基于小波域局部高斯模型的图像复原

图像复原的目的是将原始图像从观测到的降析图像中恢复出来.提出了一种基于小波域局部高斯模型的线性图像复原算法.小波域局部高斯模型采用高斯函数刻画子带系数的局部概率分布,由于这一模型具有很好的局部自适应性,并能正确地反映图像的局部结构信息,因此算法以此作为自然图像的先验模型,把图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,基于小波域局部高斯模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和主观视觉效果方面都有显著的提高.     

基于非局部算法的序列图像超分辨率重构

提出了一种基于非局部算法的多帧图像超分辨率重构算法,该方法无需进行图像校正。为克服传统图像复原算法基于图像局部点领域的影响,指出可以使用非局部去噪模型的优越边缘保持性和去噪性来重构高分辨率图像。实验证明,该算法在低信噪比情况下,可以取得较好结果,有效解决了低信噪比条件下图像复原的一个难点。     

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。     

基于图像片马尔科夫随机场的脑MR图像分割算法

传统的高斯混合模型（Gaussian mixture model,GMM）算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科 夫随机场（Markov random field,MRF）模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图 像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马 尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能 保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到 最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.     

小波域基于MFA_ICA检测的数字图像水印算法

基于MFA_ICA（Independent Component Analysis based on Mean Field Approximation）理论提出了一种数字图像水印算法。该算法利用MFA_ICA进行水印和原始图像的估计,并用估计出的独立分量检测水印是否存在。与传统线性相关检测器相比,该算法消除了原始载体的干扰,检测性能明显提高。重要的是,不仅通过仿真实验证明了该算法较强抵抗JPEG压缩、剪切和白噪声等攻击的能力,而且从理论上也给出了严格的证明。     

自适应线性预测图像椒盐噪声去除方法

针对灰度图像中的椒盐噪声,提出了一种基于自适应权值与线性预测方法相结合的噪声去除方法。用椒盐噪声模型确定图像中的噪声点,以及噪声点所在滤波窗口内的噪声密度,在密度较小时利用设计的权值函数进行加权平均计算,以达到去噪声的目的;在噪声密度较大时,利用线性预测方法预测噪声点所在位置的灰度值,以实现去噪。对于非噪声点像素则不做处理,较好地保持了图像的细节。实验结果表明,与同类方法相比,此方法有良好的去噪性能。     

基于灰度最值和方向纹理的概率滤波算法

为了更高效地检测和滤除噪声,基于灰度最值和方向纹理的概率滤波算法根据灰度最值进行噪声检测,对检测出来的可疑噪声,根据四个方向纹理的平滑过渡性进行第二次噪声检测。运用滤波窗口中出现频次最高的信号像素取代噪声。如果窗口中不存在信号像素,增大滤波窗口,以使窗口包含信号像素。当滤波窗口增大到允许的最大尺寸时,窗口中依然没有信号像素,则用窗口中已处理的、出现频次最高的像素取代噪声。将算法与当前滤波性能最好的中值滤波算法用于图像滤波实验。从滤波结果的主观视觉效果和客观数据两方面进行的比较分析证明,相对于当前的中值滤波算法,基于灰度最值和方向纹理的概率滤波算法具有更加良好的滤波性能,在滤除噪声的同时,很好地保持图像的边缘和细节。     

基于自适应滤波的快速广义模糊C均值聚类图像分割

快速广义模糊C均值聚类(FGFCM)在对高噪声图像进行聚类分割时,噪声容易导致聚类中心发生偏移,影响图像分割结果.为此,文中提出基于自适应滤波的快速广义模糊C均值聚类算法,用于图像分割.首先根据非局部像素的噪声概率自适应确定参数平衡因子,更准确地反映图像包含的空间结构信息.然后利用该平衡因子有效结合FGFCM中的线性加权和滤波图像与原始图像的中值滤波图像,由于得到的自适应滤波图像根据图像中像素为噪声的概率自适应确定滤波程度,因此可以提高算法对噪声的动态抑制能力.实验表明,相比模糊C均值聚类和FGFCM,文中算法在对噪声含量较高的图像进行聚类分割时,可以得到更准确的结果.     

