图形图像噪声滤除的聚类分析算法

0.引言 噪声滤除是图形图像处理过程中的重要环节.它的任务是对影像采集过程中由于受环境、设备等多种因素的影响而夹杂于图像中的噪声干扰加以检测并去除,从而提高影像质量和视觉效果,为图像信息提取与分析扫除障碍.     

一种组合抗噪边缘检测算法

对受到多种噪声影响的图像进行边缘检测,结果会很不理想.采用了一种基于中值滤波和多结构元的数学形态学抗噪边缘检测算子相结合的边缘检测方法,在对受多种噪声影响的图像进行边缘检测时,能够有效地抑制噪声,保护边缘细节,提高检测精度.     

基于角点定位的印刷品缺陷检测

通过CCD采集到的图像受光照及环境干扰存在大量噪声,本文首先用中值滤波去除噪声、保留图像边缘细节.缺陷检测中选择了基于角点的定位方法,该算法计算量小、速度快,能够满足在线印刷品检测的要求.定位后待检测图像需要与标准图像配准,通过图像减法得到差分图像,将其各象素与预先设定好的阈值进行比较,如果大于阈值,则记为缺陷点.本文...     

提高斜模式遥感图像有效分辨率的方法

利用梯度保真项具有补偿高频信息的能力,提出一种变分偏微分方程复原方法,用于提高斜模式遥感图像的有效分辨率.分析了斜模式采样条件下混叠现象的产生机理;用最佳倒易晶胞理论求出受混叠与噪声影响最小的斜模式采样图像频谱;对该图像频谱用文中方法去除模糊以得到分辨率提高的图像.实验结果表明,该方法能较好地去除混叠、模糊以及噪声对图像质量的影响,复原图像的信噪比高.     

一种X射线图像增强新方法

针对X射线图像对比度不高,图像偏暗,边缘模糊,噪声大的问题,提出了一种小波变换和模糊理论相结合的图像增强新方法.首先,将射线图像进行小波分解获得低频子带和高频子带,然后,对含有图像基本面貌特征和主要能量信息的低频子带采用广义模糊算子进行处理,能较好地提升图像对比度和局部亮度,对含有噪声和细节信息的高频子带利用软阈值去噪方法进行去噪处理,同时定义了一种新的增强算子,在去噪的同时进行细节增强,最后,对处理后的图像进行小波重构.实验结果表明:该方法可以有效去除图像噪声,提升图像对比度和清晰度,视觉效果良好.     

基于PSO算法的图像分割方法

针对大多数图像分割方法计算量大、不利于实时处理的缺点,提出用微粒群算法（PSO）优化最小误差分割方法.该方法不但具备最小误差分割法受目标和噪声影响小以及对小图像分割效果好的优点,还克服了遗传算法等加速算法需要预先设定众多运行参数,受目标变化影响大的问题.图像分割的效果和速度得到了提高,性能也更加稳定.实验结果反映了该方法的有效性.     

高斯图像噪声实现的两种改进

该文对传统的高斯图像噪声的实现从高斯特性和噪声率等方面提出了两种改进方法,并给出按改进方法和传统方法产生的高斯噪声图像的直方图。改进方法较传统方法有高斯特性更准确,噪声率(图像中受噪声影响的像素数与总像素数之比)可调,“白”性不变等特点,更适于成为图像处理研究的噪声源。     

基于简化Mumford-Shah模型的水平集红外图像分割算法

由于红外图像大多具有目标模糊,对比度低的特点,传统的分割方法容易受到噪声和边界轮廓的影响而导致分割效果不佳,提出了一种基于简化Mumford-Shah模型的水平集红外图像分割算法.该算法能够通过将初始闭合曲线嵌入水平集函数,利用函数的求解从而达到图像分割的目的.仿真实验结果表明,该分割算法与初始轮廓线位置无关,受边界轮廓线和图像噪声的影响较小,具有较强的鲁棒性,在目标与背景灰度级差别较小的红外图像的分割中取得了较好的效果.     

小波及拉氏算子在管道焊缝缺陷检测中的应用

通常数字化的X射线图像存在噪声且对比度较差,给缺陷识别带来一定难度.文章在图像分解的基础上,利用小波分析对工业X射线天然气管道焊缝缺陷图像进行去噪处理,有效地改善了图像质量,又根据Laplacian算子检测图像边缘快速性的特点,参照天然气管道焊缝图像的特征,提出一种基于小波与Laplacian算子相结合的管道焊缝缺陷识别方法,仿真结果证明了此方法有效性及可靠性.     

