SAR图像去噪的非局部均值算法改进

针对非局部均值算法在合成孔径雷达(Synthetic Aperture Radar,SAR)图像的边缘和纹理区域去噪效果较模糊的问题,探讨改进了非局部均值算法的权重部分,把高斯加权的空间距离与非局部均值算法的权重系数相结合,构造新的权重系数,提出了一种基于改进非局部均值算法的SAR图像去噪算法.首先,使用对数变换处理图...     

NSCT域红外图像改进非局部均值滤波算法

结合非下采样轮廓波变换(NSCT),提出了一种红外图像改进非局部均值滤波算法(Improved Non-local Means Filtering,INLMF)。该算法首先对红外噪声图像进行多尺度NSCT变换,其次分别从相似图像块自适应划分方法以及滤波权重计算方法 2个方面对经典非局部均值滤波算法进行适当改进,将改进后的非局部均值滤波算法(INLMF)应用于处理高频分解系数,然后将滤波后的高频分解系数与低频分解系数进行重构,得到去噪后的图像,最后对去噪后图像采用非负支撑域有限递归逆滤波(Non-negativity and Support Constraints Recursive Inverse Filtering,NAS-RIF)算法进行图像复原,以尽可能消除因滤波造成的图像失真。测试结果表明,本文算法滤波效果优于NLMF及其已有的改进算法。     

一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1~2 dB。     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

基于双域滤波与引导滤波的快速医学MR图像去噪

针对医学磁共振(Magnetic Resonance,MR)图像 中存在Rician噪声较大以及双域滤波算法对Rician噪声处理不彻底、 运行时间较长的缺点,提出一种双域滤波与引导滤波相结合的快速医学MR 图像去噪算法。 该算法将引导滤波边缘保持后 的图像作为双域滤波算法的原引导图像,减少双域滤波算法的迭代次数,缩短算法运行时间 ;然后通过改进算法权重,结合 原始权重系数和指数核函数,构造新的权重系数,对噪声进行有效处理。实验结果表明,本 文算法能有效去除医学MR图 像噪声,保护图像细节,相比优秀的医学MR图像去噪算法,具有更高的峰值信噪比和结构 相似度;且相比经典双域滤波 算法,改进后的算法能将运行时间减少1/3,相比非局部均值算法, 可减少1/2。     

基于图像区域分割的SAR 图像去噪算法

给出了一种结合图像分割的合成孔径雷达(SAR)图像去噪算法,利用水平集图像分割方法将SAR 图像分割得到多个连通区域,并利用基于结构相似性指数的非局部均值滤波(NLM鄄SSIM)去噪算法对每个连通区域进行去噪。对每个连通域分别去噪利于维持连通区域边缘的原有数值特征,同时也能够保证图像平滑区域的滤波效果,提高了去噪算法的性能。实验部分使用了合成孔径雷达图像中的道路、农田、沟壑和建筑图像块进行测试,将本文算法与非局部均值滤波(NLM)和NLM鄄SSIM 算法进行了去噪效果比较,并通过等效视数(ENL)和边缘平均梯度比(EGR)评价指标验证了文中算法的有效性。     

基于图像中值灰度相似度函数加权曲率滤波算法

曲率滤波算法通过构造滤波算子快速优化变分模型,但全变分曲率滤波及高斯曲率滤波易致去噪过平滑且椒盐噪声去除较差.提出了基于图像中值灰度相似度函数加权曲率滤波算法,其中,中值灰度相似度函数方差取决于小波变换最高频子带系数,能较好防止图像过平滑,且提高椒盐噪声去除能力;因此,采用中值灰度相似度函数分别对局部高斯曲率与局部全变分曲率投影算子加权,并分别迭代局部加权高斯曲率投影算子与局部加权全变分曲率投影算子,直至输出图像梯度总能量满足停止条件.实验表明,基于图像中值灰度相似度函数加权全变分曲率滤波与加权高斯曲率滤波比传统全变分曲率滤波和高斯曲率滤波去噪效果更好.     

采用多级残差滤波的非局部均值图像去噪方法

为充分利用残差中的图像信息以提升非局部均值算法的去噪性能,该文提出一种多级残差图像滤波新方法。首先对含噪图像进行非局部均值滤波得到初始的去噪图像和权值分布矩阵,然后对残差图像进行固定权值非局部均值滤波来提取图像结构信息,将提取的信息经高斯平滑抑噪后作为补偿图像,与去噪图像相加得到增强的恢复图像。针对上述方法提出一种多级滤波的实现方案,从理论上推导证明了该方法的原理及可行性,并提出一种无需参考图像的迭代停止准则来自适应地优选滤波级数。实验结果表明,提出的迭代停止准则能够达到与峰值信噪比一致的优选结果;与经典的非局部均值算法相比,在计算效率相当的情况下,所提方法能够显著地提升其去噪性能,峰值信噪比平均可以提高1.2 dB,且具有更好的细节保持能力。     

一种改进权重的非局部均值滤波算法

传统非局部均值滤波算法采用指数型加权核函数,容易导致图像细节平滑过度,并且权值分配容易受到噪声的影响。针对这一问题,提出一种改进权重的非局部均值滤波算法,设计一种新的加权核函数替代原本的指数型核函数,改善权值的分配。实验结果表明,改进算法降噪效果优于传统非局部均值滤波算法,在滤除噪声的同时更好地保护了图像的边缘与细节,并且噪声强度越大,改进算法的优势越明显。     