一种新的压缩采样匹配追踪算法

提出了实用性更强的完全受噪声扰动理论模型,引入了与原信号相关的乘性噪声;并基于新的模型,提出了一种改进的压缩采样匹配追踪算法.该算法通过构造一个感知测量矩阵,在信号替代阶段中取代随机测量矩阵来减少相关性对支撑集筛选的影响,最后可在乘性噪声存在的情况下实现了信号的精确重建.实验结果表明,在相同测试条件下,该算法的重建效果均优于其他贪婪算法和基匹配法(basic pursuit,BP).     

基于改进粗糙集概率模型的鲁棒医学图像分割算法*

基于参数化模型的图像分割算法对复杂的医学图像分割精度较低,对此提出一种基于改进粗糙集概率模型的鲁棒医学图像分割算法。首先,将粗糙集的上下逼近与概率边界区引入最大期望算法中,表征每个类簇;然后,将图像的灰度分布建模为一个有限数量的混合粗糙集概率分布;最终,通过马尔可夫随机场引入图像的空间信息,提高图像分割算法的鲁棒性。基于合成脑部MR(核磁共振)图像库与真实脑部MR图像库的分割实验结果显示,本算法的分割精度与鲁棒性均优于其他参数化模型的分割算法及其他专门的脑部MR图像分割算法。     

基于局部线性相关的信号去噪方法

针对基于整体线性逆问题的信号去噪方法会导致信号去噪不充分以及严重丢失细节的问题,提出一种建立在局部线性相关基础上的信号去噪方法。该方法以带噪声信号与原始信号局部存在线性相关性为基础,首先利用信号局部具有相同的尺度系数与偏移量,构造信号匹配模型;然后以原始信号的1-范数构造正则项;最后利用快速收缩算法求解去噪模型,使收敛速度达到二阶收敛。实验结果表明,本文方法稳定性强、鲁棒性好,在去噪的同时较好的恢复了信号的高频分量。     

基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定阈值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阈值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

沥青路面裂缝图像检测算法研究

针对沥青路面裂缝图像边缘提取不精确的问题,基于形态学多尺度的思想,结合沥青路面裂缝图像中裂缝形状不规则,裂缝信息比较弱小的特点,提出了一种沥青路面裂缝图像检测算法。算法构造了多结构元素的抗噪型边缘检测算子,且依据不同形状的结构元素对裂缝边缘填充的几率不同,设定了一种自适应确定权重的算法,使得此算子在平滑滤波的同时又检测到各种类型的边缘。与传统裂缝图像检测算法相比,该算法有效抑制了各种噪声的影响,实现了多种类型边缘的精确提取;理论分析和实验结果表明该算法是可行且有效的。     

基于图像局部纹理方向概率统计模型的非线性滤波算法

为了更有效地利用图像的局部特征恢复被噪声感染的图像，基于图像局部纹理方向概率统计模型，提出一种针对混合噪声的非线性滤波算法。算法利用Radon变换对图像进行主纹理方向分析,得到图像的局部纹理方向概率密度分布,然后基于概率统计模型，借助中心像素的若干邻近像素对中心像素进行估计，得到中心像素点的灰度值。此算法充分利用了图像的局部特征,既具有良好的去噪能力，又兼顾了对图像细节的保持特性。在处理同时感染脉冲噪声和高斯噪声的混合噪声图像时，算法效果明显优于其他滤波算法。     

A hybrid denoising algorithm based on shearlet transform method and Yaroslavsky’s filter

