基于小波变换的脑部医学Demons图像配准

非刚性配准是医学图像处理的一个重要研究方向。针对Demons衍生出的一系列经典的配准算法在医学图像应用上计算复杂、方向信息不足问题进行了研究。基于光流场模型的Demons算法依赖图像灰度梯度是图像发生变形,当缺乏梯度信息时,力不能确定,因而容易造成误差,并且该算法仅适合于单模态图像配准。为此本文提出了一种基于小波变换理论的频域Demons配准处理方法(B-Demons)。该方法利用小波变换能够对各个尺度、方向和位置实现较好定位的优势,通过高频、低频的图像变换反映出图像的特征信息。实验结果证明了算法的有效性和鲁棒性。     

基于梯度与曲率相结合的图像平滑模型的研究

在图像处理过程中, 为了在图像去噪时更好地保留图像边缘细节信息, 首先结合扩散系数和曲率的性质建立了一个曲率平滑模型. 考虑到图像受到噪声污染时曲率会发生显著变化, 将图像的水平集曲率作为一个检测因子代入到上述模型中, 提出了一个梯度与曲率相结合的新模型. 分析与仿真结果表明, 该模型与Perona-Malik模型相比较保留了更多的图像信息, 有效地增强了图像尖锐的边缘, 同时很好地保持了图像的直线和曲线边缘、角点、斜坡和小尺度特征, 是一个理想的模型.     

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.     

基于Curvelet变换和全变差的图像去噪方法

Curvelet变换用于图像去噪可以较好地保留图像的细节信息,但在边缘处会产生"划痕"现象.采用全变差法进行去噪能保持边缘形状不变,但也会丢失图像的纹理等细节信息.为了充分利用两种方法的优点,将Curvelet变换和全变差相结合提出了一种有效的图像去噪方法.首先,对含噪图像分别进行Curvelet阈值去噪和全变差去噪.然后,将两幅去噪图像进行Curvelet融合,对于低频系数和高频系数分别采用加权平均和绝对值取大的融合算法.最后,将融合后的低频系数和各尺度高频系数进行Curvelet反变换得到融合后的去噪图像.实验表明,该方法能有效地降低图像噪声,又尽可能地保留图像的细节,其去噪效果明显优于单一Curvelet阈值法和全变差法.     

一种结合梯度方向互信息和多分辨混合优化的多模图像配准方法

针对基于传统互信息图像配准容易产生局部极大值,同时结合梯度信息的互信息改进方法不能很好地应用于梯度幅值差异较大的多模图像配准,提出了一种新的结合梯度方向的互信息测度函数.在参量优化过程中,将具有全局优化的遗传算法和Powell局部优化算法动态结合,前者的配准结果为后者的算法优化提供有效的初始点以抑制局部极值,同时借鉴小波变换中多分辨率的思想,在低分辨率图像中粗略配准后,上升到高分辨率图像上进一步细化配准结果,增加算法鲁棒性并减少优化时间.多幅红外与可见光图像配准实验结果证明,提出的算法具有配准精度高和鲁棒性强等特点.     

新的方向滤波器组及其在图像去噪中的应用

设计了具有45°和135°方向的二维棋盘形滤波器对.通过棋盘形滤波器对,输入图像被分解为两幅子图像,且二维余弦调制滤波器组被分别应用到每幅子图像.这种结构等效于一个冗余比为2的新的方向滤波器组.新的方向滤波器组具有良好的方向和频率选择性.将双重局部维纳滤波算法和新的方向滤波器组相结合,提出了一种新的图像去噪算法.实验结果表明:对于含有丰富纹理的图像,本文提出的算法获得了明显的去噪性能改善.     

