结合图像的局部相关性及非局部相似性的多尺度分块压缩感知

标准的图像压缩感知算法未利用像素间的邻域结构信息和图像子块的自相似性。针对这一问题,本文将图像分成重叠的图像子块,用冗余字典自适应地稀疏表示图像,同时将用自回归模型表示的图像局部相关性和非局部相似性作为先验知识运用到压缩感知图像重构中,提出了结合图像的局部相关性和非局部相似性的多尺度分块压缩感知方法。实验结果表明,本文算法可以有效提高图像重构的视觉效果和峰值信噪比。     

基于复值特征子空间的高光谱图像去噪

针对传统的高光谱图像去噪方法忽视高光谱图像强烈的谱间相关性和图谱合一的问题,提出了一种基于复值特征子空间的高光谱图像去噪方法.该方法首先基于光谱数据的相似性对复域信号进行奇异值分解(Singular Value Decomposition,SVD)分析,选择最能代表信号子空间的最优低维特征子空间,然后基于非局部复域块匹配3D(Complex-Domain Block-Matching 3D,CDBM3D)滤波器对特征图像进行滤波.实验结果表明,本文算法对噪声具有较强的鲁棒性,可以有效恢复低信噪比的高光谱数据.与其他方法相比,本文方法在所有波长的RRMSE值最小的情况下准确性最佳.     

双重自适应非局部均值图像去噪算法

针对非局部均值算法对边缘去噪能力较差的缺陷,提出了一种新的自适应非局部均值去噪算法。一方面利用基于均方误差最小化准则的主动匹配,以确定两图像块之间的最佳匹配形状与尺寸,进而得到较为鲁棒的相似度估计。另一方面,利用局部Hessian矩阵特征值判断图像块类型,并据此进行滤波窗口尺寸的自适应调整。细致分析与仿真结果表明,新算法有效克服了原始非局部均值算法存在的边缘去噪能力较差的问题,综合去噪性能达到甚至超过了最新的自适应非局部均值算法。     

基于最优权重的三维非局部均值图像去噪算法

将二维非局部均值的优化理论和收敛性定理推广到三维情形,并提出了具有最优权重的三维非局部均值算法。首先通过最小化L₂估计的上界,得出了三维非局部均值算法的自适应平滑参数的最优加权。接着证明提出的算法在统计上是以最优速度收敛的。仿真实验表明,与其它去噪方法相比,本文算法能够有效去除各类方差稳定的独立同分布随机噪声,并且具有更好的估计结果。     

基于预分类的非局部被动毫米波图像去噪算法

针对被动毫米波图像的分辨率低,不具备丰富的纹理信息的特点,提出了一种基于预分类的非局部被动毫米波图像去噪算法(PBNL).利用图像梯度信息的奇异值分解获取图像的局部区域特征,根据不同的特征集将图像进行分类,并对不同的类别采取不同的去噪算法.实验结果表明,相对于非局部均值(NL-Means)算法,该方法在计算(时间)复杂度上有了明显的降低,降噪结果的PSNR值优于BM3D、各向异性去噪算法,并且在视觉上获得了更好的辨识效果.      

面向输电线路的压缩感知图像去噪方法

传统的基于字典学习的输电线路图像去噪方法,易受冗余字典影响存在重建图像边缘细节恢复不足的问题.为了有效抑制输电线路图像表面存在的高斯噪声,提出一种图像非局部自相似特性与改进K-SVD字典学习算法融合的输电线路图像去噪方法,利用图像非局部自相似性作为正则项约束并加权稀疏表达模型,提高去噪图像复原和保留细节的能力.实验选取含有自然图像和输电线路典型缺陷图像进行仿真实验测试.实验结果表明,所提出的算法不仅能够很好的保留图像纹理特征与边缘细节,对高斯噪声也具有良好的鲁棒性.     

基于SURE-LET和非张量积小波的遥感图像去噪

针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤．通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果．实验结果表明：此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET方法．     

贺兰山岩画的多尺度非局部滤波算法

针对贺兰山岩画提出了一种新的滤波算法,该方法基于混合多尺度和非局部平均滤波的思想处理噪声图像.首先,将RGB彩色空间转换到L*a*b*颜色空间;其次,对L*a*b*颜色空间的每个分量进行多层小波变换;然后通过2种不同的策略处理粗尺度的小波系数,即对低频系数进行非局部平均滤波,对高频系数进行阈值处理,并对处理后的粗尺度小波系数进行重构得到上一层的低频图像;之后,对每一个尺度继续上面的操作直到得到最细尺度的系数,并对完全重构的图像进行非局部平均滤波;最后,将处理结果转换到通常的RGB彩色空间.大量的实验用于讨论参数的选取和算法的有效性.结果表明,该方法在计算效率、鲁棒性和视觉效果方面均优于已有的混合高斯尺度方法、多尺度双边滤波方法、非局部平均滤波方法.     

一种基于LIP的全变分图像去噪新模型

将对数图像处理数学模型应用到图像还原中,采用全变分的方法获得了去除图像乘性噪声的新模型.该模型弥补了现有图像去噪方法的不足,很好地保持了图像的边缘细节特征,并具有与人眼视觉特征相吻合的特点.仿真实验结果表明,与现有的去噪方法相比,新模型很大程度上减小了图像在去噪处理迭代过程中产生的误差,不仅去噪效果更好,而且能很好地保...     