In this paper, we have proposed a hybrid denoising algorithm based on combining of the shearlet transform method, as a pre-processing step, with the Yaroslavsky’s filter, as a kernel smoother, on a wide class of images with various properties such as thin features and textures. In the other word, proposed algorithm is a two-step algorithm, where in the first step the image is filtered by shearlet transform method and in the second step the weighted Yaroslavsky’s filter is applied on result of first step. The weight coefficients of the Yaroslavsky’s filter are achieved by pixel similarities in the denoised image from the first step. The theoretical results are confirmed via simulations for 2D images corrupted by additive white Gaussian noise. Experimental results illustrate that proposed hybrid method has good effect on suppressing the pseudo-Gibbs and shearlet-like artifacts can obtain better performance in terms of mean square error (MSE), peak signal to noise ratio (PSNR) and structural similarity (SSIM) index rather than existing state-of-the-art methods.     

Contourlet HMT model with directional feature

According to Shanno’s information theory,the directional feature of texture is defined as the value of directional variable when an image signal attains a singularity of random distribution.In terms of this definition,we calculate the texture’s directional features using Tamura’s method and study the directional probability distribution of Contourlet coefficients.Then we find that the directional features tend to be conveyed across parent and child subbands.Based on this conclusion,we establish a novel probability distribution model of hidden direction variables under the condition of hidden state variable’s distribution,named Contourlet HMT model with directional feature.The structure and training method of the model are presented as well.Moreover,an unsupervised context-based image segmentation algorithm is proposed on the basis of the proposed model.Its effectiveness is verified via extensive experiments carried out on several synthesized images and remote sensing images.     

一种准无损压缩图象子带编码算法

针对有损压缩会损失一部分信息而无损压缩又压缩比较低的问题,提出一种实现准无损压缩的方法。该方法就是首先将图象用噪声模型进行去除噪声处理,以提高图象的信噪比,并有利于图象的压缩;然后再使用区域自适应子带编码算法进行编码。由于该算法能快速收敛,因而编码时间相对较少;编码通常能实时执行。实验结果表明,该压缩方案具有高信噪比、高压缩比等优良性能。从算法的理论基础来看,其中基于噪声模型的噪声清除算法对其他编码算法（如DCT、DPCM、JPEG、SPIHT、MPEG等等）同样具有推广意义。     

Enhanced parameter estimation methods for noisy SPECT data

Functional imaging with PET and SPECT is capable of visualizing subtle changes in physiological function in vivo, which aids in the early diagnosis of disease. Quantitative functional parameters are usually derived by curve fitting the dynamic data of a functional imaging study. However, the intrinsic high level of noise and low signal to noise ratio can lead to instability in the parameter estimation and give rise to non-physiological parameter estimates. Clustering techniques have been applied to improve signal to noise ratio and the reliability of parametric image generation, but these may enhance partial volume effects (PVE) and result in biased estimates for small structures. Therefore, a systematic study was performed using computer simulations of SPECT data and the generalized linear least square algorithm (GLLS) to evaluate the ability of three proposed enhanced methods and a clustering-aided method to improve the reliability of parametric image generation. The results demonstrate that clustering with sufficient cluster numbers ameliorated PVE and provided noise-insensitive parameter estimates. The enhanced GLLS method with a prior volume of distribution and bootstrap Monte Carlo resampling improved the reliability of the curve fitting, and is thus suitable for application to noisy SPECT data.     

Polynomial fixed-point smoothing of uncertainly observed signals based on covariances

In this article, the least-squares νth-order polynomial fixed-point smoothing problem of uncertainly observed signals is considered, when only some information about the moments of the processes involved is available. For this purpose, a suitable augmented observation equation is defined such that the optimal polynomial estimator of the original signal is obtained from the optimal linear estimator of the augmented signal based on the augmented observations and, hence, a recursive algorithm for this linear estimator is deduced. The proposed estimator does not require the knowledge of the state-space model of the signal, but only the moments (up to the 2νth one) of the signal and observation noise, as well as the probability that the signal exists in the observations.     

基于粒子群算法的图像椒盐噪声去除算法

针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图像质量;相比现有其他方法,所提算法的去噪效果更好。