基于自适应耦合PDE模型的车牌图像去噪研究

针对车牌识别预处理中的图像去噪问题,提出一种自适应耦合偏微分方程(PDE)去噪模型;该模型在各项异性扩散模型的基础上,构造一种新的去除椒盐噪声的扩散项,能够根据噪声图像特点自适应控制扩散速度,有效抑制椒盐噪声,并将新的扩散项与各向异性扩散模型进行耦合,并提出一种新的耦合系数计算方法,根据图像信息自适应计算耦合系数,使得新模型能够在新的扩散项和各项异性扩散模型间自适应转换,有效去除车牌图像中的混合噪声;为了抑制去噪引起的图像边缘模糊问题,引入振动滤波进行逆滤波,增强图像的边缘信息;实验结果表明,自适应耦合PDE模型能更有效去除车牌图像中的混合噪声,保护图像的边缘信息,提高图像的峰值信噪比(PSNR);去噪后的图像更有利于后续的字符分割与识别,有效提高车牌图像的识别准确率。     

基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法(英文)

针对大部分已有的遥感图像去噪算法在去噪的同时不能有效的保留细节和增强边缘,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法.该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果.通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法.     

基于小波变换的磁共振图像去噪

去噪是图像处理中的一个非常重要的问题. 传统去噪方法在降低噪声的同时会模糊图像的细节,基于小波变换的图像去噪方法能在降低图像噪声的同时较好地保持图像的细节,目前基于小波变换对图像进行去噪已经成为最有前途的去噪方法之一. 本文综合小波域去噪的文献,对小波域的磁共振图像去噪方法进行了综述,详细介绍了各种小波域的磁共振图像去噪方法,并对他们的性能进行了总结,对小波域去噪方法的发展趋势进行了展望.     

曲率驱动与边缘停止相结合的非线性扩散及其在图像去噪中的应用

根据等照度线曲率在图像表征中的重要意义,将曲率作为一个控制传导率的因素引入非线性扩散方程,提出了一个新的曲率驱动与边缘停止相结合的非线性扩散模型,实验结果表明这一模型在图像去噪方面较经典的P-M方程具有更好的性能.     

Fractional-order TV-L2 model for image denoising

This paper proposes a new fractional order total variation (TV) denoising method, which provides a much more elegant and effective way of treating problems of the algorithm implementation, ill-posed inverse, regularization parameter selection and blocky effect. Two fractional order TV-L² models are constructed for image denoising. The majorization-minimization (MM) algorithm is used to decompose these two complex fractional TV optimization problems into a set of linear optimization problems which can be solved by the conjugate gradient algorithm. The final adaptive numerical procedure is given. Finally, we report experimental results which show that the proposed methodology avoids the blocky effect and achieves state-of-the-art performance. In addition, two medical image processing experiments are presented to demonstrate the validity of the proposed methodology.     

基于多相组重建的航空图像超分辨率算法

为提高航空图像的空间分辨率, 提出一种基于多相组重建的超分辨率算法. 融合图像间的互补信息, 将多帧低分辨率图像作为图像基, 参考帧分解为多相组, 利用差异采样特性构建图像基与参考帧之间的的多相组线性关系重建得到高分辨率图像的多项组, 经图像多相分解逆变换获得融合的高分辨率图像. 根据该融合图像的局部内容和结构信息自适应调整控制核核函数, 应用改进的控制核回归算法去除图像模糊和噪声得到清晰的超分辨率图像. 与传统算法相比, 该算法无需图像配准和迭代过程, 计算效率极大地提高. 实验结果表明, 本文算法能够有效提高航空图像的空间分辨率, 在定量评价指标和主观视觉效果方面都有显著提高.     

Weighted Schatten p-Norm Low Rank Error Constraint for Image Denoising

Traditional image denoising algorithms obtain prior information from noisy images that are directly based on low rank matrix restoration, which pays little attention to the nonlocal self-similarity errors between clear images and noisy images. This paper proposes a new image denoising algorithm based on low rank matrix restoration in order to solve this problem. The proposed algorithm introduces the non-local self-similarity error between the clear image and noisy image into the weighted Schatten p-norm minimization model using the non-local self-similarity of the image. In addition, the low rank error is constrained by using Schatten p-norm to obtain a better low rank matrix in order to improve the performance of the image denoising algorithm. The results demonstrate that, on the classic data set, when comparing with block matching 3D filtering (BM3D), weighted nuclear norm minimization (WNNM), weighted Schatten p-norm minimization (WSNM), and FFDNet, the proposed algorithm achieves a higher peak signal-to-noise ratio, better denoising effect, and visual effects with improved robustness and generalization.     

