基于测地线活动轮廓模型的图像除噪和增强

讨论曲线演化的活动模型去除图像噪声的性质。利用不同尺度小波变换系数的边缘映射指示图像的边缘。把不同尺度下的边缘映射经复合设置成曲线演化方程的边缘指示函数。为了防止边缘尖点被平滑,采用一种新的数值离散迭代格式求解曲线演化方程。这样使曲线演化方程在均匀区域能更好地平滑噪声,边缘点得到保护且不被模糊。通过对图像的仿真试验说明提出的方法在图像除噪方面有良好的效果。     

多尺度图像迭代去噪

为了解决传统图像去噪算法仅对平稳噪声或缓慢变化噪声有效，且存在残留图像噪声较大的问题。研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及图像和噪声小波模极大值随尺度的变化大小不同，运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小，完成了多尺度图像去噪。实验结果表明：对峰值信噪比较低的图像去噪，本方法去噪后峰值信噪比比传统的方法高，并且保留较多的图像细节。该算法对平稳和非平稳的噪声都能进行较好地去噪。     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于2D小波变换的图像消噪算法

利用2D小波变换对含噪图像进行消噪处理。基于小波变换具有的多分辨率特点,分析图像信号的局部特征,滤除掉含噪图像中的高频成份,达到降低噪声的目的。文中给出了含噪二维图像信号模型,以及利用2D小波分析对图像信号消噪的步骤。同时介绍了MATLAB6．5中小波分析支持的图像格式。经噪声图像仿真测试,小波变换中独立阈值法具有较好的消噪效果。     

基于消噪-分离-消噪策略的有噪混合图像盲分离方法

独立分量分析虽能有效地对无噪信号实现分离,但是直接应用于有噪信号时效果较差。针对这个问题,给出了一个消噪-分离-消噪策略,并将之用于有噪混合图像盲分离且给出了具体的分离方案。首先利用小波变换对有噪图像进行消噪,然后再使用独立分量分析对消噪后的图像进行分离,接着再一次利用小波变换对分离后的图像再次消噪,从而获得较为清晰的图像。仿真实验表明,该方法能有效提高有噪混合图像分离结果的峰值信噪比和相关系数,效果良好。     

小波域中视频图像的Bayesian消噪

消噪是图像处理中的重要问题之一。正交小波的正交性保证了白噪声干扰图像的小波系数所包含的噪声是白色的。新近的研究表明视频图像的小波系数趋于Laplacian分布,用Bayesian估计对图像小波系数滤波可以达到消噪的目的。本文研究了Bayesian估计与线性估计两种消噪方法,实验表明Bayesian估计有较好的消噪性能。     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

基于LMS算法的自适应语音除噪性能研究

语音除噪是自适应信号处理研究的重点,通过利用matlab分别实现了基于时域定步长LMS算法、时域变步长LMS算法、基于FFT技术的LMS频域快速算法(FLMS)的自适应语音除噪仿真,并成功应用到带噪语音信号除噪方面.经实验表明,时域变步长LMS算法比时域定步长LMS算法的改善性噪比高1dB左右,与FLMS算法除噪性能相当,但FLMS算法的速度明显快于传统时域算法,而具体时间比的大小与总的样本数目有相关联系.     

基于小波变换的人体图像边缘检测

根据人体图像的特点 ,利用三次样条二进小波 ,采用Mallat快速算法进行小波分解 ,提取了人体图像的正面和侧面边缘 .结果显示 ,提取图像的边缘连续性较好 ,弯曲部分边缘也能准确提取 ,为人体着装图像的边缘检测提供一种新的方法     

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。     

3DDCT变换下的图像去噪与增强方法

为了解决传统图像去噪算法存在边缘纹理信息损失的问题,根据图像平滑区域DCT非零系数个数较少的特点,提出了基于3DDCT的图像去噪及增强处理方法.该方法首先依据l2范式将含噪图像的相似区域块构成块群;再根据块群中块内像素的相关性,对各块进行2DDCT变换并利用阈值进行首次去噪,根据群内块间对应像素的相似性,对块群进行一维...     

