利用对偶树复数小波与全变差模型实现图像去噪的新方法

本文首先研究了一种三层小波系数相关萎缩的概念与性质,利用对偶树复数小波与全变差模型相结合,提出了一种新的图像去噪方法。实验结果表明,与现有的图像去噪方法相比,本文方法无论是在视觉还是在均方误差等方面均有更好的效果。     

全变分图像去噪和去模糊问题的外插边值条件

提出了适用于去模糊问题的外插边值条件,方法在一维信号下具有一阶连续性,在二维图像情况下具有连续性并保持法向导数的连续性.使用两种模型和两个模糊算子与Dirichlet,Neumann及逆反射边值条件进行了比较.之后在基于全变分图像去噪和去模糊问题的快速算法中应用了外插边值条件.数值实验表明了外插边值条件的有效性.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于PSO_Trainlm BP模型的图像去噪研究

针对在使用BP模型进行图像去噪时,模型存在的对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.为了提高模型去噪效率,提出采用改进粒子群神经网络模型进行图像去噪.首先运用改进粒子群算法对BP神经网络权阈值进行初始寻优,再用trainlm BP算法对优化的网络权阈值进一步精确优化,随后建立基于粒子群算法的BP神经网络去噪模型,并将其应用到图像去噪研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP算法的局部搜索能力,减小了模型对初始权阈值的敏感性,有效防止了模型陷入局部极小值的可能,提高了图像去噪模型的速度和质量.     

基于梯度和小波变换的水下距离选通图像去噪

水体的散射效应、激光光斑、成像器件的非理想化等因素使得图像出现大量无规律粒状噪声,它们增加了水下距离选通图像的背景噪声,模糊了目标轮廓,掩盖了目标细节,降低了图像的信噪比。针对上述问题本文提出了一种基于梯度和小波变换的去噪方法。首先对图像进行余弦小波变换,得到不同频率空间的图像集。低频空间引入新的图像梯度强化方法以提高图像的纹理信息量;对应非均匀性条带的LH或HL空间做曲面拟合处理以消除非均匀性条带的影响;在HH空间去噪过程中,低层空间做非局部均值处理以保留图像相似信息,高层空间做分数阶积分处理以保留图像细节信息。最后小波逆变换得到结果图像。从实验水槽中采集水下图像进行算法验证,将改进方法与已有算法比对分析。实验表明,本文所研究的水下去噪算法,能够平滑噪声且更大限度地保留图像细节纹理,在客观评价指标上提升了6%。     

扫频光学相干层析视网膜图像配准去噪算法

多帧叠加平均处理是去除扫频光学相干层析系统散斑噪声、获得较为清晰结构信息的有效方法,但眼睛的震颤、漂移、微眼跳等生理特性和系统光路特性会使图像之间存在错位,导致叠加效果不佳、结构稳定性差,为此本文提出一种基于灰度分布信息和目标几何信息相结合的配准算法。该方法根据图像平均灰度分布提取包含目标信息的感兴趣区域,通过相位相关算法和基于分段拟合的灰度投影算法的双重作用校正图像的平移变换;通过拟合视网膜上边界作为特征点迭代确定最佳旋转参数,并再次重新估计平移参数,实现图像的刚性配准;最后通过轴向扫描一对一映射法以能量函数为约束条件实现图像的非刚性配准。对活体兔眼进行实验,结果表明,本文算法配准后的叠加图像边界清晰,结构信息增强,信噪比和对比度平均有效提高一倍多。本算法适用于强噪声视网膜B-Scans图像的配准,能满足多种类型OCT系统的叠加成像需要,具有较高的鲁棒性和图像配准精度。     

系留缆绳损伤检测图像去噪方法研究

为了提高气球载雷达系留缆绳损伤检测中的图像质量,提出了一种多尺度多结构形态学的小波融合去噪方法。首先对噪声图像进行小尺度多结构元素的形态开-闭（OC）运算,然后再进行较大尺度多结构元素的形态开一闭运算,利用小波融合技术将运算结果进行融合,最后进行了仿真验证和性能分析。结果表明,采用该方法得到的峰值信噪比（PSNR）普遍高于传统的去噪方法,在抑制噪声的同时较好地保护了图像的细节和边缘信息,尤其在噪声密度较大时,优势更加明显,峰值信噪比能高出十多dB,而且对随机噪声和椒盐噪声均能获得良好效果,具有较强的适用性。     

基于提升小波的方向扩散算法实现侧扫声纳图像去噪

侧扫声纳作为一种重要的海底探测技术,已得到广泛的使用,但声强数据经过严格的数据处理后,依然存在噪声,影响图像的正确判读.针对侧扫声纳图像中的噪声问题,采用基于偏微分方程的方向扩散、正则化P-M（AOS算法）、基于离散小波的方向扩散、基于提升小波的方向扩散4种方法,与传统的均值滤波、中值滤波、维纳滤波和小波软阈值、硬阈值、贝叶斯估计阈值的方法进行实验对比,发现基于提升小波的方向扩散方法,不仅能有效提高峰值信噪比,而且还能保持较好的平滑指数和边缘保持指数,更适用于侧扫声纳图像的去噪处理.     

基于张量的平稳小波变换红外图像去噪

提出了一种基于张量的平稳小波变换红外图像去噪方法.采用平稳小波对噪声红外图像进行分解,保持低频近似图像不变,将所有尺度上的水平、垂直和对角方向的高频细节图像组合为一个立方体,形成三阶张量,通过多线性代数方法估计信号小波系数,这种处理方式没有破坏小波系数之间的固有空间关系,同时考虑到了尺度问和尺度内小波系数的相关性,优于传统的基于线性最小均方误差的信号小波系数估计算法,最后由低频近似图像与估计的高频细节图像通过平稳小波逆变换得到去噪图像.实验结果表明,该方法在性能指标和视觉质量上优于传统的平稳小波域最小均方误差去噪算法,为小波系数的较准确估计提供了一种全新思路.