基于小波包分解的纹理图像去噪

噪声对图像的后续处理影响较大,常用的去噪方法虽然可以去除变化平缓的图像中的噪声,但对细节较多的纹理图像的去噪效果却不太理想．文中基于信号和噪声在小波分解中呈现出来的不同特性,提出了一种新颖的小波包去噪算法．采用该算法对纹理图像进行最优小波包分解,并计算每个子频带的两个范数,然后根据范数值区分信号和噪声,从而达到去除噪声的目的．实验结果表明,该算法对皮革图像具有较好的去噪效果．不仅可以去除纹理图像中的大部分噪声,而且可以较好地保留图像纹理信息．     

分块噪声自适应高光谱图像去噪算法研究

高光谱图像在获取过程中容易产生噪音,从而影响了地物空间信息的识别。噪声去除是高光谱图像处理十分必要的步骤。结合低秩矩阵分解理论,在传统奇异值阈值方法的基础上提出基于分块的噪声自适应遥感去噪方法。实验结果证明,该方法运算速度快,并能够有效去除缺失值造成的死线噪声以及高斯噪声,在平均峰值信噪比(MPSNR)和平均结构相似性(MSSIM)上优于Godec算法。     

联合稀疏和低秩表示的医学超声图像去噪

为了保持超声图像的边缘和细节特征，同时去除图像中的噪声，提出了一种改进的低秩稀疏矩阵分解模型。首先，通过对数变换将乘性性质的斑点噪声转换为加性噪声；然后引入L1范数和改进的低秩正则项，以最小化保真项、正则项为目标函数，迭代恢复出去噪后的超声图像；最后使用指数变换从对数域中还原。将本模型应用于肿瘤超声图像，与一些经典的去噪算法进行比较，得出该模型对消化道粘膜下肿瘤超声图像去噪估计具有良好的适用性和实时性。     

基于自适应低秩去噪的近似消息传递压缩感知恢复

图像隐含的低秩先验特性已被成功应用于去噪等图像恢复应用.考虑到自然图像具有的非平稳特性以及迭代重构中图像噪声强度的变化,提出了一种结合近似消息传递与自适应低秩去噪的图像压缩感知重构方法.根据迭代重构图像的噪声方差估计,自适应地调整分块图像的大小以及相似块组的规模,实现低秩去噪性能的有效提升,从而保证了迭代重构的收敛速度,并同时改善了重构图像的质量.大量实验结果表明:该方法在无噪和有噪观测环境下都具有较好的重构性能,且能够有效地保留图像的纹理细节信息.     

二维小波分析理论及其在显微图像去噪中的应用

阐述了二维小波分析理论,把二维离散小波分解与重构算法应用在显微图像的去噪中.对采用不同方法去噪后的图像按照分水岭算法进行分割,然后进行对比.实例结果表明小波分析方法效果较好.     

关于非凸集的粗糙近似

本文建立了非凸集的上、下近似概念，讨论了非凸集的粗糙近似的性质。对于任何一个非凸集，可以用它的某个方向上的上、下近似凸集来逼近。最后，给出了集合的u-影子与u-方向上的粗糙近似集间的关系。     

低秩矩阵恢复模型改进及其在石油测井中的应用

传统的低秩矩阵恢复模型在去噪过程中通过将观测矩阵分解为低秩部分和稀疏部分达到噪声去除的目的,但该模型要求噪声矩阵必须是稀疏的。然而石油测井所获得的数据中噪声来源复杂,并不能完全保证噪声分布满足稀疏性的要求,使该模型在去噪时表现出一定的局限性,去噪效果不稳定,进而导致后续的数据处理准确率降低。为此,提出将加权范数的思想应用于传统的低秩矩阵恢复模型中,并在惩罚项中将F范数与待恢复矩阵的核范数相结合,构造改进的低秩矩阵恢复模型,使其能够在保证解的稳定性的同时,可以更好地挖掘观测矩阵的低秩性以及增强稀疏矩阵的稀疏性。通过非精确的拉格朗日乘子法分别对改进前后的模型进行求解,并对两种模型去噪后的测井数据分别采用支持向量机(SVM)和相关向量机(RVM)进行油气层识别,结果表明经改进的低秩矩阵恢复模型去噪后的测井数据在保证了油气层识别效率的同时,识别准确率上有了明显提升。     

非凸优化问题的一类内部凸逼近法

给出求解带不等式约束的非凸优化问题的一类内部凸逼近法,并在适当的假设条件下,证明了此类方法具有全局收敛性.     

基于紧支撑和正交非分离小波的图像去噪算法

提出了一种基于紧支撑、正交的非分离高维小波去噪方法.首先,根据非分离小波理论,构造了一个非分离、具有二阶消失矩的小波滤波器组,然后结合非分离小波变换与单小波去噪方法中的VisualShrink方法进行图像的去噪,并与多小波、单小波的去噪效果进行比较.实验结果表明,该方法不但峰值性噪比的增幅值要明显高于CDF53单小波方法、GHM多小波、D4单小波的HeurShrink方法,而且具有更好的视觉质量.     

