采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的...     

一种偏振普适性多尺度实时的图像去雾算法

针对现有偏振算法依赖于"天空区域"估计大气参数,从而受白色目标或高亮区域干扰的不足之处,提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法,突破估计模型参数利用天空的局限性,重建场景深度,结合大气散射模型复原低频无雾图像;同时针对目标复原过程中噪声遗留问题,研究软阈值去噪算法,结合低频信息重构的透射率,以梯度增强方式丰富纹理细节,最后小波重构出清晰图像.实验结果表明,该算法有效消除了估计大气参数受制于天空区域的局限性,抑制噪声的影响,复原的目标更加清晰,细节方面更为丰富,算法运行效率方面有较大提高.     

基于梯度和小波变换的水下距离选通图像去噪

水体的散射效应、激光光斑、成像器件的非理想化等因素使得图像出现大量无规律粒状噪声,它们增加了水下距离选通图像的背景噪声,模糊了目标轮廓,掩盖了目标细节,降低了图像的信噪比。针对上述问题本文提出了一种基于梯度和小波变换的去噪方法。首先对图像进行余弦小波变换,得到不同频率空间的图像集。低频空间引入新的图像梯度强化方法以提高图像的纹理信息量;对应非均匀性条带的LH或HL空间做曲面拟合处理以消除非均匀性条带的影响;在HH空间去噪过程中,低层空间做非局部均值处理以保留图像相似信息,高层空间做分数阶积分处理以保留图像细节信息。最后小波逆变换得到结果图像。从实验水槽中采集水下图像进行算法验证,将改进方法与已有算法比对分析。实验表明,本文所研究的水下去噪算法,能够平滑噪声且更大限度地保留图像细节纹理,在客观评价指标上提升了6%。     

基于改进主成分分析的分焦平面偏振图像去噪算法

分焦平面(DoFP)偏振探测器在成像过程中会受到噪声的干扰,从而影响解算偏振信息图像的质量和精度。首先,基于图像的非局部自相似性和不同偏振方向图像之间的相关性,利用DoFP偏振图像的空间分布特点对图像进行分块并选取相似的图像块构成相似块矩阵。然后,利用主成分分析(PCA)得到相似块矩阵的特征值矩阵和特征向量矩阵,并根据噪声和相似块矩阵的特征值分布特点,在PCA域中利用降维对图像进行去噪。最后,利用模拟和真实DoFP偏振图像评估本算法的去噪效果。实验结果表明,本算法可以有效抑制图像中的噪声,保留图像的纹理和边缘细节信息,比现有算法的峰值信噪比至少提高了1 dB。     

双密度复小波与系数相关性的红外图像去噪北大核心CSCD

为了去除红外图像中高斯噪声的同时,更好地保持和恢复图像的纹理边缘和细节特征,提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势:图像信息的平移不变性、图像纹理细节的多方向选择性等,基于对图像小波系数分布的假设,根据当前小波系数与其父、子小波系数的相关性,对无噪的小波系数作贝叶斯估计,以恢复无噪的红外图像,最后对去噪图像进行引导滤波,去除图像的波纹效果。实验数据显示,该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法,证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。     

独立成分分析及其在图像处理中的应用

独立成分分析是一种新的信号处理技术,在数字图像处理的诸多方向均表现出其独特性。对独立成分分析(ICA,Independent Component Analysis)及其在图像处理中的应用进行了综述。简要介绍了独立成分分析的数学模型,给出了极大化非高斯性的ICA估计方法、极大似然ICA估计方法、极小化互信息ICA估计方法的目标函数及其优化算法;对ICA在像素级图像融合、运动目标检测、人脸检测及特征提取、大脑信号和图像分析、数字水印、有噪图像分离等方向的应用研究进行了评述,进而显示ICA的应用价值和发展空间。     

基于Contourlet变换的自适应SAR图像相干斑噪声抑制算法

为了保持高岛分辨率合成孔径雷达(SAR)图像中的纹理结构,提出了一种基于BivaShrink模型的Contourlet 域SAR图像相干斑噪声抑制算法.联合当前层和父层的Contourlet系数,通过计算局部方差一致性范数和区域能量比,自适应地确定方差估计区域的形状和大小.从而对原始图像方差进行最优估计.实验结果表明,算法在噪声的去除和结构信息等细节的保持上均不同程度的优于小波BivaShrink去噪算法和Contourlet 阈值去噪算法,主观效果和数值指标都有较好改进.     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题，提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题，首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率，并将二阶的非局部总广义变分（TGV）正则器来作为正则项，以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化，从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明，本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题，且无色调偏移和光晕效应。在定性评估上，复原后的图像视觉效果好；在定量评估上，本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

