基于B样条小波的偏微分方程图像去噪方法

提出一种基于B样条小波的偏微分方程图像去噪方法.先对图像进行B样条小波变换,将得到的高频系数采用偏微分方程方法去噪,迭代次数采用去相关最优停止准则进行控制;将得到的低频系数进行阈值处理,阈值选取采用基于信息熵的阈值选择策略,然后对处理后的小波系数进行B样条小波逆变换,得到去噪后的图像.数值实验表明,改进算法能克服B样条小波变换与偏微分方程去噪的不足,增强去噪能力,同时有效保护图像边缘和细节信息.     

航拍图像噪声分析及滤除方法研究

对航拍图像所含噪声进行了分析,针对航拍图像主要舍有高斯白噪声和脉冲噪声的特点,根据后续数据处理需要,提出一种基于四阶偏微分方程（PDE）去噪模型与改进的自适应中值滤波相结合的混合去噪方法。首先使用改进的中值滤波去除脉冲噪声,然后利用四阶偏微分方程的各向异性及边界滞留特性进行图像滤波。实验表明,该方法在去除噪声和保持边界的同时,还能避免产生阶梯效应,比单独采用其中一种方法的去噪效果更为显著,鲁棒性更强。     

数字图像处理中的偏微分方程去噪模型的研究

医学图像的去噪处理是对医学图像进行后续分析的基础。通过研究偏微分方程去噪模型,将建立的偏微分模型用于目标图像,来达到预期效果。文中论述了基于偏微分方程去噪模型的推导过程,分析了偏微分方程去噪模型从线性到非线性、从各向同性到各向异性、从低阶到高阶的发展历程及各个偏微分方程去噪模型的优缺点,最后对偏微分去噪方法进行了展望。     

基于正则化变分模型的SAR图像增强方法

讨论合成孔径雷达（SAR）图像的噪声抑制与分辨率增强问题.建立偏微分方程抑噪方法与正则化点增强方法相结合的正则化变分模型,该模型同时具有偏微分方程模型的抑噪优势和正则化模型的分辨率增强优势.在图像的背景区域采用偏微分方程模型进行噪声抑制,而在图像的目标区域,先采用后向扩散方程进行锐化,然后再采用正则化模型进行分辨率增强,使整幅图像的处理结果均得到优化.此外,在偏微分方程抑噪模型的构造上,结合SAR成像的工程背景,提出了基于SAR图像幅度信息的前向-后向扩散方程,使方程能有效抑制图像背景区域的噪声并锐化目标边缘.大量的试验结果表明该方法能有效增强目标的强散射点,显著抑制噪杂波区的噪声.     

用偏微分方程作图像分析与处理

从偏微分方程去噪模型出发,论述了噪声抑制的原理,去噪方法与正则化方法和小波萎缩方法之间的联系;并根据这种联系,从正则化模型的角度分析了用偏微分方程进行图像复原以及超分辨等方面的应用。最后展望了发展前景。     

一种有效的各向异性去啴模型

基于经典的模型,提出一种新的扩散模型。该模型在第一阶段利用小波域wiener滤波时图像进行消噪,之后通过各向异性扩散去除伪。噪声图像经过方法处理后,既消除了小波去噪经常出现的伪效应,又避免了偏微分方程方法去噪中出现的阶梯效应,较好保存了细节,提高了峰值信噪比,大量实验表明它是一种有效的去噪方法。     

基于二维经验模态分解的高光谱影像去噪方法

高光谱遥感图像同时具有二维空间信息数据和一维光谱信息数据,具有图谱合一的特点且谱间信息具有强烈的相关性,针对高光谱图像的这些特点,提出一种基于二维经验模态分解的高光谱图像降噪方法。该方法利用二维经验模态分解对各波段的高光谱图像分别进行分解,得到不同尺度的固有模态函数;根据含噪声较大的波段和含噪声较小的波段的谱间对应关系计算权系数值,对含噪声较小波段的高频固有模态函数系数进行加权求和,利用加权后的系数值代替含噪声较大的波段的高频固有模态函数系数;利用去噪后的高频系数进行重构得到去噪后的高光谱图像。实验表明,该方法能够对高光谱影像进行有效去噪,同时亦能较好地保留图像细节信息,与经典的小波去噪方法相比,使用该方法去噪后的图像具有更高的峰值信噪比和更好的视觉效果。     

