基于稀疏先验的非局域聚类图像去噪算法研究

图像去噪是一类典型的病态（ill-posed）逆问题求解,噪声掩盖下的真实图像并不确定,需要引入先验信息缩小病态问题的求解范围。为了将外部干净图像的先验信息引入去噪进程,提出了一种基于外部干净图像与内部噪声图像稀疏先验的非局域聚类图像去噪算法,通过联合外部干净图像与内部噪声图像的图像块得到类稀疏化表达字典;通过全局的相似块匹配,得到理想图像的稀疏系数估计;基于类字典和估计的稀疏系数,采用压缩感知技术的稀疏重建方法实现图像去噪。实验表明,与传统的非局域稀疏聚类图像去噪方法相比,所提算法显著降低去噪块效应,在保留更多细节的同时,图像平坦区域过渡更加自然;而理想图像先验来源的扩展则进一步提高了算法在强噪声下的去噪性能,对强噪声具有更强的抑制能力。     

基于联合稀疏变换学习的工件去噪方法研究

针对视觉测量中给光好坏会直接影响工件检测精度和效率的问题,提出了一种基于联合稀疏变换学习对不同光源下工件图像去噪的方法。该方法首先从噪声图像中提取噪声图像块,通过稀疏编码和稀疏变换更新交替运算对噪声图像块进行内部聚类变换学习;然后计算每个噪声图像块中聚类信号的稀疏水平,并选择最小稀疏水平作为该去噪块的稀疏水平;最后对去噪块进行聚类并用最后一次迭代去噪块的均值估计去噪图像。实验结果表明,提出的方法对不同光源下工件图像的去噪效果和计算速度均优于其他算法,具有较好的去噪性能。     

SAR图像稀疏优化滤波

提出一种基于稀疏优化模型的SAR图像滤波算法。该算法建立在超完备字典稀疏表示基础上,具有较强的数据稀疏性和稳健的建模假设。首先依据SAR图像的结构特征,运用正则化方法建立多目标稀疏优化模型,然后通过冗余字典稀疏优化变换系数,利用冗余字典以及具有点奇异性的小波和线奇异性的剪切波构造超完备字典,最后通过对优化问题的求解,重建SAR图像场景分辨单元的平均强度,实现了SAR图像的滤波。实验结果表明,该算法对SAR图像相干斑噪声具有很好的抑制效果,并且具有增强滤波图像纹理细节特征的优点。     

一种改进正态逆高斯分布模型的图像去噪算法*

针对传统去噪算法去除含噪声较大的图像时仍有部分噪声残留的问题,本文基于变换域提出一种改进正态逆高斯分布的图像去噪算法。该算法在非下采样剪切波变换域,利用最优线性插值阈值函数改进正态逆高斯模型作为系数分布模型,对高频子带分解系数进行统计建模,以贝叶斯最大后验概率理论实现图像去噪。实验结果表明对于添加不同标准差的高斯白噪声图像,该算法在有效保留图像细节和纹理信息的同时在峰值信噪比方面优于同类去噪算法。     

基于稀疏表达的图像文档二值化技术仿真研究

研究了针对文档图像或者图形图像的去噪算法.传统二值化文档图像去噪算法无法满足识别准确性的需要的缺陷,利用文档图像或者图形图像中的线段方向信息,提出了一种利用曲线波变换和基追踪去噪算法相结合的图像去噪算法.首先进行曲线波变化,从而得到一个噪声图像的稀疏表达,然后利用基追踪去噪算法得到一个对无噪声图像的最优估计.在最优化计算过程中引入了对图像噪声的估计,从而能获得更好的图形去噪效果.实验显示改进的方法能较传统方法能够提供更好的去噪结果.能为图形处理提供良好的输入图像,可被图形识别和处理系统广泛应用.     

