基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

一种基于核函数的各向异性扩散图像去噪算法

分析了各向异性扩散去噪模型优缺点,针对PM模型不能有效区分噪声和边缘,提出了一种基于核函数的各向异性扩散去噪模型。在该模型中,把图像中噪声与边缘在低维空间的非线性区分关系转变为高维特征空间的线性关系,利用核函数获得高维空间的扩散函数。实验中分别与PM模型、Cattle模型比较分析,证明基于核函数的扩散模型在去除噪声的同时,更好地保留图像的信息,且峰值信噪比最高,去噪性能最优。     

一种改进的模糊增强算法

针对在图像处理的过程中要面对许多含糊不清的情况,采用模糊集理论这一有效的数学工具是非常必要的。本文在研究模糊增强传统算法的基础上,提出了一种新的隶属度函数。它克服了传统算法中的变换强度较小、运算速度较慢和丢失部分灰度信息等缺点。另外,为了更好地保持图像的细节,本文在模糊增强算法中引入了平滑处理,完善了图像的模糊增强系统...     

一种改进的反应扩散滤波器图像去噪算法

提出一种基于Nordstrm能量泛函的非线性反应扩散数字滤波模型。数值实验结果表明该模型不仅对高斯噪声、椒盐噪声和Speckle噪声污染的图像去噪效果较好,而且也适合对混合噪声污染的图像去噪。去噪后图像有良好的视觉效果,峰值信噪比较高。     

带有局部耦合项的冲击扩散方程与图像锐化

提出了带有局部耦合项的冲击扩散方程,其沿着等照度线(边缘)的梯度方向实施反向扩散(冲击)以锐化边缘;相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像.为了克服二值的零交叉决策过程导致的虚假的分片常数图像,利用双曲正切函数代替符号函数,柔和地控制边缘的零交叉点两侧像素的灰度值变化.同时为了进一步控制扩散行为,使其逼近于稳定的过程,并消除数值"爆炸"和过冲,在冲击扩散方程中增加局部耦合项.实际结果显示,本文算法可以显著地提高图像的视觉质量.     

一种改进的非线性扩散图像去噪算法

本文提出了一种改进的PM去噪算法,利用图像的局部信息,使用当前像素的3×3邻域构造计算8个方向的扩散系数。实验表明,本文所提算法不仅能够有效去除噪声,而且能够很好的保持边沿和结构,尤其在高水平噪声下,克服了经典PM算法容易产生阶梯效应和斑点噪声的不足。     

结合USFFT Curvelet变换的各向异性扩散图像去噪模型

提出了一种结合USFFT Curvelet变换的各向异性扩散图像去噪模型.它有机结合了Curvelet变换和各向异性扩散(P-M扩散)两者的优点.通过P-范数方法选择合适的梯度阈值K,P-M扩散过程通过处理经过Curvelet变换得到的图像的不同尺度的Curvelet系数矩阵,实现了建立在对图像多尺度分析的基础上的新P-M扩散模型.实验表明,新模型的处理结果能有效避免传统P-M扩散出现的阶梯效应,同时更好地保留图像的纹理和细节.     

基于PDE的非线性图像去噪与增强

应用偏微分理论,提出一种改进的基于偏微分方程的非线性图像去噪与增强方法,对传统的P-M非线性扩散模型进行改进。首先将图像变换到梯度域,然后通过改变梯度域扩散函数来达到去噪和增强的目的。与以往的时域和频域图像去噪方法相比,本文方法不仅能有效去除噪声,还能很好地保留图像的纹理细节。文章采用有限差分法将偏微分方程离散化,并结合热方程简化计算复杂度,从而实现简单快速的计算过程,为实时的图像去噪与增强处理提供保证。     

一种基于偏微分方程的SAR图像去噪方法

传统的相干斑噪声抑制算法在多次迭代后通常会导致图像边缘的模糊,这一直是SAR图像去噪处理的难点和热点所在。该文分析了应用于图像处理的各向异性扩散方程(PDEs),在其基础上由最小化问题出发,引入棱边指示子对图像的边缘加以限制,得到新的去噪模型并降之应用于SAR图像的相干斑噪声去除。与传统的基于局部统计量和各向异性滤波器相比,新的算法在棱边保持和噪声去除能力均有提高。     

一种改进的小波阈值图像去噪方法

介绍了小波阈值图像去噪的原理,并对常规的软、硬阈值函数在图像去噪中存在的缺陷进行分析,在软、硬阈值函数的基础上提出了一种改进的阈值函数。通过对含噪声图像分别采用常规的软、硬阈值函数和改进的阈值函数进行去噪处理,实验对比得出:当选取了合适的控制系数时,改进的阈值函数在图像去噪中不仅保留了常规软、硬阈值函数的去噪优越性,而且还克服了常规软、硬阈值函数存在的去噪缺陷,比常规的软、硬阈值函数去噪效果更好。     

