基于双边滤波与非局部均值的图像去噪研究

提出了一种基于双边滤波与非局部均值的图像去 噪算法,近年来提出的非局部均值算法是去噪效果非常 出色的算法之一,双边滤波去噪算法采用空间邻近度和灰度相似性构造新的权重系数,其取 得了良好的去噪效果,本文 据此改进非局部均值算法的权重部分,把空间邻近度因子与非局部均值的权重系数相结合, 构造新的权重系数。实验表 明,本文改进权重的非局部均值算法与已有的去噪方法相比,能得到更好的峰值信噪比,能 更好的保护图像细节以及结构信息。     

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.     

基于低秩分解和改进的非局部平均的SAR图像相干斑抑制

为抑制合成孔径雷达（SAR）图像成像过程中形成的相干斑噪声,提出了一种基于低秩分解和改进的非局部平均的SAR图像相干斑去噪方法。首先将SAR图像进行对数处理,将乘性噪声转换为加性噪声;然后利用低秩稀疏分解将对数图像分解成低秩图像部分和稀疏图像部分;接着对含噪严重的稀疏图像部分分析其结构张量,生成非局部平均滤波所需的衰减因子,进行改进的非局部平均滤波去噪;最后再做图像合成,经指数变换得到去噪后的SAR图像。实验结果表明,该方法经视觉评价、边缘保持指数（EPI）和等效视数（ENL）等方面评测,具有较好的抑制噪声和保持边缘及纹理细节的能力。      

红外图像改进非局部均值滤波算法研究

为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF)。该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证。结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的。     

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。     

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。      

一种用于太赫兹共焦扫描图像复原的复合算法

THz 共焦扫描成像中,由于太赫兹激光器不可能恒定输出和采集信号微弱等原因,导致成像质量有待提高;数字图像复原方法是一种节约系统成本和空间的有效手段。文中提出了一种用于太赫兹共焦扫描图像复原的基于两步背景抑制、中值非局部均值(MNLM)滤波和灰度变换的复合方法,并将此方法用于真实太赫兹图像,与中值滤波、开运算和非局部均值滤波相比较。真实图像处理结果表明,此方法具有较好的复原效果,尤其是图像对比度有明显提高。     

基于几何模型的SAR图像斑点噪声的抑制

斑点噪声的抑制一直是合成孔径雷达(SAR)图像处理的重要研究课题。本文利用几何模型对合成孔径雷达图像进行滤波。通过对几何模型除噪性能进行分析,提出了一个数值计算的改进格式。新的迭代格式能较好地保留图像的边缘、尖点和细节信息。最后对合成孔径雷达图像进行去噪实验,与小波阈值除噪、Lee滤波进行比较具有更好的滤波效果。     

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.     

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。     

一种基于双滤波的空间图像色域映射算法

针对逐点色域映射方法在图像色域映射时出现的细节损失较大的问题,本文提出了一种新的空间图像色域映射方法。新方法采用双滤波技术将输入图像分解为对应边缘轮廓信息的基础层图像和对应纹理细节信息的细节层图像,先对基础层图像进行彩度优先的逐点色域裁剪,然后将细节层信息补偿给色域裁剪后的图像。最后对细节补偿后的图像进行亮度优先的色域裁剪,从而得到最终的映射图像。本文还分析了双滤波参数设置对色域映射结果和光晕的影响,得出了合理的双滤波参数设置。通过心理物理学实验可以验证：新方法的性能与经典的细节补偿类映射方法相当。另外,新方法在色域映射过程中还能更加有效地抑制光晕的产生。     

基于生成式对抗网络的太赫兹图像增强

太赫兹扫描成像中,由于激光器功率波动和仪器振动等原因,导致图像对比度较低,成像质量有待提高,且目前针对太赫兹图像的处理还停留在传统算法阶段。本文结合深度学习思想,提出了一种基于生成式对抗网络的图像增强方法。通过对训练集图像引入模糊和噪声,学习低质量图像和高质量图像之间的映射关系,并将其应用在真实太赫兹图像中。实验结果表明,与双边滤波、非局部均值滤波等传统算法相比,本文方法可在改善图像细节的基础上显著提高图像对比度,且视觉体验良好,这为太赫兹图像增强提供了新思路。     

Constant time joint bilateral filtering using joint integral histograms

In this brief, we present a constant time method for the joint bilateral filtering. First, we propose an image data structure, coined as joint integral histograms (JIHs). Extending the classic integral images and the integral histograms, it represents the global information of two correlated images. In a JIH, the value at each bin indicates an integral determined by the two images. Then, the joint bilateral filtering is transformed to computation and manipulation of histograms. Utilizing the JIHs, we are capable of joint bilateral filtering in constant time. Its performance is validated in a digital photography approach using Flash-noFlash image pairs. Compared with the brute-force method, the proposed method achieves a speedup factor of 2-3 orders of magnitude while producing similar filtering results.     

