting model to solve this type of problems, i.e., a model of simultaneously identifying and recovering damaged pixels of the given image. A tight frame based regularization approach is developed in this paper for such blind inpainting problems, and the resulted minimization problem is solved by the split Bregman algorithm first proposed by Goldstein and Osher (2009) [1]. The proposed blind inpainting method is applied to various challenging image restoration tasks, including recovering images that are blurry and damaged by scratches and removing image noise mixed with both Gaussian and random-valued impulse noise. The experiments show that our method is compared favorably against many available two-staged methods in these applications.     

用再生核表示小波变换

本文研究了调制高斯函数的小波变换．利用再生核函数的特殊技巧，得到了该小波变换的等距恒等式和像空间的结构，同时给出了该小波变换的采样定理．使得小波变换能用再生核函数表示．这为一般的小波变换的像空间的研究提供了理论基础．     

Fuzzy based directional weighted median filter for impulse noise detection and reduction

The known median-based denoising methods tends to work well for restoring the images corrupted by random-valued impulse noise with low noise level, but it fails in denoising highly corrupted images. In this paper, a new noise reduction method based on directional weighted median based fuzzy impulse noise detection and reduction method (DWMFIDRM) has been proposed, which has been specially developed for denoising all categories of impulse noise. The contribution of this paper is threefold. The main contribution of the novel impulse noise reduction technique lies in the unification of three different methods; the impulse noise detection phase utilizing the concept of fuzzy gradient values, edge-preserving noise reduction phase based on the directional weighted median of the neighboring pixels and a final filtering step in order to deal with noisy pixels of non-zero degree. Such a unique combination has improved the efficiency of this method for high density noise removal. The experimental results of our proposed method have a significant improvement when compared to other existing filters for high density noise removal. This paper utilizes the concept of fuzzy gradient values. The noise reduction phase that preserves edge sharpness is based on the directional weighted median of neighboring pixels. Final filtering phase is performed only when there is non-zero degree of noise pixels. This phase makes our method more efficient in high noise density. Experimental results show that DWMFIDRM provides a significant improvement on other existing filters.     

Novel Linear Image Denoising Approach Based on a Modified Gaussian Filter Kernel

A Gaussian noise reduction technique for grayscale images is proposed in this article. It uses a modified Gaussian filter kernel based on a hyperbolic second-order equation. The introduced mathematical model differs from the classic Gaussian model provided by the heat equations, by a localization property. Our filtering approach reduces the amount of Gaussian noise and also enhances the image contrast. Some image denoising experiments that prove the effectiveness of the proposed method are also described in this article.