一种新的用于图像分割的活动轮廓模型

为了从灰度异质图像中更好地提取目标,本文提出了一种新的图像分割方法,采用测地时间函数作为局部二值拟合模型的核函数,并结合图像区域的局部灰度信息和全局灰度信息建立能量泛函.同时,符号函数惩罚项的引入避免了符号函数的重新初始化,而曲线长度调整项则保证了曲线演化的连续性和光滑性.通过变分水平集方法最小化新的能量泛函,得到曲线演化的梯度下降流.通过对医学CT图像进行分割实验,证明了该方法的可行性和优越性.     

基于形状先验水平集的高鲁棒性中医舌图像分割方法

中医舌图像分割一直面临着由于采集设备更新换代等因素带来的分割方法鲁棒性下降的问题.提出一种基于形状先验主动轮廓模型的中医舌图像分割方法.首先, 采用统计方法获得大致舌体图像;然后, 采用形状先验水平集方法得到基本完整的舌体;最后, 采用Snake模型方法得到最终准确分割结果.实验结果表明:该方法对于不同环境下得到的舌图像分割都具有良好的分割效果.     

基于四阶PDEs和对比度增强的荧光显微图像去噪

提出一种用于荧光显微图像去噪扩散模型的算法。该算法针对二阶偏微分方程去噪模型易引起的"块效应"和伪边缘等问题,采用正则化方法,利用四阶偏微分方程,同时融合对比度增强技术设计去噪模型。与二阶偏微分方程扩散模型相比,该算法不仅使去噪图像看起来更加自然清晰,而且在峰值信噪比和结构相似度等客观评价方法下也取得了更加满意的结果。     

一种基于Uniformer Transformer与UNet的图像降噪模型

卷积神经网络(CNNs)在图像降噪任务中取得了较大的成功. 基于Vision Transformer模型表现出较好的效果. 计算机视觉领域利用Transformer方法其性能超过了卷积神经网络方法. 提出了一种名为UUNet(Uniformer Transformer-UNet)的图像降噪模型,该模型使用Uniformer Transformer作为骨干网络,并融入UNet网络来提取图像的深层特征,使用PSNR、SSIM等指标对图像降噪效果进行评估. 实验结果表明,使用UUNet网络对图像降噪的整体性最优.     

基于矩特征预测的主动轮廓跟踪算法

提出了一种基于矩特征预测的B样条主动轮廓跟踪算法。在算法的预测阶段，采用卡尔曼滤波器预测图像中运动目标的质心位置及主轴旋转角度，采用这2种矩特征统计量初步确定主动轮廓在当前帧中的位置及姿态。在算法的搜索阶段，采用动态规划方法驱动B样条主动轮廓精确定位目标的边缘。实验表明，这种跟踪算法在数十帧的头部序列图像中能较好地分割及跟踪目标。     

运用TGV正则化分解模型实现天文图像去噪

通过对天文图像进行分解达到去噪的目的,针对图像分解模型中常用的总变差（Total Variation,TV）半范假设图像由分片常数区域构成这一局限性,提出了基于2阶总广义变差（Total Generalized Variation,TGV）半范正则化的图像分解方法．假设图像的主体部分在有界总变差（Bounded Generalized Variation,BGV）空间中,振荡部分在G空间中,建立图像分解极小化模型,使得分解后的各部分之和逼近原始图像的同时,主体部分满足一定的光滑性要求．运用快速迭代压缩一闽值算法（FastIterative Shrinkage—Thresholding Algorithm,FIS—TA）迭代算法及Chambolle投影算法对模型求解,收敛速度快,耗时小．数值实验表明,与TV正则化方法相比,利用本文方法能更好地去除太阳射电动态频谱图中的噪声,从而更准确地将纤维精细结构提取出来．