自适应匹配追踪图像去噪算法

针对目前的稀疏去噪算法分解效率低、去噪效果不理想的问题,提出了一种基于自适应匹配追踪的图像去噪算法。该算法首先通过自适应匹配追踪算法求解稀疏系数,然后利用K奇异值分解算法将字典训练成能够有效反映图像结构特征的自适应字典,最后将稀疏系数与自适应字典相结合来重构图像。在重构过程中,将噪声对应的系数去除,最终达到去噪的效果。算法引入Spike-Slab先验来引导稀疏系数矩阵的稀疏性,并利用两个权重矩阵促使去噪模型更加真实。鉴于字典在稀疏算法中的重要性,将自适应字典与DCT冗余字典、Global字典进行比较。实验结果显示,选择自适应字典的去噪结果比传统字典在峰值信噪比上高出约4.5 dB;与目前6种主流的稀疏去噪方法相比,文中提出的方法在3种评价指标上均有不同程度的提高,其中峰值信噪比平均提高了约0.76~6.24 dB,特征相似度平均提高了约0.012~0.082,结构相似性平均提高了约0.015~0.108。对图像去噪算法进行定性的评价,结果显示所提算法保留了更多的有用信息,视觉效果最佳。实验充分证明了自适应匹配追踪图像去噪算法对图像去噪的有效性和鲁棒性。     

基于Contourlet域的SAR图像去噪算法

从SAR图像斑点噪声特性和Contourlet变换系数的统计特点出发,将Contourlet变换与二元收缩去噪模型相结合,提出一种新的基于Contourlet变换的SAR图像去噪方法。对于高分辨率SAR 图像,该算法能更有效地去除SAR图像上的斑点噪声。     

基于非局部自相似的Shearlet自适应收缩图像去噪

针对Shearlet收缩去噪引入的Gibbs伪影和"裂痕"现象,提出一种结合非局部自相似的Shearlet自适应收缩图像去噪方法.首先,对噪声图像进行多方向多尺度的Shearlet分解;然后,基于高斯比例混合(GSM)模型的Shearlet系数分布建模,利用贝叶斯最小二乘估计对Shearlet系数进行自适应收缩去噪,重构得到初始去噪图像;最后,利用非局域自相似模型对初始去噪图像进行滤波处理,得到最终的去噪图像.实验结果表明,所提方法在更好地保留边缘特征的同时,有效地去除噪声和收缩去噪引入的Gibbs伪影,该方法获得的峰值信噪比(PSNR)和结构自相似指标(SSIM)比基于非抽样剪切波变换(NSST)的硬阈值去噪方法提高1.41 dB和0.08;比非抽样Shearlet域GSM模型去噪方法提高1.04 dB和0.045;比基于三变量模型的剪切波去噪方法提高0.64 dB和0.025.     

结合FT与NSCT的自适应阈值去噪算法

为更好地对图像进行稀疏表示,以改善去噪效果,提出一种傅里叶变换与非下采样轮廓波变换(NSCT)相结合的自适应阈值去噪算法。在傅里叶域中对含噪图像去噪,在NSCT域中利用分层噪声估计的贝叶斯阈值算法,结合多尺度多方向的能量阈值修正方案自适应地滤除剩余噪声。实验结果表明,该算法的去噪性能较好。     

基于多项式拟合的稀疏编码图像去噪算法研究

为解决传统稀疏编码在图像去噪的过程中无法根据图像数据特点来决定稀疏编码的收缩函数的问题,提出了一种基于多项式拟合的稀疏编码图像去噪算法,该方法采用多项式来拟合稀疏系数的概率密度函数,进而估计稀疏系数的收缩函数,有效地解决了传统的去噪变量的概率密度模型无法反映图像数据特点的问题。仿真计算结果验证了该算法的有效性,并且在效果上要明显优于最大似然估计算法。     

一种抑制SAR图像相干斑的空域滤波算法

为在保护SAR图像边缘特征的同时有效抑制乘性相干斑噪声,提出了一种空域滤波新算法。该算法以负指数衰减型加权滤波模型为基础,通过将SAR图像多种局部统计参量巧妙结合作为联合衰减因子,形成与SAR图像区域分布特性相适应的负指数型加权系数;同时采取两次滤波策略,先由预滤波削弱SAR图像相干斑噪声并估计获得更精准的局部统计参量,然后借助精细局部统计参量再对原SAR图像实施精细滤波。实验结果表明,与多种抑斑算法相比,该算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。     

