基于区间双正交小波的图像去噪

提出了基于区间双正交小波的图像去噪方法,首先用消失矩N和N都是3的[0,1]区间上的双正交滤波器对含噪图像进行小波变换,再用Donoho的通用阈值方法对含有高斯白噪声的加噪图像进行去噪处理,仿真结果表明区间双正交小波不仅比Daubechies正交和双正交小波能更好的保留图像的纹理和边缘,而且提高了信噪比.     

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。     

基于小波变换与卷积神经网络的图像去噪算法

图像在生成或传感过程中往往会受到噪声干扰,噪声干扰会给后续图像处理工作增加难度,甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势,提出了一种有效的图像去噪算法。训练阶段,采用提出的算法对图像进行尺度为1的平稳小波分解后,分别把高、低频分量输入4个设计好的残差网络进行训练;在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到σ=50时,去噪后图像的峰值信噪比（peak signal to noise ratio, PSNR）均值和结构相似性（structural similarity index method, SSIM）均值可以达到28.37 dB和0.808 0,提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声,以及遥感图像在传感过程中产生的噪声,并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节。     

一种基于时域滤波的红外序列图像去噪算法

红外图像是现代光学设备常用的图像源,图像显示效果直接影响设备的用户体验,而红外序列图像中的噪声会导致显示效果的下降.为了减轻噪声对红外序列图像显示效果的影响,通过历史多帧灰度值的加权和当前帧无噪声图像的估计,提出了一种基于时域高斯滤波的去噪方法.参考空域双边滤波的权值分配方法,引入了灰度值的影响对时域高斯滤波的权值进行...     

一种新的基于小波变换的图像去噪方法

根据图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。与传统的硬阈值、软阈值函数相比,新阈值函数考虑了图像能量分布的特点,对于每一小波系数乘以一个与自身大小相关的降噪因子,并且新阈值函数简单易于计算,具有较强的自适应性。实验结果表明,采用新阈值函数的去噪结果能够有效地抑制图像的马赛克效应,无论在视觉效果上,还是在信噪比增益上均优于传统的软、硬阈值方法。     

一种新的基于非下采样Contourlet变换的自适应图像去噪算法

提出了一种新的结合非下采样Contourlet变换(NSCT)和斯坦无偏风险估计(SURE)的自适应图像去噪方法.通过NSCT对含噪图像进行分解,根据斯坦无偏风险估计准则对分解后的噪声图像进行均方误差E估计,并依据得剑的E<,MS>构造线性自适应阚值方程,对含噪图像的每一个分解子带进行阈值去噪.对自适应阈值去噪后的图像分解子带进行重构.得到去噪图像.实验结果表明,该方法可以有效地消除标准图像和自然图像中的噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有算法.     

基于深度学习的合成孔径雷达图像去噪算法

针对合成孔径雷达在生成图像时产生的固有斑点噪声问题,提出了一种基于多尺度注意力级联卷积神经网络的去噪算法,用多尺度卷积网络与注意力机制来实现图像的特征提取,将级联网络结构作为主网络中的特征增强部分,并加入批量归一化来防止模型中出现过拟合。实验结果表明,所提算法相较于其他传统图像去噪算法,峰值信噪比、结构相似性分别平均提高了0.75 dB～14.45 dB和0.01～0.16,在图像熵上也优于其他算法,并且能较好地恢复图像中的细节信息。     

改进的基于脊波变换的图像去噪新算法

脊波(Ridgelet)变换能够克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法;在分析传统脊波阈值去噪法的原理和存在的优缺点的基础上,构造了一种新的阈值函数,并结合SURE阈值,提出了一种改进的基于脊波变换的图像去噪方法;并将其应用于受不同强度高斯噪声污染的图像中,实验结果表明该方法对噪声具有良好的噪声拟制作用,能较好地保留图像的细节信息,去噪性能优于常用方法。     

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.     

基于整数递推GCV的遥感图像去噪算法

本文提出了一种整数递推广义交叉校验算法.在对遥感图像做小波变换后,统计子带中小波系数的幅值分布,进行同值小波系数合并运算,然后通过整数优化递推加速广义交叉校验计算过程,减少相邻阈值下广义交叉校验函数的冗余计算.在对多幅遥感图像仿真实验中,当噪音标准差为10～30时,整数递推-广义交叉校验算法耗时仅为广义交叉校验算法的2%至0.5%,且保证了去噪效果一致,能有效提高图像PSNR0.66 dB至6.03 dB.此外,广义交叉校验算法耗时随噪音增大及遥感图像尺寸增长而迅速升高,整数递推-广义交叉校验算法耗时则相对平稳.     

