基于统计特性的非局部均值去噪算法

针对非局部均值滤波的权值由相似块的欧式距来确定而未考虑其受噪声影响的缺点,提出了一种权值由相似块欧式距的统计特性确定的去噪算法。该算法首先对受到高斯噪声干扰的图像相似块的欧式距建立概率分布函数,再由概率分布函数确定权值大小,从而有效地减小高斯噪声对加权系数的影响,以提高去噪性能。实验中,从主客观方面与传统非局部均值滤波进行对比分析,实验数据表明本文提出的算法峰值信噪比提高约1dB,去除噪声的同时保留更多图像的细节信息,去噪性能更优。     

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。     

多通道MCP范数最小化的彩色图像去噪方法

低秩去噪方法利用核范数作为秩函数的凸近似,取得了很好的去噪效果。然而,非凸函数更加近似秩函数。针对彩色图像去噪问题,文章提出一种基于多通道MCP范数最小化的图像去噪方法。首先构建MCP(Minimax Concave Penalty)范数最小化的低秩去噪模型,对噪声图像的相似块矩阵施加MCP正则化约束。对于多通道且噪声强度不同的彩色图像,引入权重矩阵以平衡每个通道对恢复图像的估计。最后利用交替乘子方向法迭代求解模型,重建获得干净的图像。经实验验证,所提算法在性能指标和视觉效果方面都有较好的提升。     

基于NLM的图像三维去噪算法

图像去噪要求在尽量保留有用信息完整性的基础上去除干扰信息,同时保证去噪结果的时域稳定性.在非局部平均NLM(Non-Local Means)算法的基础上提出了更加合理的图像三维去噪算法.该算法首先进行 NLM 空域去噪,然后再对空域去噪的结果进行加权平均的时域去噪.实验结果表明,本算法和传统去噪算法相比具有去噪结果稳定并不模糊细节的优点,为实际工程应用提供了技术支撑.     

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。     

基于自适应非局部均值的CBCT投影数据去噪算法

为了准确地获取放疗摆位信息,并减低临床患者 所接收的辐射剂量,提出了一种基于非局部均值(NLM)的锥形束计算层析(CBCT)投影数据去 噪算法。首先,计算在不同投射角度下获取的CBCT投影数据的噪声标准差、边缘信息和纹理 子块的平均梯度值的均值,确 定与该角度投影数据相适应的滤波强度值;然后,采用改进的NLM算法对投影数 据进行去噪处理;最后,经过三维重 建获得较高质量的CBCT图像。还对基于子块分割的噪声估计算法进行了改进,使其更适 用于CBCT投影数据的噪声估 计。实验结果表明,本文算法能够有效估计投影数据的噪声水平,去噪效果优于其它几种算 法,在去除噪声的同时,还能很 好地保留图像的细节信息,并可增强图像的对比度,有利于准确获取摆位信息和医生的临 床诊断。     

红外图像改进非局部均值滤波算法研究

为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF)。该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证。结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的。     

一种改进的非局部平均去噪方法

 对非局部平均去噪算法提出了以下改进：首先,利用图像中具有对称结构的性质,在相似性邻域的比较中引入邻域的对称变换,更好地利用了图像的自相似性质;其次,提出一种基于图像灰度分布统计特性的滤波参数选取方法,能够根据不同像素的特点自适应地选取滤波参数;此外,利用非局部平均算法能有效地保护图像结构信息的性质,提出一种两级非局部平均去噪方法.对测试图像去噪的实验结果表明,与原始算法相比,提出的改进方法能够在保护图像结构信息的前提下更有效地去除噪声,峰值信噪比最多可以提高5.9dB, 去噪效果优于BM-3D方法.     

线性预测对传统NLM算法去噪效果的改进

针对通信传输中传统NLM算法导致图像结构冗余信息利用不充分的缺陷,提出一种基于线性预测的改进型NLM降噪算法.根据图像空间结构特点,对图像信号按列从二维到一维进行转换,通过线性预测提取视觉特征,充分利用图像结构冗余信息,优化NLM算法去噪特性.结果表明:在噪声强度较大时,改进型NLM算法对高斯噪声的去噪效果接近图像最优...     