基于双树复小波变换的相位保持SAR图像降噪

为更有效地抑制噪声,提出了一种基于非正交复值log-Gabor小波变换的SAR图像斑点噪声消除算法。该算法通过相位保持消噪的门限操作确保相位信息不受破坏。由于用单一的乘性模型或加性模型消除SAR图像的斑点噪声都不能取得很好的效果,为此使用具有平移不变性及更多方向选择性的双树复小波变换图像融合算法,通过选择适当的融合规则,使乘性和加性噪声模型优势互补,就能有效抑制斑点噪声。实验结果显示,这种消噪方法与其他方法相比,有明显优势。     

侧扫声呐图像的3维块匹配降斑方法

斑点噪声是影响侧扫声呐图像质量的主要因素,降斑处理对侧扫声呐图像的判别与分析非常重要。针对侧扫声呐图像自身特性和斑点噪声分布特点,提出一种基于3维块匹配(BM3D)的降斑方法。根据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布模型,然后通过高斯光滑函数幂变换将瑞利分布的噪声转化为高斯分布,通过对数变换将乘性噪声转变为加性噪声,再进行自适应的BM3D滤波,最后采用逆变换得到降斑图像。实验结果表明,该方法在降噪、边缘和纹理保持等方面均优于空间域、小波域、Curvelet域的一些降斑方法。     

基于BayesShrink软阈值的Bandelet域SAR图像去噪

合成孔径雷达(SAR)图像产生的相干斑噪声是一种乘性噪声,严重影响SAR图像的质量.本文提出一种新的极化SAR图像的去噪方法,该方法对极化SAR图像进行自适应Bandelets阈值方法,阈值采用BayesShrink软阈值方法,将其应用于自适应Bandelets系数.通过实验对比,证实此法与小波阈值去噪相比,能够更好地...     

改进卷积神经网络SAR图像去噪算法

合成孔径雷达（SAR）通常会被一种称为散斑的乘性噪声干扰，这使得图像的解释变得困难。为解决这一问题，提出一种改进卷积神经网络SAR图像去噪方法。对图像进行下采样再对下采样子图像进行卷积提取特征，这可以有效扩大感受野提高去噪效率；为了减少梯度消失问题和提高模型去噪性能，网络又引入了跳跃连接和残差学习策略；利用仿真和实测数据对网络进行测试与评估，实验结果表明提出的方法具有良好的去噪效果和较高的计算效率，对比其他去噪方法，该方法不仅去噪效果好，而且效率更高。     

基于异质性预矫正的小波域SAR图像去斑*

目的 真实SAR图像在去斑过程中易存在过平滑现象,针对此问题提出了一种对图像预矫正后再进行去斑处理的方法。方法 对含斑图像做小波分解,以多尺度局部变差系数作为异质性测度,提出一种基于该测度的自适应预矫正函数,将小波子带划分为四类区域,对各区域采取不同的预处理策略;在此基础上对预矫正图像采用常规的小波域去斑算法。结果 对真实SAR图像去斑的实验表明,该方法在抑制相干斑和保持图像细节方面均有较显著的改善。结论 这种预矫正过程简单、实用,并且可以和多种常规的去斑算法相结合,具有一定的推广和应用价值。     

改进的基于非局部均值的极化SAR相干斑抑制

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好地保持了边缘细节和点目标.通过分析合成孔径雷达(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.     

基于惩罚系数自适应修正的SAR图像滤波新算法

合成孔径雷达(SAR)图像存在较强的相干斑点噪声,严重地影响了地物信息的提取与SAR图像的应用效果。提出了一种新的SAR图像斑点噪声滤波算法,该算法以一种基于膜模型的M arkov随机场的近似最优迭代滤波算法(TSPR)为基础,考虑了邻域空间关系对势能函数的影响,并通过在迭代过程中自适应修正惩罚系数,来达到更好的斑点噪声滤波效果。通过对含不同强度斑点噪声的退化图像的对比试验结果来看,该算法在提高处理后图像的信噪比方面,能够取得较TSPR算法更佳的效果。     

基于复小波噪声方差显著修正的SAR图像去噪

提出了一种基于复小波域统计建模与噪声方差估计显著性修正相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像斑点噪声滤波方法。该方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,然后对变换后的图像进行双树复小波变换(Dualtree Complex Wavelet Transform,DCWT),并对复数小波系数的统计分布进行建模。在此先验分布的基础上,通过运用贝叶斯估计方法从含噪系数中恢复原始系数,达到滤除噪声的目的。实验结果表明该方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪效果。