基于Demons算法改进的图像去噪模型研究

在Demons算法的基础上, 将扩散过程看作图像配准, 建立一种新的基于图像配准的Demons 去噪模型. 实验表明, 该模型去噪效果优于经典的Perona-Malik模型, 排除了模型的病态性. 考虑到新模型在图像去噪过程中仅靠梯度信息表示图像的局部特征还不完善, 故将水平集曲率作为控制图像结构的驱动力因素引入到此模型中, 提出了一种新的梯度和曲率双重驱动力的图像去噪模型. 分析和仿真结果表明, 两种新模型都可有效抑制噪声, 清晰度也有明显的提高, 其中双重驱动力的图像去噪模型去噪效果更具优越性.     

基于离散余弦变换的语音压缩采样和编码算法

针对语音无线通信中带宽资源受限的问题,提出基于压缩采样的低速率语音编码算法。以基尼系数为指标,比较不同稀疏变换域下语音信号的稀疏性,分析常见重构算法对语音信号压缩采样观测信号的重构特性。对标准耳蜗滤波器——伽马啁啾滤波器组的参数进行研究,并以梯度投影稀疏重建(GPSR)算法重构语音信号。利用语音质量感知评估(PESQ)、信噪比和主观听觉测试,对编解码后的合成语音信号进行了质量评估。实验表明,基于压缩感知的语音编码器以4 kbps的低速率对语音进行编码时,PESQ得分可达到3.16,计算复杂度相对较低,可以用于实际的语音编码环境。     

Chaotic signal denoising algorithm based on sparse decomposition

Denoising of chaotic signal is a challenge work due to its wide-band and noise-like characteristics. The algorithm should make the denoised signal have a high signal to noise ratio and retain the chaotic characteristics. We propose a denoising method of chaotic signals based on sparse decomposition and K-singular value decomposition(K-SVD) optimization. The observed signal is divided into segments and decomposed sparsely. The over-complete atomic library is constructed according to the differential equation of chaotic signals. The orthogonal matching pursuit algorithm is used to search the optimal matching atom. The atoms and coefficients are further processed to obtain the globally optimal atoms and coefficients by K-SVD. The simulation results show that the denoised signals have a higher signal to noise ratio and better preserve the chaotic characteristics.     

基于证据理论的小波萎缩图像去噪

提出了一种基于D-S证据理论的小波萎缩图像去噪方法。对含噪图像进行离散平稳小波变换后,运用Bayes方法分得各层高频子带的小波萎缩系数,根据小波萎缩系数的空间及层间相关性,利用D-S证据理论的合成法则对初始小波萎缩系数进行融合修正。实验结果表明,该方法在有效地去除图像中的噪声的同时,还能较好地保留图像的边缘信息。算法在性能指标和视觉质量上均优于Donoho的小波软阈值去噪方法、传统的中值滤波法和Winner滤波法。     

基于分数阶积分算法的OCT图像去噪研究

散斑存在于光学相干层析成像(OCT)信号中,不可避免地影响OCT图像质量。通过对OCT系统中的噪声源进行分析,提出了一种傅里叶域OCT图像散斑噪声降噪的分数阶积分算法。为了克服单纯主观视觉判别图像质量的局限性,均方误差、峰值信号噪声比和边缘保护系数被选为图像去噪评估标准。通过实验与中值滤波和维纳滤波方法进行比较,结果表明,该算法可以有效地保留OCT图像中的重要边缘细节信息,同时有效消除噪声,使图像细节清晰,提高图像质量。     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

基于正则粒子重采样算法的红外成像消噪处理

 针对红外成像消噪的粒子滤波退化问题,提出正则粒子重采样算法。该算法从粒子群重采样获得粒子云(xjk,nj)mj=1,解决了粒子多样性消失的问题并克服粒子匮乏的现象;接着又通过添加辅助粒子v,将下一时刻观测值权值大的粒子进行标识,使粒子权值ωik∝p(xk｜yik-1)p(xk｜μik-1)更加稳定;给出了运动物体的红外成像消噪模型。实验仿真表明：正则粒子重采样算法通过添加辅助粒子使红外成像消噪效果好,成像清晰度在95%以上。