基于非局部双边随机投影低秩逼近图像去噪算法

该文提出一种基于非局部双边随机投影的低秩逼近图像去噪新方法。首先,对每个图像块通过非局部搜索寻找相似匹配块簇,然后对相似匹配块簇进行双边随机投影,用投影后的低秩结构恢复原图像。实验结果表明,所提方法比奇异值分解方法有较低的计算复杂度,比单边随机投影方法有较小的重构误差。特别是和3维块匹配方法相比,所提方法能保持相近的信噪比和较好的视觉质量。     

基于非局部图像去噪的方法研究

提出了一种利用非局部相似的图像去噪方法,通过非凸函数阈值得到噪声图像的多个初步去噪图像,其参数的选择较接近,并将这些初步去噪的图像选取相似块,利用非局部平均的方法,对图像进行去噪恢复。通过实验可知,文中提出的方法对于噪声图像去噪具有较好的效果,与典型的非局部平均方法相比,该方法能得到更好的峰值信噪比。     

基于小波局部统计特性的图像去噪方法

本文提出一种利用图像在小波域上局部统计特性的自适应去噪方法。首先在LMMSE准则下,推导出小波系数在局部区域的恢复公式。为进一步精确地估计理想小波系数的局部方差,本算法提出利用尺度间和子带内的相关性,即利用粗尺度下小波系数的局部方差预测精细尺度下相应位置的小波系数为噪声成分的概率,以及常规估计下的小波系数的局部方差是否小于某个门限值判断其是否为噪声成分。然后以这些局域窗内非噪声成分系数估计理想小波系数局部方差。实验结果表明,本算法与传统算法相比,对图像质量有进一步地改善,尤其是对细节丰富的图像表现地更为突出。     

快速非局部均值滤波图像去噪

针对非局部平均（NLM）去噪算法复杂度过高,滤波过程中对图像信号产生过度平滑的问题,提出一种基于高斯主成分分析的快速NLM去噪算法。该方法首先对所有像素点的邻域进行高斯滤波降低噪声干扰,提高主成分分析的准确度,降低分解结果的维度,进而提高NLM算法中的块匹配效率和准确性,为提高去噪效果奠定基础。虽然该方法在NLM前加入了高斯预滤波和主成分分析,但是由于有效的降维,整体算法复杂度较传统NLM仍有减少,且算法性能有所提高。实验表明与传统的NLM算法相比,本文所提出的新算法不仅降低了计算复杂度,而且可以产生更好的去噪效果。      

一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

基于小波分析的图像去噪处理研究

图像中的噪声会妨碍人们认识处理图像,而图像去噪就是为了去除图像中的嗓声,以便人们对图像作进一步地处理,本文主要介绍了三种经典的小波变换去噪方法——模极大值去噪法、相关性去噪法、阈值去噪法,并对三种方法的性能进行了对比。     

采用非局部均值的连续太赫兹图像去噪处理

太赫兹辐射能够穿透大多数对可见光和近红外光不透明的物质。提高成像质量是成像系统的关键,尤其对探测器性能较低的面阵成像更为重要。通过数字图像处理方法改善成像质量是一条重要的解决途径。应用非局部均值(NLM)分别对真实的透射扫描、反射扫描和透射面阵、反射面阵的太赫兹图像进行了去噪处理,选取不同的控制参数进行了对比分析,同时对比了均值滤波处理结果。实验结果表明:非局部均值能够较好地去除连续太赫兹图像噪声、提高成像质量,对噪声严重的面阵成像去噪效果最明显。非局部均值去噪并保持边缘能力明显好于均值滤波。     

基于非局部均值的彩色图像去噪

传统的彩色图像去噪算法通常是分层处理的,而忽略了彩色图像RGB通道之间的相关性,因此基于RGB通道联合相似度估计提出了一种新的彩色图像非局部均值去噪方法。在用非局部均值滤波对彩色图像进行去噪时,首先以目标像素为中心确定其支撑区域,然后根据多通道联合相似度估计确定权重,最后采用逐块滤波的方法对每一层进行滤波。并且针对彩色图像中含有的高斯噪声提出了一种新的噪声参数估计方法。由实验结果可以看出该算法比传统的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在图像去噪过程中考虑三通道之间的相关性是必要的,同时也证明了算法的有效性。     