结构保持的双边滤波极化SAR图像降噪

针对极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)图像相干斑抑制时结构保持的难题,该文提出一种PolSAR图像的双边滤波算法:结构保持的双边滤波(SPBF)。该算法通过结合边缘结构特征和地物散射特性,增强对PolSAR图像结构信息的描述,减少滤波时图像结构信息的损失,实现滤波性能的提高。该算法首先使用边缘检测模板在极化总功率图像(Span)上提取边缘方向,实现自适应选择滤波方向窗;其次,采用Freeman-Durden分解获取像素的散射机制,并根据极化数据的统计分布特性获取地物散射的聚类标记;最终在所选的方向窗中,以聚类标记图为掩膜,利用改进的双边滤波算法对PolSAR数据进行相干斑抑制。真实SAR数据的实验结果表明,该方法能够有效抑制相干斑噪声,同时提高了对图像的边缘、强点目标和极化散射特性的保持能力。     

自适应双边滤波与方向梯度的红外图像增强

为克服现有的红外图像增强方法存在欠增强、过增强以及对比度不高等缺陷,提出了自适应双边滤波与方向梯度的红外图像增强方法。对双边滤波进行改进,加权系数自适应于平滑区域和细节区域,以作为Retinex的中心环绕函数,将红外图像分解为基础层和细节层;用改进的平台直方图均衡化对基础层图像进行增强;提出一种方向梯度算子,用其提取细节层图像的梯度图,进而对细节层图像进行非线性的自适应边缘增强。实验结果表明,相对于部分现有的方法,本文方法能更有效地提升红外图像的亮度和对比度,增强图像的视觉效果更佳。     

Image denoising based on gaussian/bilateral filter and its method noise thresholding

The Gaussian filter is a local and linear filter that smoothes the whole image irrespective of its edges or details, whereas the bilateral filter is also a local but non-linear, considers both gray level similarities and geometric closeness of the neighboring pixels without smoothing edges. The extension of bilateral filter: multi-resolution bilateral filter, where bilateral filter is applied to approximation subbands of an image decomposed and after each level of wavelet reconstruction. The application of bilateral filter on the approximation subband results in loss of some image details, whereas that after each level of wavelet reconstruction flattens the gray levels thereby resulting in a cartoon-like appearance. To tackle these issues, it is proposed to use the blend of Gaussian/bilateral filter and its method noise thresholding using wavelets. In Gaussian noise scenarios, the performance of proposed methods is compared with existing denoising methods and found that, it has inferior performance compared to Bayesian least squares estimate using Gaussian Scale mixture and superior/comparable performance to that of wavelet thresholding, bilateral filter, multi-resolution bilateral filter, NL-means and Kernel based methods. Further, proposed methods have the advantage of less computational time compared to other methods except wavelet thresholding, bilateral filter.     

基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割

针对传统3维Otsu(3D-Otsu)门限分割方法中的滤噪性能和小目标保持性能的不足,该文提出一种基于各向异性自适应高斯加权方向窗的3D-Otsu门限分割的新方法。新方法改进了3D-Otsu的邻域窗口设置方法,采用中心点的局部特征来自适应地确定邻域各向异性高斯加权方向窗口的尺寸、尺度和滤波方向。然后,提出非局部多方向相似度测量来更有效地捕捉图像中的模式冗余。最终,结合像素点灰度值、加权均值、加权中值构建3维直方图,并基于最大类间方差计算门限矢量进行分割。实验结果表明:与目前广泛使用的2维Otsu, 2维最大熵以及传统3维Otsu方法相比,新方法有着更好的门限分割效果,并具有更好的滤噪性能和小目标保持性能。     

基于稀疏K-SVD的单幅图像超分辨率重建算法

图像的超分辨率重建技术可以提升图像质量,改善图像视觉效果,在现实中具有很高的实用价值。针对基于K-SVD的超分辨率重建算法的不足,本文提出一种基于稀疏K-SVD的单幅图像超分辨率重建算法。首先,采用稀疏K-SVD方法进行训练获得高低分辨率字典对,以待重建的低分辨率图像及其降采样作为字典训练的样本,提高了字典和待重建的低分辨率图像的相关性;然后,采用逐级放大的思想进行重建;最后,利用非局部均值的方法,进一步提高重建效果。实验表明,与基于K-SVD的超分辨率重建算法相比,本文算法重建图像的峰值信噪比平均提高了0.6dB左右。重建图像在视觉效果上,也有一定程度的提升。     

基于区间估计的快速单幅图像去雾方法

单幅图像去雾是一个病态反问题。为了解决这个问题,对于大气光强度和介质传输率的估计已进行了大量研究。本文从新的角度提出一种简单但有效的基于区间估计的单幅图像快速去雾方法。该方法从大气散射模型出发,首先,通过对大气光强度和介质传输率取值范围的讨论,减小区间估计的范围。其次,通过快速联合双边滤波和中值滤波对介质传输率进行边缘优化,并利用大气光强度与暗通道差值绝对值大小对介质传输率中明亮区域进行判断和修正。最后,通过色调调整对复原图像进行整体优化。实验结果表明,与几种典型的图像去雾方法比较,本文方法明显提高了算法运算速度,并获得了较好的复原效果。     

基于上下文聚合网络的图像去噪性能分析

近年来,随着神经网络理论的拓展,神经网络模型在图像处理领域得到了广泛的应用。利用上下文聚合网络实现双边滤波器算子逼近,分析其图像去噪性能。结果表明,逼近双边滤波算子的上下文聚合网络能够实现图像降噪,改善图像质量,且处理效果优于传统的双边滤波器。此外,对比分析了上下文聚合网络和去噪卷积神经网络的图像去噪性能。相比于去噪卷积神经网络,逼近双边滤波运算的上下文聚合网络处理多幅图像的速度更快,时效性更好,且随着处理图片数量增多,性能越优。相反,去噪卷积神经网络的去噪性能更优,但处理速度慢。