一种改进的基于各向异性微分的SAR图像增强方法

合成孔径雷达(SAR)图像经过相干斑抑制后,图像中目标边缘会出现模糊。针对这一问题,提出了一种改进的基于各向异性微分的SAR图像增强方法。该方法在梯度方向和与梯度垂直方向构造了两个扩散系数分布函数。在非目标边缘区域,各方向扩散程度不同,对相干斑噪声具有较好的抑制效果;在目标边缘区域,梯度方向不做平滑,以保护和增强边缘,而在垂直于梯度方向有较大的平滑,突出边缘轮廓。实验结果表明,该方法具有很好的相干斑抑制能力和边缘增强能力。     

基于均值去噪与图像增强的方差滤波器

为了使图像既能去除噪声又获得增强,基于平滑低通滤波器、中值滤波器去除图像噪声原理和改进的巴特沃斯高通滤波器的图像对比度增强与边缘保持的原理,提出了一种新的均值去噪与图像增强的方差滤波器.实验结果表明,该方差滤波器无论在噪声去除、对比度增强、边缘保持等方面都优于上述3种滤波器.     

一种改进的自适应分数阶积分图像去噪算法

为了改善图像去噪的效果,提出一种基于分数阶积分和中值滤波的改进自适应图像去噪算法,首先利用自适应中值滤波算法(Ranked-order Based Adaptive Median Filter,RAMF)中的噪声判别条件来检测噪声点,然后利用"噪声边缘"判别函数对其中的可疑噪声点进行二次检测,同时根据图像的局部统计信息和结构特征构造自适应的分数阶阶次,最后将检测出的噪声点进行自适应的分数阶积分滤波去噪。与传统的分数阶积分去噪算法相比,该自适应算法有效地保留了被错误误去除的图像边缘点,并且实现了分数阶积分的阶次自适应化,在去除噪声的同时很好地保留了图像的边缘及纹理细节信息。     

一种基于自适应双向扩散过程的无源毫米波图像去噪与增强

研究和设计了一种新型自适应双向扩散过程,对无源毫米波图像进行降噪和增强处理.根据图像的局部特征进行自适应扩散处理,在图像的同质区域进行各向同性扩散降低噪声,在图像的边缘处沿着图像边缘的切向方向进行正向扩散降低噪声,沿着图像边缘的法向方向进行反向扩散锐化边缘.通过对仿真图像和实测的91.5 GHz无源毫米波图像的实验表明...     

白光图像边缘增强的一种改进方法

图像增强技术在工业、国防和科学研究等部门都有重要的应用，其中用光学方法实现图像增强更具有它独特的优点。自激光出现以后，人们便把它作为一种理想光源，发展了各种相干     

基于改进高斯滤波的医学图像边缘增强

医学图像的边缘包含了图像的很多重要信息,对医学诊断的效率和精准性影响较大,文中研究了一种医学图像边缘增强的方法。为了在图像去噪阶段保留更多的图像细节信息,文中在传统高斯滤波算法基础上提出了一种标准差选取自适应的滤波算法。在图像增强阶段,利用传统的拉普拉斯算子结合强度权重控制图像增强的效果。经过算法分析和实验,验证了两种算法的结合提高了去噪效果,有效保留了图像的边缘细节信息,能够实现医学图像的边缘增强。     

一种改进的核维纳滤波器图像去噪算法研究

提出一种新的改进核维纳滤波器图像去噪算法。维纳滤波器通过最小化去噪图像与原始无噪图像之间的均方误差准则进行线性变换完成去噪,维纳滤波器给出了贝叶斯意义下最好的解。但是单纯的线性变换通常难以满足非平稳随机过程,采用核方法将维纳滤波器扩展到特征空间进行非线性变换是一种很好的处理手段。在进行特征空间的非线性维纳滤波时,重构输入空间的原图像时常常会遇到局部收敛性、对初始点较为敏感等问题,考虑到在高斯核函数下,特征空间均方误差和输入空间均方误差有一定的内在相关性,将输入空间下的维纳滤波结果约束到特征空间的均方误差中,在有训练样本下,不但可以进一步提高收敛速度和最优化,而且能更好地恢复原始信号信息。实验结果表明,所提方法的要比传统的维纳滤波和核维纳滤波更为有效。     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。     

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.