小波变换域中图像噪声平滑技术

本文分析了小波变换应用于图像噪声平滑的原理，并对在应用中的小波函数的选择、信息剪裁和信号重构等几个重要问题进行了详细论述，对小波变换的图像滤波技术既能平滑噪声又能保留图像边缘的问题提出了具体要求。     

基于小波变换的激光主动成像图像去噪方法

 针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。     

保留边界特征的深度图像增强算法研究

针对现有深度图像增强算法存在边界保留特性差的问题,提出梯度掩模导向联合滤波(gradient mask guided joint filter, GMGJF)算法。利用深度图像进行Sobel梯度变换获取边界方向信息,利用深度图像空洞区域生成空洞掩模,再以边界方向和空洞掩模为导向联合彩色图像对深度图像进行迭代高斯滤波和空洞填充。实验结果表明,GMGJF算法的PSNR(peak signal to noise ratio)、SSIM(structural similarity index measure)比IMF(iterative median filter)、GF(guided filter)、JBF(joint bilateral filter)算法的PSNR、SSIM至少提高了3.50%和1.07%,不仅去噪能力、空洞填充能力最强,而且边界特征保持最好,有利于深度图像的特征提取与目标识别。     

一种新颖的Contourlet域中子辐射图像降噪方法

由于受CCD相机、中子散射及控制电路等因素的影响,数字中子照相系统所获图像常被噪音污染,抑制噪音对于提高数字中子照相系统图像质量具有重要意义.利用多尺度几何分析能捕获图像几何结构的特性,提出一种新颖的基于contourlet变换的图像去噪方法通过计算方差一致性测度（VHM）,确定局部自适应窗口,从而最优估计contourlet系数的阈值萎缩因子,对contourlet系数进行萎缩,实现降噪功能.该方法将阈值去噪法与基于子带相关的图像去噪法相结合,充分利用在同一方向子带中沿边缘或轮廓contourlet系数的相关性,它能实现"去噪"和"保留信号"之间的平衡.实验结果表明,该方法在峰值信噪比指标上优于传统的contourlet系数硬阈值处理方法及维纳滤波方法,能有效地抑制图像噪音,同时适合于中子辐射图像的处理.     

用于MR图像非局域均值去噪的边缘增强策略

非局域均值(NLM)滤波有很好的去噪效果并已成功地应用于磁共振图像的去噪中,但与所有去噪方法相同,总是会在一定程度上模糊图像细节. 该文提出将从原始图像中提取出来的高频信息与NLM去噪图像相融合,来还原在去噪过程中丢失的细节. 首先利用一种基于拉普拉斯金字塔的多分辨率方法,从原始图像中提取出包含丰富的边缘信息的高频组分. 然后利用作者提出的一种新的基于SUSAN算子的边缘检测算子产生一幅连续的边缘图,并利用该边缘图将高频组分与NLM方法去噪的图像相融合. 该方法在图像的平滑区域取得了良好的去噪效果,同时可以保留甚至增强图像的细节. 同时,该方法对图像的增强不会导致增强图像中常见的伪影.     

Infrared and visible image fusion based on visual saliency map and weighted least square optimization

The goal of infrared (IR) and visible image fusion is to produce a more informative image for human observation or some other computer vision tasks. In this paper, we propose a novel multi-scale fusion method based on visual saliency map (VSM) and weighted least square (WLS) optimization, aiming to overcome some common deficiencies of conventional methods. Firstly, we introduce a multi-scale decomposition (MSD) using the rolling guidance filter (RGF) and Gaussian filter to decompose input images into base and detail layers. Compared with conventional MSDs, this MSD can achieve the unique property of preserving the information of specific scales and reducing halos near edges. Secondly, we argue that the base layers obtained by most MSDs would contain a certain amount of residual low-frequency information, which is important for controlling the contrast and overall visual appearance of the fused image, and the conventional “averaging” fusion scheme is unable to achieve desired effects. To address this problem, an improved VSM-based technique is proposed to fuse the base layers. Lastly, a novel WLS optimization scheme is proposed to fuse the detail layers. This optimization aims to transfer more visual details and less irrelevant IR details or noise into the fused image. As a result, the fused image details would appear more naturally and be suitable for human visual perception. Experimental results demonstrate that our method can achieve a superior performance compared with other fusion methods in both subjective and objective assessments.     