基于小波系数和LS-SVM的图像去噪

提出一种基于小波系数和最小二乘支持向量机(LS-SVM)的图像去噪方法.根据小波系数的性质,依据邻域小波系数的平均值来选取特征向量来进行训练,然后用训练得到的LS-SVM分类器将含噪图像中的像素分为噪声或非噪声点,进行去噪处理.实验结果表明该方法能达到较高的峰值信噪比,具有很好的去噪效果.     

基于总体最小二乘的红外图像去噪

针对红外图像存在的加性、乘性及混合噪声,采用从图像中截取图像块,再用图像块的线性结合对原图像进行去噪,总体最小二乘算法用来求解其中的系数向量,充分考虑了噪声图像中存在的不确定性,通过这组系数得到去噪后的红外图像.在对像素点空间关系权重的求解上,采用模糊核聚类算法将红外图像粗略进行聚类,归为同一类的像素点之间存在较强空间约束关系,否则认为它们之间存在较弱空间约束.通过与维纳滤波算法比较,仿真结果证明了总体最小二乘去噪算法在红外图像的视觉质量和信噪比改善两个方面的有效性.最后通过比较无噪红外图像与去噪红外图像的直方图表明总体最小二乘去噪算法的优越性.     

基于四阶偏微分方程的并行图像去噪算法

四阶偏微分方程(PDE)图像去噪方法具有良好的去噪性能,但该类方法计算量大,耗时长.为提高算法的快速性和有效性,提出一种高效并行的四阶PDE图像去噪算法.该方法基于MPI并行环境,通过分析四阶PDE离散化后差分方程求解的并行性,对噪声图像进行条状重叠的数据划分,采用并行方式对图像去噪,极大地降低了运行时间.     

基于广义变分正则化的红外图像噪声抑制方法

文中提出了一种广义变分正则化的红外图像噪声抑制方法,该方法采用p-范数代替目前广泛被采用的全变分范数作为正则项,构造了用于抑制图像噪声的展平泛函,从而将图像噪声抑制问题转化为能量泛函优化问题。通过推导,得到了相应的用于图像噪声抑制的非线性偏微分方程,并采用固定点迭代算法进行线性化求解,使得迭代解稳定收敛。数值试验结果表明,该方法能够有效地去除图像噪声,较之全变分图像噪声抑制方法,新方法进一步提高了对小宽度图像边缘的保持能力,是一种有效且性能优良的红外图像噪声抑制方法。     

联合小波域和频域的图像去模糊算法

提出了一种在小波域和频域上联合恢复模糊图像的算法。首先在小波域上对模糊图像去噪,提出按照贝叶斯公式估计出小波系数的收缩因子,恢复出模糊图像的小波系数值。此后,按照正则化反卷积图像恢复算法,对去噪模糊图像进行恢复。该算法使得反卷积时的正则化算子选取为较小的值,从而恢复的图像既滤除了噪声,同时降低了边缘模糊等振铃效应。实验结果表明,选择拉普拉斯正则化算子,该算法恢复的图像质量优于频域正则化反卷积算法,此外在同等噪声水平下,不同图像的最优正则化参数处在较小的相同动态范围之内,避免了恢复算法中的反复经验试值寻求最优。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