用于MR图像非局域均值去噪的边缘增强策略

非局域均值(NLM)滤波有很好的去噪效果并已成功地应用于磁共振图像的去噪中,但与所有去噪方法相同,总是会在一定程度上模糊图像细节. 该文提出将从原始图像中提取出来的高频信息与NLM去噪图像相融合,来还原在去噪过程中丢失的细节. 首先利用一种基于拉普拉斯金字塔的多分辨率方法,从原始图像中提取出包含丰富的边缘信息的高频组分. 然后利用作者提出的一种新的基于SUSAN算子的边缘检测算子产生一幅连续的边缘图,并利用该边缘图将高频组分与NLM方法去噪的图像相融合. 该方法在图像的平滑区域取得了良好的去噪效果,同时可以保留甚至增强图像的细节. 同时,该方法对图像的增强不会导致增强图像中常见的伪影.     

一种自适应的多级透射率估计去雾算法

针对暗通道先验算法在天空区域透射率估计不准确的问题,利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得"伪"去雾图像;其次,利用有雾图像的混合通道得到自适应参数,将该参数和最小值滤波共同作用于"伪"去雾图像,接着用联合双边滤波消除纹理效应得到透射率的精确估计;最后,采用局部大气光估计方法,结合大气散射模型复原出无雾图像.实验结果表明,该方法不仅降低了时间复杂度,且复原出的图像细节明显,明亮度适宜,对于大面积天空区域有良好的去雾效果,改善了天空区域的颜色失真.     

去除乘性噪音的主成分分析算法

雷达成像系统的进一步应用依赖于对图像中噪音的有效抑制.在目前现有消除噪音方法的基础上,基于图像的局部相似性,结合主成分分析法,提出一种新的有效去除乘性噪音的滤波算法.乘性噪音经对数变换后可转化为加性噪音处理.分析了对数域中噪音的类型.首先在图像的对数域,通过非局部方法选取局部相似块作为训练样本,利用主成分分析法提取出信号的主要特征.然后基于统计理论中最小均方误差估计法给出了一种适用于图像信息的阈值原则.最后分析了变换过程引起的偏差,由对数域的偏估计得到滤波图像.数值实验验证了新算法的有效性.对比于目前提出的变分方法,新算法处理后的图像有更高的信噪比和更好的视觉效果,且具有一定的实用性.     

光子计数激光雷达的时间相关卡尔曼深度估计

在高背景噪声和低积分时间的激光雷达远距离成像场景中,针对传统方法得到的深度图像目标被噪声淹没和深度估计偏差较大的问题,提出了一种基于信号光子时间相关性和自适应卡尔曼滤波器的深度信息估计方法。首先,提取在时间上具有聚集特征的光子计数形成集合;然后,分析了影响信号光子在时间上分布的因素并使用静态高斯线性模型来描述该集合;最后将集合中的所有光子飞行时间乱序,输入改进的自适应卡尔曼滤波器,从而迭代估计深度值。在信号噪声比为1的室内,积分时间分别为10 ms和1 ms时,本文方法相对传统的最大似然方法在均方根误差指标上提升了40%和38%。在信噪比约为0.135的室外2 km目标成像实验中,在信号光子数分别为100、33和17的情况下,本文方法成像效果都优于传统最大似然估计方法和时间相关光子快速去噪方法,得到的深度图像都更清晰,噪声更低。在高噪声和短积分时间下,本文方法可以被运用于激光雷达远距离成像的深度信息估计和图像恢复中。     

Denoising 3D MR images by the enhanced non-local means filter for Rician noise

The non-local means (NLM) filter removes noise by calculating the weighted average of the pixels in the global area and shows superiority over existing local filter methods that only consider local neighbor pixels. This filter has been successfully extended from 2D images to 3D images and has been applied to denoising 3D magnetic resonance (MR) images. In this article, a novel filter based on the NLM filter is proposed to improve the denoising effect. Considering the characteristics of Rician noise in the MR images, denoising by the NLM filter is first performed on the squared magnitude images. Then, unbiased correcting is carried out to eliminate the biased deviation. When performing the NLM filter, the weight is calculated based on the Gaussian-filtered image to reduce the disturbance of the noise. The performance of this filter is evaluated by carrying out a qualitative and quantitative comparison of this method with three other filters, namely, the original NLM filter, the unbiased NLM (UNLM) filter and the Rician NLM (RNLM) filter. Experimental results demonstrate that the proposed filter achieves better denoising performance over the other filters being compared.     