基于小波分析的图像去噪应用

小波分析是傅立叶分析思想方法的发展与延拓,它具有良好的时频局部化特征、尺度变化特征和方向性特征,这使其在图像处理中得到了广泛的应用。本文讨论了小波分析的基本理论,并将其应用于图像的去噪处理。从仿真和模拟实验可知,小波分析用于图像处理具有压缩比大、信息提取灵活方便、去噪效果好等优点。     

凸体的lp范数

将凸体的l范数推广到Lp空间,引入lp范数并证明在Lowner椭球(包含凸体的最小椭球)是球的所有凸体中,八面体具有最大的lp范数.同时还给出了lp范数的Blaschke-Sanatlaó型不等式.     

基于改进阈值函数的二维小波变换图像去噪研究

在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阚值去噪方法的基础上,用一种改进的阈值函数和二维小波变换相结合的方法,克服了硬阚值法不连续性和软阈值法有偏差的缺点.该方法能在不同尺度的多方向中采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高图像信噪比,改善视觉效果.仿真实验结果表明,该方法去噪效果明显,将在各类图像去噪处理中发挥作用.     

基于小波的图像去噪技术

本文介绍了小波分析去噪的基本原理,研究了基于小波变换的图像去噪方法;考虑到小波相关去噪方法的优缺点,给出了基于尺度乘积与阈值相结合的去噪方法,并进行了试验验证。结果表明,与常用的图像去噪方法相比,基于尺度乘积与阈值相结合的去噪方法可以很好地保留图像的细节信息,性能优于其他方法。最后,基于对小波去噪问题的理解,提出了对小波去噪方法的一些展望。     

基于非凸秩近似的大规模MIMO信道估计

针对大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中信道估计训练开销大、计算复杂度高的问题,利用信道矩阵的低秩特性,提出了基于低秩矩阵近似的信道估计方法.采用非凸的γ-范数近似信道矩阵秩函数,提高了信道矩阵秩近似的精确性.利用交替方向乘子法求解信道矩阵,选择较少的信道参...     

基于模糊均差的低照度图像平滑去噪方法

为了提高低照度图像去噪处理的整体效果,本次研究提出了基于模糊均差的低照度图像平滑去噪方法。采用Sobel梯度检测图像边缘信息,采用OTSU（Nobuyuki otsu 大津展之）阈值分割法分割图像为平坦区域和细节区域;通过模糊均差方法分别估计两个区域图像的噪声标准差;采用小波域方法对图像进行平滑软阈值去噪,实现低照度图像的平滑去噪。实验结果显示,本文方法可以在不同噪声水平下获取接近真实值噪声标准差,在噪声水平最大时信噪比大小达到了27.97dB,去噪效果达到92.1%,质量很好的图像数量占比达到了80.58%,图像信息损失较小,去噪效果较好,具有极大的应用价值。     

基于curvelet变换的红外图像去噪方法研究

针对传统小波算法所生成的可分离小波只具有有限的方向,不利于图像去噪,本文采用curvelet算法对红外图像进行去噪处理.该方法以小波变换为基础对图像进行分解,在分解所得的一系列小波子带中,以定义的平滑窗函数对曲线边缘进行平滑分割,再对平滑分割处理的每个子块进行Ridgelet变换.最后将小波阈值范围外的系数置零,以curvelet逆变换对原始图像进行重构.红外图像的去噪实验表明,本文算法有效可行,相比传统的小波算法、SVD算法,本算法能获得更高的P_SNR数值,去噪效果更佳.     

基于双核范数鲁棒矩阵分解的遮挡图像恢复

低秩矩阵分解是计算机视觉、机器学习和数据挖掘中普遍使用的数据分析工具.矩阵分解方法可用于连续遮挡的图像数据的恢复,而低秩矩阵分解可转化为核范数优化模型.为了增强矩阵分解模型的鲁棒性,提出基于双核范数的鲁棒矩阵分解方法,该方法将每个数据矩阵分解为低秩干净数据、低秩噪声数据和稀疏噪声数据之和.建立最小化矩阵双核范数与L1范...     

基于暗原色先验的低照度图像增强

低照度图像亮度低、对比度低、细节信息缺失,对后续处理造成不便。针对这种情况,提出一种基于改进的暗原色先验低照度图像增强算法。采用输入图像暗通道的最大值估计大气光值,并用输入图像暗通道替代用大气光值来归一化输入图像,以其暗通道估计透射率,提高了算法效率。对输入图像取反,得到一副类似雾化的图像,用暗原色先验去雾,将结果再次取反,得到增强图像。暗原色先验会放大图像噪声,引入导向滤波实现保边去噪。实验结果表明,算法能有效增强低照度图像,提高图像亮度、对比度和突出图像细节信息。     

Luxemburg范数下Orlicz-Bochner函数空间的I-凸性与Q-凸性

根据Banach空间中I-凸与Q-凸的等价定义得到了当(?,Σ,μ)为有限测度空间时,Luxemburg范数下Orlicz-Bochner函数空间■为I-凸的当且仅当M∈△_2(∞)∩▽_2(∞),且X为I-凸的;■为Q-凸的当且仅当M∈△_2(∞)∩▽_2(∞),且X为Q-凸的.