基于边缘检测与双边滤波的彩色图像去噪

 针对彩色图像双边滤波去噪方法存在的不足,本文提出一种边缘检测与双边滤波相结合的彩色图像去噪方法.首先利用细胞神经网络(CNN)模型导出一种新的彩色图像分块自适应边缘检测算法,继承了CNN灰度边缘检测算法定位准确的优点,又弥补了CNN现有算法不能直接处理彩色图像的空白.接下来提出一种针对图像增强的边缘滤波算法,通过两级边缘检测满足去噪不同阶段对边缘检测的不同要求.在此基础上,用改进的双边滤波器对彩色图像进行去噪,通过非抗噪边缘图对噪声范围进行定位,以缩小双边滤波的范围,减少去噪过程带来的图像模糊,并且对双边滤波加权平均方式进行改进,减小噪声点本身的权重,降低高频噪声的影响.最后根据滤波后的去噪边缘图对彩色图像进行增强.实验结果表明,文中方法在有效去除噪声的同时保护和增强了图像中的边缘.     

A novel denoising method for infrared image based on bilateral filtering and non-local means

This paper presents an image denoising method based on bilateral filtering and non-local means. The non-local region texture or structure of the image has the characteristics of repetition, which can be used to effectively preserve the edge and detail of the image. And compared with classical methods, bilateral filtering method has a better performance in denosing for the reason that the weight includes the geometric closeness factor and the intensity similarity factor. We combine the geometric closeness factor with the weight of non-local means, and construct a new weight. Experimental results show that the modified algorithm can achieve better performance. And it can protect the image detail and structure information better. This work has been supported by the Student’s Platform for Innovation and Entrepreneurship Training Program (No.201510060022). E-mail:lflian@tjut.edu.cn      

基于非局部的图像去噪方法的发展现状综述

通过对图像的相似块做处理从而达到去噪目的,是当前较为新颖的去噪方法,在对国内外利用相似块去噪文献进行理解和分析的基础上,回顾相似块去噪研究的发展,阐明相似块去噪的原理,并总结了相似块去噪的各种方法。最终基于对相似块去噪方法的分析,提出了对其研究方法的展望。     

Image denoising based on non-local means filter and its method noise thresholding

Non-local means filter uses all the possible self-predictions and self-similarities the image can provide to determine the pixel weights for filtering the noisy image, with the assumption that the image contains an extensive amount of self-similarity. As the pixels are highly correlated and the noise is typically independently and identically distributed, averaging of these pixels results in noise suppression thereby yielding a pixel that is similar to its original value. The non-local means filter removes the noise and cleans the edges without losing too many fine structure and details. But as the noise increases, the performance of non-local means filter deteriorates and the denoised image suffers from blurring and loss of image details. This is because the similar local patches used to find the pixel weights contains noisy pixels. In this paper, the blend of non-local means filter and its method noise thresholding using wavelets is proposed for better image denoising. The performance of the proposed method is compared with wavelet thresholding, bilateral filter, non-local means filter and multi-resolution bilateral filter. It is found that performance of proposed method is superior to wavelet thresholding, bilateral filter and non-local means filter and superior/akin to multi-resolution bilateral filter in terms of method noise, visual quality, PSNR and Image Quality Index.     

非局部均值图像降噪的嵌入式系统实现

非局部均值滤波是一种有效的图像降噪技术,但常规实现方法计算复杂,对存储空间和CPU频率要求较高,不适合用于嵌入式系统。面向嵌入式系统简化非局部均值降噪算法,以很小的图像质量损失为代价大大降低了计算复杂度。在基于ARM11处理器和Windows CE的系统上实现了图像采集、简化非局部均值降噪、显示等功能,可以满足图像处理系统实时性和小型化需求,降噪效果良好。     

基于非局部均值的彩色图像去噪

传统的彩色图像去噪算法通常是分层处理的,而忽略了彩色图像RGB通道之间的相关性,因此基于RGB通道联合相似度估计提出了一种新的彩色图像非局部均值去噪方法。在用非局部均值滤波对彩色图像进行去噪时,首先以目标像素为中心确定其支撑区域,然后根据多通道联合相似度估计确定权重,最后采用逐块滤波的方法对每一层进行滤波。并且针对彩色图像中含有的高斯噪声提出了一种新的噪声参数估计方法。由实验结果可以看出该算法比传统的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在图像去噪过程中考虑三通道之间的相关性是必要的,同时也证明了算法的有效性。     

基于块匹配和三维滤波的相干激光雷达图像去噪研究

针对相干激光雷达距离像和强度像的不同噪声特性,分别采用基于块匹配和三维滤波(BM3D)算法对距离像和强度像进行了去噪处理,并与非局部均值(NLM)算法的去噪结果进行了比较和分析。实验仿真结果表明,对于强度像,同态BM3D算法明显好于同态NLM算法,在保持目标区域的灰度分布均匀性、保持及恢复图像边缘等方面具有较好的性能;对于距离像,由于一般更注重保持正确的距离值,BM3D和NLM算法均不够理想。     

基于非局部图像去噪的方法研究

提出了一种利用非局部相似的图像去噪方法,通过非凸函数阈值得到噪声图像的多个初步去噪图像,其参数的选择较接近,并将这些初步去噪的图像选取相似块,利用非局部平均的方法,对图像进行去噪恢复。通过实验可知,文中提出的方法对于噪声图像去噪具有较好的效果,与典型的非局部平均方法相比,该方法能得到更好的峰值信噪比。     

结合NSST和快速非局部均值滤波的刀具图像去噪

为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform, NSST)和快速非局部均值(Fast Non-local Means, FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median, DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。