Reconstruction method of computational ghost imaging based on non-local generalized total variation北大核心CSCD

鬼成像是一种能够透过大雾等恶劣环境的成像技术。针对传统鬼成像重建图像存在噪声较多、图像对比度较低等问题,将非局部广义全变分方法用于鬼成像的图像重建之中,提出基于非局部广义全变分的计算鬼成像重建方法。所提方法构造了一种非局部相关性权重设计梯度算子,将其代入全变分重建算法中,使得重建的图像能有效去除噪声的同时实现细节较好的还原。首先在不同条件下进行仿真模拟,得到所提方法的峰值信噪比相对其他方法提升1 dB左右,且具有更好的主观视觉效果,进而设计并搭建实验平台对算法的有效性进行验证,实验结果证明了所提方法在去除噪声和细节重建等方面的优越性。     

Non-local means algorithm with adaptive patch size and bandwidth

Non-local means algorithm is an effective denoising method that consists in some kind of averaging process carried on similar patches in a noisy image. Some internal parameters, such as patch size and bandwidth, strongly influence the performance of non-local means, but with the difficulty of tuning. Many solutions for choosing these two parameters, like cross-validation and Steins unbiased risk estimate criterion, are successful but computationally heavy. In this paper, we introduce a new feature metric that is capable of providing a quantitative measure of geometric structures of image in the presence of noise. The proposed region-based non-local means method first classifies a noisy image into several regions. Then, a local window and a local bandwidth value are selected pixel-wisely according to the property of each region and the local value of the new feature metric. Experiments on standard test images show that the proposed method outperforms the original non-local means version by around 1.34 dB and is comparable to or better than the performance of the current state-of-the-art non-local means based denoising algorithms, both visually and quantitatively.     

基于多相组重建的航空图像超分辨率算法

为提高航空图像的空间分辨率, 提出一种基于多相组重建的超分辨率算法. 融合图像间的互补信息, 将多帧低分辨率图像作为图像基, 参考帧分解为多相组, 利用差异采样特性构建图像基与参考帧之间的的多相组线性关系重建得到高分辨率图像的多项组, 经图像多相分解逆变换获得融合的高分辨率图像. 根据该融合图像的局部内容和结构信息自适应调整控制核核函数, 应用改进的控制核回归算法去除图像模糊和噪声得到清晰的超分辨率图像. 与传统算法相比, 该算法无需图像配准和迭代过程, 计算效率极大地提高. 实验结果表明, 本文算法能够有效提高航空图像的空间分辨率, 在定量评价指标和主观视觉效果方面都有显著提高.     

Generalized total variation-based MRI Rician denoising model with spatially adaptive regularization parameters

Magnetic resonance imaging (MRI) is an outstanding medical imaging modality but the quality often suffers from noise pollution during image acquisition and transmission. The purpose of this study is to enhance image quality using feature-preserving denoising method. In current literature, most existing MRI denoising methods did not simultaneously take the global image prior and local image features into account. The denoising method proposed in this paper is implemented based on an assumption of spatially varying Rician noise map. A two-step wavelet-domain estimation method is developed to extract the noise map. Following a Bayesian modeling approach, a generalized total variation-based MRI denoising model is proposed based on global hyper-Laplacian prior and Rician noise assumption. The proposed model has the properties of backward diffusion in local normal directions and forward diffusion in local tangent directions. To further improve the denoising performance, a local variance estimator-based method is introduced to calculate the spatially adaptive regularization parameters related to local image features and spatially varying noise map. The main benefit of the proposed method is that it takes full advantage of the global MR image prior and local image features. Numerous experiments have been conducted on both synthetic and real MR data sets to compare our proposed model with some state-of-the-art denoising methods. The experimental results have demonstrated the superior performance of our proposed model in terms of quantitative and qualitative image quality evaluations.     

Rician noise reduction in magnetic resonance images using adaptive non-local mean and guided image filtering

This paper proposes a Rician noise reduction method for magnetic resonance (MR) images. The proposed method is based on adaptive non-local mean and guided image filtering techniques. In the first phase, a guidance image is obtained from the noisy image through an adaptive non-local mean filter. Sobel operators are applied to compute the strength of edges which is further used to control the spread of the kernel in non-local mean filtering. In the second phase, the noisy and the guidance images are provided to the guided image filter as input to restore the noise-free image. The improved performance of the proposed method is investigated using the simulated and real data sets of MR images. Its performance is also compared with the previously proposed state-of-the art methods. Comparative analysis demonstrates the superiority of the proposed scheme over the existing approaches.     

多尺度条件卷积的OCT视网膜图像降噪研究

散斑噪声存在于光学相干层析成像(OCT)中,影响OCT图像质量.在使用OCT设备诊断各种常见眼科疾病时,高质量的OCT图像是极为重要的.利用深度神经网络对OCT图像进行降噪处理,使图像在保留空间结构细节的基础上能展示更多的信息.提出了一种基于残差学习网络的新型OCT图像降噪网络-CMCNN,其具有多尺度、多权重和多层次...