脑部MR图像的Sigma-IFCM分割算法

受成像原理、设备及环境的影响,脑部MR图像一般都有大量的噪声,给图像分割造成很大困难。在IFCM算法的基础上通过引用Sigma过滤器原理,改变邻居像素点的计算方法,对分割后的图像进行去毛刺和边部光滑处理,并在模拟的脑部MR图像上进行分割实验。     

盲环境下稀疏编码监控视频图像降噪仿真

针对盲环境监控视频图像降噪问题,以及当前图像降噪方法中存在的运行效率较低、降噪图像失真度较高等不足之处,结合稀疏编码技术,提出盲环境下稀疏编码监控视频图像降噪方法。根据稀疏表示理论,将其扩展应用到监控视频图像中,利用正交匹配追踪算法对待处理图像进行稀疏编码;采用自适应方式从含噪图像块样本中获取字典,结合自变量分解及拉格朗日算法进行相关问题求解,并据此对图像稀疏编码系数进行优化;结合噪声模型与图像系统的观察模型,对待处理图像进行噪声估计,根据全部噪声估计均值进行图像降噪处理。仿真结果表明,所提盲环境下稀疏编码监控视频图像降噪方法的图像降噪效果优于实验对比方法,且降噪处理时间更短,具有较好的鲁棒性。     

基于峭度图像的超分辨率重建算法

针对在强噪声环境下,传统的超分辨率重建算法重建图像效果不佳的问题,提出一种基于峭度图像的超分辨率重建算法。定义峭度图像,从统计学角度分析得到峭度图像的2个重要性质,即具有高斯不变性,并且图像越模糊,峭度绝对值越小。在满足高分辨率图像与低分辨率图像之间反卷积的剩余误差有界的前提下,通过最大化峭度绝对值求解未知的高分辨率图像,采用Lagrange乘子法则求解此约束优化问题。分析高斯噪声和非高斯噪声环境下算法性能。仿真结果表明,该算法在主观视觉和客观评价上都明显优于传统算法。     

Towards a novel image denoising method with edge-preserving sparse representation based on laplacian of B-spline edge-detection

To address the edge structure preservation problem in sparse representation image denoising, a Laplacian of B-spline (LOBS) edge detection operator was brought out, which solves the problem of singleness of existing edge-detection operators under noise environment and lack of robustness to noise to some extent. Based on LOBS operator, a novel sparse-based edge preservation image denoising method (ESRIDM) was proposed. It determines edge region by computing gradient with LOBS operator. The non-edge region was denoised normally, while noise in edge region can be filtered by setting appropriate threshold. Simulation experiment compared with Laplacian-of-Gaussian (LOG) operator and Canny operator shows that the LOBS edge-detection operator has better robustness and lost less edge. Denoising experiments on general images and video monitoring images show that this novel method can achieve better denoising effect in subjective vision.     

贝叶斯理论在移动目标检测中的应用

复杂背景下精准的移动目标检测是智能监控系统的重要任务之一,而移动目标检测中,阈值的选择是关键因素之一。传统的固定阈值检测算法很难满足光照等复杂环境的实际需要,利用贝叶斯理论,提出了自适应的动态阈值移动目标检测算法,通过引入前景图像的均值和方差,以及背景图像的均值,获得自适应的动态阈值,用于克服光照等复杂条件的不利影响。实验结果显示,同传统的固定阈值检测算法相比,提出的算法可以有效地克服噪声的影响,并且在复杂环境下具有更好的鲁棒性和稳定性。     

基于变分正则化的低质视频图像二维增强仿真

受环境、硬件设备及成本等因素限制,所生产的视频质量低,存在大量冗余噪声,导致局部区域图像模糊不清,无法对目标个体判定或识别。为解决上述问题,构建一种基于变分正则化的低质视频图像二维增强方法。通过采集先验信息,确定噪声去除和质量增强区域,随后使用ROF经典模型和偏微分对原始图像做平滑及去噪处理,并提出前后扩散方程,使方法能够有效抑制背景区域噪声,并对目标个体边缘做锐化处理,利用变分正则化提升视频图像整体分辨率,使其完成图像二维增强。仿真结果表明,所提方法具有控制噪声与加强图像质量双重优势,有效去除、抑制噪声影响,提升目标个体区域强散射点,且方法复杂程度较低,能够实现低质视频图像的均衡优化。     