一种基于信息保留网络的图像去噪算法

由于成像设备等各种因素影响, 图像在成像或传感过程中会受到噪声干扰。图像去噪旨在减少或消除噪声对图像的影响, 这一过程往往会导致高频信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节, 文章提出了一种计算复杂度相对较低的含有信息保留模块的卷积神经网络, 直接对含噪声图像进行降噪。信息保留模块通过残差学习提取局部长路径和局部短路径的混合特征信息。该文采用峰值信噪比(PSNR/dB)和结构相似性(SSIM)两项评价指标对实验结果进行量化, 这两项指标值越大, 说明去噪效果越好。实验结果表明, 在峰值信噪比和结构相似性2项评价指标的均值可达到30.36 dB和0.828 0, 相比其他对比算法, 2项评价指标分别平均提升了2.15 dB和0.072 9。该算法对不同种类、不同水平的噪声都具有良好的去噪效果, 且速度优于所对比的一般算法, 对基于卷积神经网络的去噪工作的进一步发展有一定的作用。     

基于边缘软判决的小波域自适应图像去噪

提出了一个新的图像去噪方法。该方法基于非抽样小波变换的多分辨分解,在各尺度下对小波系数进行了边缘和非边缘分类,并根据它们的不同统计特性运用了不同的估计技术。鉴于边缘分类的不确定性,提出了依概率的软分类技术,通过计算边缘发生的概率,判决当前系数应该采用哪一种估计。仿真结果表明:该方法在滤除图像噪声的同时,边缘得到了保持,较目前存在的一些方法更具有优越性。     

基于图像熵的各向异性扩散相干斑噪声抑制

本文提出了一种基于图像熵的各向异性扩散滤波方法. 该方法使用图像熵作为边缘检测算子, 避免了由于均值和方差等统计量的估计带来的误差, 提高了边缘检测能力. 试验结果表明该方法能够获得比传统方法更好的相干斑噪声抑制效果. 关键词： 相干斑抑制 各向异性扩散 图像熵 合成孔径雷达     

A gray-natural logarithm ratio bilateral filtering method for image processing

A new method based on gray-natural logarithm ratio bilateral filtering is presented for image smoothing in this work. A new gray-natural logarithm ratio range filter kernel, leading to adaptive magnitude from image gray distinction information, is pointed out for the bilateral filtering. The new method can not only well restrain noise but also keep much more weak edges and details of an image, and preserve the original color transition of color images. Experimental results show the effectiveness for image denoising with our method.     

Laplacian based non-local means denoising of MR images with Rician noise

Magnetic Resonance (MR) image is often corrupted with a complex white Gaussian noise (Rician noise) which is signal dependent. Considering the special characteristics of Rician noise, we carry out nonlocal means denoising on squared magnitude images and compensate the introduced bias. In this paper, we propose an algorithm which not only preserves the edges and fine structures but also performs efficient denoising. For this purpose we have used a Laplacian of Gaussian (LoG) filter in conjunction with a nonlocal means filter (NLM). Further, to enhance the edges and to accelerate the filtering process, only a few similar patches have been preselected on the basis of closeness in edge and inverted mean values. Experiments have been conducted on both simulated and clinical data sets. The qualitative and quantitative measures demonstrate the efficacy of the proposed method.     

光子计数激光雷达的时间相关卡尔曼深度估计

在高背景噪声和低积分时间的激光雷达远距离成像场景中,针对传统方法得到的深度图像目标被噪声淹没和深度估计偏差较大的问题,提出了一种基于信号光子时间相关性和自适应卡尔曼滤波器的深度信息估计方法.首先,提取在时间上具有聚集特征的光子计数形成集合;然后,分析了影响信号光子在时间上分布的因素并使用静态高斯线性模型来描述该集合;最...     