联合多尺度块匹配的非局部均值去噪算法

针对非局部均值（Non-Local Means, NLM）图像去噪算法易产生伪影与平滑细节的问题,提出一种联合多尺度图像块匹配的像素相似性测度,提高NLM算法去噪性能。首先,研究与分析了加权欧氏距离与欧氏距离两种相似性度量以及图像块尺寸设置对NLM算法的影响。其次,通过引入图像特征信息并利用K-means聚类方法将图像划分为平坦区域和包含边缘与纹理的结构区域,对每个类别中的像素点,联合两种尺度图像块匹配计算像素的平滑权重。最后,优化了算法的滤波参数。实验结果表明,提出的算法在噪声去除与细节保持方面明显优于经典的NLM算法,相比其他改进的NLM算法也有优势。     

基于维纳滤波的小波图像去噪算法研究

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,形成噪声图像.图像去噪是图像处理领域中的一个重要环节.为了对含有高斯白噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于维纳滤波的小波图像去噪算法,利用维纳滤波后剩下的信号来计算噪声的标准方差.仿真结果表明,与Donoho提出的鲁棒中值...     

分块噪声自适应高光谱图像去噪算法研究

高光谱图像在获取过程中容易产生噪音,从而影响了地物空间信息的识别。噪声去除是高光谱图像处理十分必要的步骤。结合低秩矩阵分解理论,在传统奇异值阈值方法的基础上提出基于分块的噪声自适应遥感去噪方法。实验结果证明,该方法运算速度快,并能够有效去除缺失值造成的死线噪声以及高斯噪声,在平均峰值信噪比(MPSNR)和平均结构相似性(MSSIM)上优于Godec算法。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。     

基于圆域梯度信息耦合角度相似法则的图像匹配算法

为了提高算法匹配正确度与抗仿射变换性,本文通过将图像的梯度信息引入图像匹配的过程,提出了基于圆域梯度信息耦合角度相似法则的图像匹配算法。首先,采用Forstner算子精准快速地对图像特征进行检测,获取纯度较高的特征点。然后,通过计算圆域的haar小波响应值确定主方向,并利用圆域的梯度信息获取特征向量,完成特征描述。最后,根据匹配特征的仿射不变性,利用主方向建立角度相似法则,以完成匹配。通过特征点的特征向量去除错误匹配点,获取最终的匹配结果。实验数据显示,所提算法具有较高的匹配正确率与鲁棒性,在多种几何变换下,其匹配结果中具有较多的正确匹配对,而错误匹配对数量较少。     

基于水平集曲率的图像滤噪与增强

分析了用于图像滤噪与增强的滤波技术特点，并针对偏催分方程（PDE‘s）模型给出新的数值计算方案，特别，多局部水平集曲率计算为算法的精细化提供了保证，在使用PDE‘s模型处理前,Canny边缘检测和数学形态学方法被应用估测边缘，滤除部分虚假边缘点，为针对不同区域折中使用不同的滤波方法提供了前提条件，实例分析以较小的计算量取得了较好的视觉质量。     

基于二阶对比度的图像融合算法

本文针对融合图像的对比度下降问题,提出了一种基于二阶对比度的图像融合算法。文中给出基于图像灰度直方图的对比度定义、二阶对比度定义和计算方法,可以直接根据灰度图像计算图像的对比度和二阶对比度。所提出的融合算法向融合图像传递二阶对比度信息、对比度信息和灰度信息,不需要对源图像进行变换。实验结果表明,与现有算法相比,基于二阶对比度的算法所需CPU运行时间有较大幅度减少;而且基于二阶对比度算法的融合图像的互信息有显著提高。     

基于离散余弦变换与Hessenberg分解的图像水印算法

为了增强水印系统的视觉隐秘性与抗几何攻击能力,设计了基于离散小波变换与Hessenberg分解的图像水印算法。将宿主图像实施分割,形成一系列的8×8的非重叠子块;随后,联合信息熵与边缘熵值,构建嵌入区域选择方法,从这些子块中确定出合适嵌入水印的子块;引入离散余弦变换DCT(Discrete Cosine Transform),对选择的子块进行分解,输出对应的低频与高频系数,将每个子块的低频系数组合成相应的矩阵;随后,利用Hessenberg分解方法处理这些低频系数矩阵,输出对应的上Hessenberg矩阵;根据结构相似度与位正确率,构建粒子群算法的适应度函数,通过对其迭代,获取最优的嵌入强度;根据优化的嵌入强度,设计水印嵌入机制,将水印信息隐藏到上Hessenberg矩阵中,形成水印图像;最后,构建水印检测方法,从水印图像中提取水印。实验数据表明:较当前鲁棒水印方案而言,所提技术具有理想的视觉不可感知性与鲁棒性。     

基于区域增长迭代算法的SAR海冰图像分割

针对SAR图像分割仅考虑像素本身灰度值而不考虑空间特征的阈值法和聚类方法中存在图像有噪或边界模糊问题,提出一种基于区域增长迭代算法的SAll．海冰图像分水岭分割。在整个处理过程中保持对分割的细化并同时以迭代方式产生语义类标记。迭代算法的初始阶段应用K均值聚类法在二维特征空间中进行分割;迭代阶段包括Gibbs采样、自相关函数最小化和区域合并。自相关函数锐度指数最小化使图像更清晰。真实SAR图像的实验结果表明该算法的快速性和有效性,同时保留目标的细节信息。     

基于分形集的多层子块匹配图像压缩算法

提出一种基于分形集和迭代函数系统的多层子块匹配图像压缩算法．通过高层次的子块匹配结果限定低层次子块的搜索范围,多层子块匹配能减少搜索复杂度,实验结果表明该算法能够在保证图像质量的情况下取得较好的压缩效果．