基于双边滤波与非局部均值的图像去噪研究

提出了一种基于双边滤波与非局部均值的图像去 噪算法,近年来提出的非局部均值算法是去噪效果非常 出色的算法之一,双边滤波去噪算法采用空间邻近度和灰度相似性构造新的权重系数,其取 得了良好的去噪效果,本文 据此改进非局部均值算法的权重部分,把空间邻近度因子与非局部均值的权重系数相结合, 构造新的权重系数。实验表 明,本文改进权重的非局部均值算法与已有的去噪方法相比,能得到更好的峰值信噪比,能 更好的保护图像细节以及结构信息。     

非局部群稀疏表示的图像去噪模型

针对图像的非局部稀疏表示忽略图像中结构相似信息的缺点,将群稀疏表示引入到图像的最优滤波中,提出了一种有效去除图像高斯噪声的非局部群稀疏表示模型。该模型首先选择图像非局部相似块构建相似矩阵,在群稀疏限制下对相似矩阵进行正交分解得到正交矩阵;在已知噪声服从高斯分布的情况下,再通过求得的正交矩阵结合贝叶斯最小均方误差准则实现对特征矩阵的最优估计;最后通过正交矩阵与特征矩阵重构去噪后的图像。实验对比证明,所提的非局部群稀疏表示的图像去噪模型在去除噪声的同时更好地保留了图像的结构信息,获得了更好的主客观评价指标,去噪的峰值信噪比提高1 dB以上。     

Gamma norm minimization based image denoising algorithm

Focusing on the issue of rather poor denoising performance of the traditional kernel norm minimization based method caused by the biased approximation of kernel norm to rank function,based on the low-rank theory,a gamma norm minimization based image denoising algorithm was developed.The noisy image was firstly divided into some overlapping patches via the proposed algorithm,and then several non-local image patches most similar to the current image patch were sought adaptively based on the structural similarity index to form the similar image patch matrix.Subsequently,the non-convex gamma norm could be exploited to obtain unbiased approximation of the matrix rank function such that the low-rank denoising model could be constructed.Finally,the obtained low-rank denoising optimization issue could be tackled on the basis of singular value decomposition,and therefore the denoised image patches could be re-constructed as a denoised image.Simulation results demonstrate that,compared to the existing state-of-the-art PID,NLM,BM3D,NNM,WNNM,DnCNN and FFDNet algorithms,the developed method can eliminate Gaussian noise more considerably and retrieve the original image details rather precisely.     

基于非局部先验的雾线优化图像去雾算法

针对非局部先验去雾算法中雾线端点像素位置精确度不足的问题,提出了雾线优化的非局部先验图像去雾算法。首先分析雾线理论,结合暗通道理论确定最大聚类雾线真实端点,以其为已知条件补偿小聚类雾线端点与大气光之间的距离,根据类内不同像素与雾线对应夹角预估单个像素雾线端点进而求得像素级优化后的透射率,最后根据图像局部灰度值差异融合暗通道先验(dark channel prior, DCP)和非局部先验透射率得最终透射率图。将本文算法与其余3种去雾算法在多幅户外雾图下通过主观及客观两方面分析比较,实验结果表明该算法能取得更好的去雾效果,尤其在天空区域图像复原效果较为突出。     

基于同步噪声选择非局部平均除噪声的最优参数

提出基于同步噪声和信噪比（SNR）自动选择非局部平均（NCM）的核函数参数的算法。为了正确估计平滑图像中的剩余噪声,一幅纯噪声图像作为同步噪声与观测图像同步进行计算,同步噪声作为图像剩余噪声的估计值。为了保持同步噪声与剩余噪声的统计特性相似,提出了一种新的NCM算子,依据图像的特征对同步噪声进行平滑,能够保持两种噪声有...     

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.     

基于均值去噪与图像增强的方差滤波器

为了使图像既能去除噪声又获得增强,基于平滑低通滤波器、中值滤波器去除图像噪声原理和改进的巴特沃斯高通滤波器的图像对比度增强与边缘保持的原理,提出了一种新的均值去噪与图像增强的方差滤波器.实验结果表明,该方差滤波器无论在噪声去除、对比度增强、边缘保持等方面都优于上述3种滤波器.     

基于全变分理论的红外图像去噪

为了去除红外图像中的噪声,提出了一种基于全变分理论的去噪算法。该方法继承了经典全变分模型在去除噪声中保护边缘的优点,结合图像平滑扩散原理,得到了一个全新的扩散函数;同时引入了一个边缘检测算子,对正则项和忠诚项的相关参量进行了改进,使得修复后的图像大大避免了阶梯效应;最后对该算法的实现进行了推导。结果表明,该算法能够有效地去除噪声,并且避免了阶梯效应的产生。