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.     

Image denoising using least squares wavelet support vector machines

We propose a new method for image denoising combining wavelet transform and support vector machines (SVMs). A new image filter operator based on the least squares wavelet support vector machines (LSWSVMs) is presented. Noisy image can be denoised through this filter operator and wavelet thresholding technique. Experimental results show that the proposed method is better than the existing SVM regression with the Gaussian radial basis function (RBF) and polynomial RBF. Meanwhile, it can achieve better performance than other traditional methods such as the average filter and median filter.     

基于双边纹理滤波的图像细节增强方法

为了实现图像的细节增强,特别是纹理细节增强,同时尽可能保持图像的结构完整,提出了一种基于双边纹理滤波的图像多尺度分解方法。首先,对图像进行多尺度双边纹理滤波分解,分别得到一幅基本图像和一系列细节纹理图像。接着,类似于小波增强方法,对细节图像采用多尺度自适应增强方法,得到一系列增强后的纹理细节图像。最后,将基本图像和增强后细节图像相加,重构出最后的增强图像。实验结果表明:本文提出的增强方法能够在突出边缘的同时,较好地增强图像中的纹理细节信息。将基于双边纹理滤波的多尺度分解引入图像增强,能更好地体现图像纹理细节特征,为增强图像提供更加丰富的信息。     

基于双边滤波算子的医学脊椎去噪

为了有效滤除医学脊椎模型的噪声点,同时更好地保持模型细节,提出了一种基于双边滤波算子的医学脊椎去噪模型.采用双边滤波在多尺度条件下进行脊椎三维模型轮廓线的提取,设计改进自适应扩散系数,以更好的优化控制整个扩散过程.根据图像的离散特征,建立相应的离散迭代方程,使迭代过程离散化,并设计迭代停止准则,当去噪平滑后的图像模型与噪声相关性最小时停止迭代.与经典的向异性扩散模型方法实验结果相比,本方法在解决去噪方面达到了很好的滤波效果,同时也较好地保持了医学图像的边缘细节特征,大大优于传统滤波算法.     

基于TMS320C6678的高动态范围红外图像细节增强算法改进与实现

利用图像分层处理的细节增强基本框架,提出了一种基于引导滤波器的高动态范围红外图像显示与细节增强算法。该算法能有效将高动态范围红外图像映射到适合监视器显示的动态范围,且能有效调整图像对比度,增强图像细节,抑制背景噪声。相比较于其他同类算法,该算法计算量少,易于工程实现,且不会产生梯度翻转效应。并研究设计了基于TMS320C6678DSP芯片的细节增强图像处理系统,实现了图像视频流的传输、处理等系列功能。实验结果表明了本算法的优势。     

基于优化估计的深度图像修复与误差补偿方法研究

针对Kinect传感器在获取深度图像时存在深度值随机跳变的不准确性问题,基于最优估计的思想,提出卡尔曼滤波与多帧平均法相结合的图像修复方法。首先利用卡尔曼滤波对多幅深度图像进行修复处理,实现Kinect传感器在采集信息过程中随着时间递推,深度值的跳变逐渐趋于平稳的效果;然后基于多幅图像平均法确定最终的深度图像,解决了Kinect获取深度值存在误差导致的不精确问题。实验结果表明,该算法的均方根误差为38.102 5,平均梯度为0.471 3,信息熵为6.191 8,与单幅图像修复效果相比,得到的深度图像边缘更加清晰。     

基于双边滤波和双树复小波的图像去噪算法

提出了基于空域双边滤波和双树复小波变换的图像去噪算法.该算法使用双树复小波变换对含噪图像进行多尺度和多方向的分解,对各个高频方向子带使用带有方向窗的局部维纳滤波算法进行去噪.在重构过程中,对每一个尺度上重构得到的低通图像使用空域的双边滤波算法进一步的去除噪声.实验结果表明本文提出的图像去噪算法获得了明显的去噪性能改善.     

混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.