各向异性扩散图像去噪现状研究

介绍了基于偏微分方程(Partial Differential Equations,PDE)各向异性扩散图像去噪的P&M数学模型及各种改进方法,以及引入结构张量的PDE去噪模型和冲击滤波PDE去噪模型,分析各种模型的优缺点,为扩散模型的设计提供了参考。揭示了各向异性扩散去噪与贝叶斯最大后验估计(MAP)去噪的内在联系,通过扩散系数的计算分析几类常用去噪模型的保边性能。阐述了一类特殊PDE去噪模型(总变分去噪模型)与小波阈值去噪之间的相关性,从而可以通过小波系数的范数近似求解一些特殊的变分问题,避免复杂的非线性求解过程。最后对各向异性扩散图像去噪的未来发展进行了展望。     

红外热波无损检测图像噪声分析与抑制

分析了红外热波检测图像中噪声生成机理,针对图像的噪声去除增强问题,提出了一种改进的非线性偏微分方程的热波检测图像去噪增强方法。对偏微分方程在图像处理应用中的理论基础进行研究,针对现有的偏微分方程模型在图像去噪中存在的问题,并结合热波图像的特点,改进相应的偏微分方程数学模型,在此基础上对获得原始热图进行编程处理,试验结果表明：经过处理后的图像信噪比提高,对比度得到了改善,为后续的缺陷提取及损伤识别奠定了基础。     

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。     

基于小波域Curvelet变换的湍流图像去噪算法

为了提高湍流图像的空间分辨率,提出了一种基于小波域Curvelet变换(wavelet domain Curvelet transform,WDCT)的湍流图像去噪算法。该算法根据湍流退化图像噪声的统计特性,结合贝叶斯萎缩方法优化阈值选择。首先,对含噪湍流图像进行单层二维离散小波变换,接着提取高频系数并对它作快速离散Curvelet变换,最后根据贝叶斯准则估计阈值T,改进阈值的自适应选取方法,获得最优阈值,最后给出湍流图像去噪实现过程。为验证本文算法,根据客观评价标准峰值信噪比(peak signal to noise ratio,PSNR)和均方根误差(mean square error,MSE),对模拟图像和实测湍流图像进行去噪实验。与DWT-NABayesShrink算法、UWT算法相比,视觉效果更好,PSNR值分别提高7.27%和4.92%,MSE值分别降低26.3%和23.1%。本文算法得到较清晰的目标图像,对湍流退化图像去噪有一定的应用价值。     

一种基于曲率变分正则化的小波变换图像去噪方法

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征（如边缘、细小纹理等）易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处理,然后用增强图像的水平集曲率建立一个基于水平集曲率的曲率驱动函数,再将曲率驱动函数作为一个校正因子引入到变分模型中,建立曲率变分模型,用以控制图像的整体结构.在缺乏图像梯度信息的情况下,该模型克服了ROF模型错误扩散这一缺点,符合图像处理的形态学原则.最后,用建立的曲率变分模型处理提取的高频成分,重构处理后的高频成分和原来的低频成分,得到去噪后的图像.分析和仿真结果表明,新算法可有效抑制噪声,有极高的图像结构相似度,去噪效果明显.     

The staircasing effect in neighborhood filters and its solution.

Many classical image denoising methods are based on a local averaging of the color, which increases the signal/noise ratio. One of the most used algorithms is the neighborhood filter by Yaroslavsky or sigma filter by Lee, also called in a variant "SUSAN" by Smith and Brady or "Bilateral filter" by Tomasi and Manduchi. These filters replace the actual value of the color at a point by an average of all values of points which are simultaneously close in space and in color. Unfortunately, these filters show a "staircase effect," that is, the creation in the image of flat regions separated by artifact boundaries. In this paper, we first explain the staircase effect by finding the subjacent partial differntial equation (PDE) of the filter. We show that this ill-posed PDE is a variant of another famous image processing model, the Perona-Malik equation, which suffers the same artifacts. As we prove, a simple variant of the neighborhood filter solves the problem. We find the subjacent stable PDE of this variant. Finally, we apply the same correction to the recently introduced NL-means algorithm which had the same staircase effect, for the same reason.