全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。     

基于局部坐标二次微分的自适应全变分去噪复原

针对传统TV去噪复原算法以梯度模值作为图像的边缘检测算子,无法清晰地识别边缘和灰度渐变区及去除平坦区内的孤立噪声的问题,提出了一种基于局部坐标二次微分的边缘检测算子对传统模型进行改进。改进后的模型能根据各像素点的新检测算子信息,自适应选取复原模型中决定扩散强弱的参数,并且利用图像局部信息对正则化项和保真项进行加权。同时在数值实现上,采用一种基于梯度矢量的方向变化的方法来实现散度离散化,以更加有效地保留图像的局部细节信息。数值试验表明,该算法在克服灰度渐变区内的阶梯效应和保留图像的细节边缘方面明显优于传统算法。     

改进非局部均值各向异性扩散图像去噪算法

针对各向异性扩散算法的不稳定性在去噪过程中易产生阶梯效应,导致纹理细节不能较好保留的缺点,提出一种改进的非局部均值各向异性扩散图像去噪算法.所提算法将非局部均值引入迭代过程,利用图像中的大量相似冗余信息,以中心像素邻域图像块作为像素点的相似性度量,对图像进行合理的描述;同时在扩散系数函数中,将图像梯度结合残差图像中局部能量算子,自适应选择扩散系数.结果表明,所提算法在有效平滑噪声的情况下,减弱了阶梯效应,保留了更多的纹理细节,与各向异性扩散算法、自适应选择扩散去噪算法和基于非局部均值理论的各向异性扩散算法相比,峰值信噪比和结构相似度有较好提升.     

基于改进梯度向量流形变模型的动目标检测方法

针对现有图像序列动目标检测技术抗噪声能力较差、跟踪性能鲁棒性不强的不足,提出了一种改进的梯度向量流形变模型算法,该算法构造了新的梯度向量场,利用图像灰度梯度信息、帧间运动信息以及邻域灰度信息相结合进行梯度向量场计算.仿真试验结果表明,该方法较好地克服了图像序列中随机噪声的影响,计算出的梯度向量场基本没有干扰区域,同传统向量场相比较,有效地提高了算法的抗噪能力和跟踪结果的准确性,可更好地实现图像序列的动目标检测.     

一种新的条码图像去噪方法

针对条码图像处理中去噪问题,提出一种新的基于边缘检测技术下的小波阈值去噪方法,在去除噪声同时考虑与高频噪声分量相似的条码边缘信息,不仅达到去噪的目的,而且可以有效地保存了条码的边缘信息.实验表明该方法达到令人满意的效果.     

基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法

鉴于偏微分方程在图像去噪中的原理和应用,针对传统机械振动信号去噪方法的局限性,提出了一种基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法并用于机械振动信号去噪。首先研究了小波阈值去噪和Perona-Malik非线性各向异性扩散滤波模型之间的相关性,其次用小波变换模替代梯度模构建改进的扩散系数,并推导出了基于小波变换模的改进Perona-Malik模型。实验结果表明,与传统去噪方法和基本Perona-Malik模型相比,改进Perona-Malik模型不仅较好地实现了强噪声背景信号有效去噪,而且同时保留了信号细节特征,改进算法抗噪声干扰能力强,去噪之后信号畸变小,改进算法使信噪比平均提高了约3 dB。     

基于可控滤波器的自适应各向异性扩散方程与图像去噪

各向异性扩散方程在去除图像噪声的同时能有效保持图像边缘,在图像处理中有广泛的应用。然而,经典PM模型会产生阶梯效应。为了解决这个问题,本文提出了基于可控滤波器的自适应PM模型。由于可控滤波器能有效刻画图像边缘,基于该滤波器构造了新的扩散系数,从而使得PM模型能够自适应扩散,有效避免阶梯效应的产生。在真实图像以及合成图像上的实验表明,新模型在除去噪声的同时,能够保持图像边缘,也能避免阶梯效应的出现。     

一种基于脉冲耦合神经网络的图像降噪方法

传统的脉冲耦合神经网络(PCNN)在图像降噪时不能准确地定位噪声数据并去除图像噪声.提出一种基于改进的PCNN有效去噪方法.该方法在PCNN模型上采用自适应的突触连接系数,使之随不同神经元与其周围神经元相似程度的不同而自适应变化,提高噪声数据的辨识度;同时将PCNN神经元的点火频次记录在点火时间序列中,根据神经元点火次数判断并滤出噪声点,实现更好地降噪效果.实验测试结果表明,该方法不仅可以准确地辨识噪声数据,而且能够有效地去除图像的噪声点,具有较强的适应性和较好的边缘与细节保护能力.     

一个四阶偏微分方程在图像去噪中的应用

将边缘检测算子引入到用于图像去噪处理的四阶偏微分方程模型中,以建立能在去除图像中的噪声的同时抑制图像中的梯形效应且保护图像边缘细节的非线性偏微分方程模型.通过对该非线性偏微分方程模型的能量估计得到该非线性偏微分方程模型在有界区域上弱解的存在性和唯一性.利用数值仿真实验检验了所建立的非线性偏微分方程模型对图像中的高斯白噪声及椒盐噪声的去噪效果.     