Fringe pattern denoising via image decomposition

Filtering off noise from a fringe pattern is one of the key tasks in optical interferometry. In this Letter, using some suitable function spaces to model different components of a fringe pattern, we propose a new fringe pattern denoising method based on image decomposition. In our method, a fringe image is divided into three parts: low-frequency fringe, high-frequency fringe, and noise, which are processed in different spaces. An adaptive threshold in wavelet shrinkage involved in this algorithm improves its denoising performance. Simulation and experimental results show that our algorithm obtains smooth and clean fringes with different frequencies while preserving fringe features effectively.     

电力设备红外图像的小波阈值去噪方法研究

对于电力设备的红外图像自动检测系统,图像去噪是非常关键的。针对传统的小波硬、软阈值函数在去噪时存在的不足,在传统小波硬、软阈值函数的基础上对其进行了改进。改进的阈值函数克服了硬阈值函数不连续的缺陷,改善了软阈值函数具有恒定偏差的不足,并引入了两个变量,具有一定的灵活性。同时还使用了一种新的分层阈值选择函数代替统一阈值方法,以改善实际应用的效果。实验结果表明:改进的小波阈值去噪方法在视觉效果、峰值信噪比和均方误差方面都优于传统的硬、软阈值去噪方法;改进的小波阈值去噪方法可以运用到红外图像自动检测系统中,使系统具有更好的去噪效果。     

A weighted least squares algorithm for time-of-flight depth image denoising

In this paper, we present a new denoising method for the depth image of a time-of-flight (ToF) camera, based on weighted least squares (WLS) framework. The common method for ToF depth image denoising is to use bilateral filter. However, the ability of bilateral filter in edge preservation would be reduced while we attempt to smooth out larger spatial scale noise. In order to avoid this problem and preserve the edge information as much as possible, we introduce a new way to construct edge-preserving ToF depth image denoising based on WLS. We are to our knowledge the first to present a WLS-based method for ToF depth image denoising. Experimental results demonstrate that compared with bilateral filter, our proposed algorithm not only achieves better performance in edge preservation, but also improves the PSNR values of the denoised images by 0.5–2.6 dB.     

基于曲率滤波和梯度变换的图像增强

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题,引入曲率滤波理论,提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度,通过构造能量泛函,采用梯度下降法从变换后的梯度场重构出增强后的图像,并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑,有效解决了图像重构过程中的噪声非线性放大和扩散问题,同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验,实验结果表明该算法在增强图像边缘对比度的同时,能够有效抑制噪声.     

非局部变分修复法去除高密度椒盐噪声

分析了中值滤波及其改进型算法在处理高密度椒盐噪声时效果不理想的原因,采用变分修复方法来去除高密度椒盐噪声,基于现有的全变差修复模型提出了非局部全变差修复模型。该模型利用椒盐噪声特点(均匀分布、灰度值为0或255),将噪声点看成是图像中遗失或是破损的点,首先在图像中寻找与噪声点邻域相似的区域,将相似区域的中心像素作为噪声点新的邻域然后对其插值,把图像降噪问题转化为图像修复问题,从而达到去除高密度噪声的目的。实验结果表明:该模型对噪声密度为90%的彩色和灰度图像去噪后,其峰值信噪比为22.85和28.77,在客观评价标准方面优于中值滤波及其改进型算法。该模型能有效去除高密度下的椒盐噪声并较好地恢复图像细节,为图像去除高密度噪声提供了一种新的途径。