去除图像椒盐噪声的双向预测算法及其改进

在去除图像噪声的同时,如何避免图像细节信息的损失和边缘的模糊,是图像处理技术中的一个难点.针对灰度图像中存在的椒盐噪声问题,提出了基于双向预测算法的去噪方法.首先根据椒盐噪声的特点,判断图像像素是信号像素还是噪声像素.对于信号像素,保持灰度值不变;对于噪声像素,利用双向预测的方法来确定处理后该像素点的灰度值.针对上述方法中存在的不足之处,又提出了一种改进方案.改进方案在对噪声像素处理时,根据像素之间的相关性和像素本身的性质自适应地确定预测器的预测系数,提高了预测算法的去噪性能.实验结果表明,本文算法具有良好的去噪特性及细节保持特性.     

基于加权Boosting的核偏最小二乘图像超分辨率重建

核偏最小二乘(KPLS)算法对每个图像块选用全部主元成分进行图像重建,导致图像超分辨率算法的计算量大。兼顾图像重建质量和时间效率,该文提出一种加权Boosting的图像超分辨率重建算法。为自适应地选取每个图像块主元成分的最佳数目,利用加权Boosting原理对KPLS回归预测量进行补偿,推导给出补偿权重系数的数学表达式。讨论不同Boosting阈值情况下的重建性能,在合适的下,选取出主元成分的最佳数目m更好地满足KPLS回归模型的精度要求。实验结果表明,该文算法的超分辨率重建质量优于传统算法。