格子玻尔兹曼模型的图像去噪方法

为了实现快速去噪以及更好地保护图像的边缘信息,从各向同性扩散模型出发,提出了一种基于索贝尔(Sobel)梯度算子的格子玻尔兹曼去噪模型,通过该模型求解非线性扩散方程实现图像去噪.模型引入了Sobel算子作为检测边缘的工具,同时满足前向扩散的要求,保证了方程的稳定性.实验分析表明,应用该方法进行图像去噪,能够在保护图像边缘的情况下进行快速去噪.     

基于各向异性扩散滤波与非局部先验的PET图像重建算法

针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.     

Rician noise removal in magnitude MRI images using efficient anisotropic diffusion filtering

In this article, a new methodology for denoising of Rician noise in Magnetic Resonance Images (MRI) is presented. MRI imaging creates a distinctive view into the interior of a human body and has become an essential tool of clinical diagnosis. However, Rician noise is a type of artifact inherent to the acquisition process of the magnitude MRI image, making diagnosis difficult. We proposed a moment‐based Rician noise reduction technique in anisotropic diffusion filtering. We extend the work of the classical anisotropic diffusion filter and have customized it to remove Rician noise in the magnitude MRI image in 3D domain space. Our proposed scheme shows better results against various quality measures in terms of noise removal and edge preservation while retaining fine textures.     

用于各向异性扩散滤波的热传导系数构造方法

针对传统各向异性扩散滤波算法难以在噪声环境下有效估计边界像素,本文提出了一种热传导系数构造方法.该方法结合了各向异性扩散和各向同性扩散的优点,将每次迭代运算分解为两步:第一步采用各向同性扩散降低图像噪声,并完成热传导系数的计算;第二步运用各向异性扩散,实现真正的图像滤波.试验证明该方法能够在大尺度加性和乘性混合噪声环境...     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度场内奇异值分解相结合的边缘检测方法.首先在图像预处理阶段,为了提取准确的边缘特征,文中利用小波变换的时频局部化特性,对图像进行小波变换.该文对用小波求取的梯度场使用局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出并且能够达到抑制噪声的目的.实验证明该文方法既能在无噪声影响的图像中提取出清晰完整的单边缘,又能在有噪声干扰的情况下提取出理想的边缘.     

顾及边缘信息的多尺度误差扩散半色调算法

目的为了解决传统多尺度误差扩散半色调算法会导致半色调结果图像阶调变暗和边缘模糊的问题,提出一种顾及边缘信息的多尺度误差扩散半色调算法。方法根据当前像素邻域内像素点的处理状态,设计动态非时序误差扩散滤波器;利用图像局部平均灰度与空间变化率提取图像边缘信息,结合图像边缘信息与灰度信息确定半色调处理顺序。结果半色调处理结果视觉效果均匀,阶调信息和边缘结构信息与原图像一致性良好,峰值信噪比、加权信噪比和结构相似度分别提高了0.7～1.2 d B,0.9～1.5 d B,0.11～0.18。结论该算法解决了多尺度误差扩散算法的图像阶调变暗和边缘模糊的问题,有效提高了半色调输出质量。     

A time-dependent switching anisotropic diffusion model for denoising and deblurring images

A conditionally anisotropic diffusion based deblurring and denoising filter is introduced in this paper. This is a time-dependent curvature based model and the steady state can be attained at a faster rate, using the explicit time-marching scheme. The filter switches between isotropic and anisotropic diffusion depending on the local image features. The switching of the filter is controlled by a binary function, which returns either zero or one, based on the underlying local image gradient features. The parameters in the proposed filter can be fine-tuned to get the desired output image. The filter is applied to various kinds of input test images and the response is analyzed. The filter is found to be effective in the reconstruction of partially textured, textured, constant-intensity and color images, as is evident from the results provided.     

闪光CCD图像的中值-非线性扩散滤波

根据闪光CCD图像的特点,提出了一种中值-非线性扩散滤波(Median-NonlinearDiffusionFiltering,简称MNDF)方法。该方法采用中值预滤波来估计图像的真实边缘,通过求解偏微分方程(PartialDifferentialEquation,简称PDE)来进行非线性扩散滤波,充分发挥了中值滤波和非线性扩散滤波的优势,能更好地消除噪声、保护边缘。实验结果表明,在高斯噪声和脉冲噪声同时存在的情况下,MNDF方法取得的滤波效果较P-M方案和Catte方案要好,信噪比改善因子提高3~5倍,均方误差减小1.3~2.7倍。对闪光照相CCD图像取得了很好的消噪声结果,保护了边缘信息。     

霍夫变换耦合蚁群优化图像边缘提取算法

目的为解决图像边缘提取方法中由于噪声浸染导致边缘定位精确度降低、边缘信息丢失和虚假边缘等不足,提出基于霍夫变换(HT)耦合蚁群优化(ACO)图像边缘的提取方法。方法对输入图像进行霍夫变换,消除噪声和线段间隔对图像边缘的影响;计算图像像素梯度和像素圆形邻域统计均值的差值,构建二者之间的权重函数,并作为蚁群的信息素和启发信息;利用蚁群优化算法,引导蚁群搜索图像边缘,完成图像边缘提取。结果实验表明,与当前边缘提取技术相比,文中算法具有更高的提取精度与效率,可获取完整、细节丰富的边缘,有效地降低了噪声影响。结论所提算法具有较强的抗噪性能,能进一步改善边缘提取精度,能够较好地用于包装条码识别与图像处理领域。