基于非局部均值滤波的SAR图像去噪

该文提出一种基于结构相似性指数(SSIM)的非局部均值(Non Local means,NL-means)滤波的合成孔径雷达(SAR)图像相干斑噪声抑制新方法。该方法用SSIM改进NL-means算法中小块相似性的度量,能利用结构信息来进行相干斑抑制。通过在真实SAR图像上的实验表明,与GammaMAP滤波、CHMT算法、BLS-GSM算法、NL-means滤波相比,此方法在有效去除相干斑噪声的同时能更好地保持边缘结构信息。     

外部非局部自相似先验的图像去噪

针对在噪声水平比较高的情况下难以从噪声图像本身提取准确先验信息的问题,提出一种从外部干净图像数据集学习非局部自相似先验信息的图像去噪方法。首先用高斯混合模型学习外部干净图像的非局部自相似先验信息,其次利用最大后验概率估计的方法找到与噪声图像块最匹配的外部先验信息,最后利用外部先验对噪声图像块进行稀疏表示。实验对比表明,所提算法在去除噪声的同时可以较好地保留图像的细节信息,使图像数据集的平均峰值信噪比提高0.18 dB以上。     

基于非局部均值的图像降噪

首先介绍了图像降噪的基本思路,其次介绍了非局部均值降噪算法,最后用MATLAB R2008a实现非局部均值降噪算法在不同标准差下的降噪效果,用结构相似度及峰值信噪比评价标准评价该算法,列出它们的图像降噪处理结果及评价准则数据。在此基础上寻找适合人类视觉效果的图像降噪算法。     

非局部均值图像降噪的嵌入式系统实现

非局部均值滤波是一种有效的图像降噪技术,但常规实现方法计算复杂,对存储空间和CPU频率要求较高,不适合用于嵌入式系统。面向嵌入式系统简化非局部均值降噪算法,以很小的图像质量损失为代价大大降低了计算复杂度。在基于ARM11处理器和Windows CE的系统上实现了图像采集、简化非局部均值降噪、显示等功能,可以满足图像处理系统实时性和小型化需求,降噪效果良好。     

基于非局部相似块低秩的压缩感知图像重建算法

传统的压缩感知重建算法利用信号在某个特征空间下的稀疏性构建目标优化函数,但没有充分考虑信号的局部特性和结构化属性,影响了算法的重建性能和算法的适应性.本文考虑图像的非局部自相似性(NonlocalSelf-Similarity,NLSS),提出一种基于图像相似块低秩的压缩感知图像重建算法,将图像恢复问题转化为聚合的相似块矩阵秩最小问题.算法以最小压缩感知重建误差为约束构建优化模型,并采用加权核范数最小化算法(Weighed Nuclear Norm Minimization,WNNM)求解低秩优化问题,很好地挖掘了图像自身的信息和结构化稀疏特征,保护了图像的结构和纹理细节.多个测试图像、不同采样率下的实验证明了算法的有效性,特别是在低采率下对于纹理较为丰富的图像,提出的算法图像重建质量较明显的优于最新的同类算法.     

一种利用像素分类的自适应小波图像降噪方法

提出了一种结合像素分类与小波变换的图像去噪方法.首先用常用方法获得初步去噪图像,并将其分割为若干图像块,分别计算每个图像块的空间频率.利用归一化的空间频率,对不同的图像块采用不同的阈值进行去噪,空间频率高的图像块采用较小的阈值,反之采用较大阈值去噪.实验结果表明:该方法可在初步去噪图像的基础上进一步提高图像去噪的效果,同时较好地保持图像细节;其去噪效果优于常用的小波图像去噪方法,峰值信噪比(PSNR)相对常用方法最高可提高3.4 dB.     

保信去噪在图像预处理中的应用

在图像去噪处理算法中,一般的方法对于边缘信息总是存在不同程度的信息丢失.本文考虑了一种新的去噪处理的方法--保信去噪.该方法在均值去噪基础上,对其所求的均值求导,判断其均差来确定该点的像素值.此方法有效的克服了均值去噪中图像的边缘模糊的缺点,具有较好的鲁棒性.试验结果表明:该方法的效果明显.     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。     

基于M带小波变换与模糊聚类的图像去噪算法

M带小波变换是标准二带小波变换的自然推广,能够分析具有相对窄带的高频信号,而且能更好的集中信号能量,因此在信号处理中应用广泛.本文结合模糊聚类算法,提出了一种新的基于M带小波变换的图像去噪算法,利用模糊聚类算法把小波系数划分成两类:包含信号的小波系数与只包含噪声的小波系数,对只包含噪声的小波系数置为零,将包含信号的小波系数进行利用软阈值法进行收缩,最后对处理后的系数进行M带小波逆变换,得到去噪后的图像.对SAR图像的实验结果表明,该算法有效,而且能较好地保留边缘信息.