基于离群特征的γ辐射图像去噪方法

针对Co60辐射环境中γ光子穿透CMOS图像传感器时致使场景图像存在斑块噪声的问题,提出了一种基于离群特征的γ辐射图像去噪方法。首先在序列图像中逐点获取对应的像素序列,并将该像素序列进行光照归一化以消除图像帧之间光照差异影响;然后在光照归一化后像素序列中利用噪声像素值的离群特性判断当前像素点是否为噪点;最后利用序列中各点的一、二阶离群特征筛选有效像素序列,并将其均值进行逆光照归一化以作为噪点修复的像素值。所提方法与多种典型去噪方法分别在高剂量率区和低剂量率区的真实γ辐射图像上进行了对比实验,该方法均取得了最佳去噪效果。     

基于模糊连接度的高分辨率SAR图像道路自动提取

针对高分辨率合成孔径雷达(SAR)图像受到乘性斑点噪声的影响,且道路环境复杂多变的问题,提出一种基于模糊连接度的高分辨率SAR图像道路自动提取方法。首先,对SAR图像进行斑点滤波,以降低斑点噪声的影响;其次,结合指数加权均值比(ROEWA)算子检测结果和模糊C均值(FCM)分割结果自动提取种子点,从而提高自动化程度;最后,利用以图像灰度和ROEWA检测算子边缘强度为特征的模糊连接度算法对种子点进行扩展提取道路,经形态学处理后得到最终结果。对两幅SAR图像进行实验,并与FCM方法分割出的道路结果进行比较,所提出的方法在提取完整率、正确率及检测质量上均优于模糊C均值方法。实验结果表明,所提出的方法能较有效地从高分辨率SAR图像中提取不同宽度和弯曲程度的道路,且无需人工输入种子点。     

基于One-class SVM的噪声图像分割方法

为解决现有无监督图像分割模型对强噪声环境鲁棒性差、无法适应复杂混合噪声的问题,提出了一种基于One-class SVM方法的改进后的噪声鲁棒图像分割模型。首先,基于One-class SVM构建一种数据离群程度检测机制;然后,将离群程度值引入能量泛函,令分割模型可以在多种噪声强度下获得较为准确的图像信息,同时避免现有方法在强噪声环境下,降权机制失效的问题;最后,通过最小化能量函数,驱动分割轮廓向目标边缘演化。在噪声图像分割实验中,当选取不同类型和强度的噪声时,该模型均能得到较为理想的分割结果。在F₁-score评估标准下,该模型比基于局部相关熵的K-means（LCK）模型高0.2~0.3,在强噪声环境下具有更高的稳定性,且在分割收敛时间上仅略大于LCK模型0.1 s左右。实验结果表明,所提模型在未显著增加分割耗时的前提下,对于概率、极值及混合噪声均有着更强的鲁棒性,并且可以分割带有噪声的自然图像。     

基于条件生成对抗网络的CT图像去噪方法

医学图像在重建过程中总会受到噪声干扰,对于此问题,本文提出了一种基于条件生成对抗网络(CGAN)的去噪方法,算法以完整图像作为网络的输入及输出,使生成的图像信息更加稳定可靠。为了适应CT图像的特点,本文对CGAN结构进行了改进,使其能够适应不同噪声水平下的加性高斯白噪声,为了提高效率,在判别器进行训练时采用了损失判别,且在Tensorflow环境下训练网络模型。实验结果表明,与其他传统图像去噪算法相比,本方法能在保留特征信息的同时有效减少图像中的噪声。     

一种改进的基于非局部均值的极化SAR相干斑抑制算法

贝叶斯形式的非局部均值模型在极化SAR图像相干斑抑制中有良好的应用,在实现抑制相干斑的同时较地保持了边缘细节和点目标。本文通过分析SAR图像多视数据的空间统计分布,结合贝叶斯形式的非局部均值模型,得出了在该模型下多视与单视SAR图像中像素间相似性度量函数一致性的结论,并对该相似性度量函数进行了修正,使之满足对称性;最后针对算法全局使用一个固定滤波参数影响滤波效果的问题,提出了一种根据像素间相似程度自适应选取滤波参数的方法。实验结果验证了本文算法的有效性。