遥感图像椒盐噪声PDE扩散模型

文中首先对方向扩散模型和自蛇模型进行了分析和讨论,在此基础上提出一种去除遥感图像椒盐噪声的PDE扩散模型.该模型通过引入基于ENI的引导扩散函数,自适应的调整模型在遥感图像不同区域的平滑力度,克服了方向扩散模型容易模糊和丢失奇异点,自蛇模型去除椒盐噪声不彻底和容易丢失纹理细节的不足,在有效去除遥感图像椒盐噪声的同时,很好的保持了图像边缘和纹理细节信息.实验结果验证了所提模型的有效性和稳定性.     

一种噪声类型识别的遥感图像PDE去噪模型

遥感图像去噪是遥感图像进一步被分析和识别的前提与基础。传统的去噪模型由于对噪声不加识别的进行处理,从而往往达不到较好的去噪效果。文中利用小波变换能够对噪声类别进行识别的特性,以及P-M模型和ENI模型在处理高斯噪声和椒盐噪声时的优势和不足,提出了一种基于噪声类型的模型。该模型能够根据遥感图像噪声的类型而自动调整相应的参数,从而进行有针对性的去噪,在有效去除遥感图像噪声的同时,很好保持了图像的边缘和纹理细节信息。实验结果证实了本文方法的有效性和稳定性。     

基于改进总变分算法的遥感图像去噪方法研究

遥感图像在成像和传输过程中所受到的大量噪声干扰在很大程度上影响了图像的质量和使用.近年来,基于PDE（Partial Differential Equation）的图像去噪因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的去除噪声的同时很好的保留图像的细节信息成为遥感图像滤波所追求的目标.本文首先对原有的总变分模型（TV模型）及其改进模型（M-模型）的基本原理及其所存在的不足进行了分析,在此基础上,提出一种基于标准梯度和边缘引导函数的全变分改进模型,该模型克服了传统TV模型容易产生＂阶梯效应＂,以及M-模型在去噪的同时会对图像过度平滑、容易丢失纹理细节信息的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理细节信息.实验结果验证了所提出模型的稳定性和有效性.     

基于小波变换和ROF模型的图像去噪算法

小波变换和ROF模型是常用的图像去噪方法。为了获取高质量图像,降低或消除噪声对图像的影响,提出了一种新的图像去噪算法。该方法对噪声图像进行小波分解,并对其高频部分进行阈值去噪,之后利用ROF和拉普拉斯算子结合的模型去噪,并进行小波重构,得到最终的去噪图像。实验结果表明,此算法的去噪效果比小波去噪或ROF去噪明显,能在有效抑制图像噪声的同时,更好地保持图像的边缘、纹理等特征,有效地提高了图像质量。     

浅谈小波分析软门限滤波去噪的优越性

介绍了基于软门限的小波分析去除遥感图像噪声的处理方法,并利用一些指标,与传统的滤波处理方法进行对比分析后发现,基本小波分析的图像滤波方法,在去除图像噪声的同时,可以很好地保持图像边缘纹理等信息。     

基于改进自适应TV模型的全自适应去噪算法

为使保边性更好的去噪模型在邻近图像边缘处得到应用,同时在图像平坦处得到平滑性更好的模型,解决选择单一的正则项系数对图像处理结果造成的不良影响,有效地自适应选取正则项系数,采用基于小波变换的图像分割技术将图像分为边缘区域和平坦区域,通过修改TV模型的数值解法和ROF算法,实现自适应正则项系数算法。实验结果表明,改进的模型和自适应正则项系数选取算法得出的图像,均方误差为56.69,峰值信噪比为31.00,平均相似度为0.84。改进的TV模型在图像去噪效果方面优于原模型,自适应正则项系数算法能够弥补原图像去噪方法的不足。     

结合加权低秩表示和L_1范数的图像混合去噪

由于图像在获取、发布或传输过程中受到噪声的污染,导致图像质量下降.现有的大部分图像去噪方法仅针对高斯噪声情况进行图像恢复,一般来说,现实中图像容易同时受到高斯噪声和椒盐噪声的污染.针对这一情况,文章提出基于加权低秩表示和L_1范数的混合噪声去除算法.该算法首先采用加权低秩表示来刻画图像的全局特性,同时利用L_1范数来描述稀疏噪声,设计了图像混合去噪模型.然后采用交替方向乘子法对混合去噪模型进行求解.最后对含混合噪声的图像进行了仿真实验分析,结果表明提出的算法能够较好地去除图像中的混合噪声,进一步提高图像的视觉感知质量.     

一种改进的各向异性扩散图像去噪及平滑模型

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分。在图像处理中,为了既有效地去除噪声,又能较好地保持图像的边缘和细节信息,在Perona-Malik各向异性扩散模型的基础上,通过对扩散系数函数和梯度和阈值K的修改,提出了一个对噪声图像更加有效的且更具有适应性的去噪扩散模型.在实际处理中,该模型不仅能够有效地保持图...     

基于方向扩散的线性扩散图像去噪方法

针对线性扩散在图像去噪中的不足,提出了基于方向扩散的线性扩散图像去噪方法.该方法对图像进行线性扩散的同时,具有保护图像边缘的作用.实验表明本算法在去除噪声和信噪比上取得了较好的效果.     

改进的邻域均值滤波去噪算法研究

邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。     

插值与高阶微分方程联用的图像放大模型

基于P.Perona和J.Malik方程的图像放大的算法对于图像的放大具有一定的效果,但是这种算法有它的局限性。插值与高阶微分方程联用的图像放大模型是在高阶Yu-Li You和M.Kaveh方程图像处理模型的数值实现中嵌入插值实现算法,从而可以得到一个比较完整的图像放大模型的实现算法.实验结果表明,此模型用于图像放大能够达到较好的效果.放大的效果图像没有出现灰暗的现象,也没有出现块效应.而且在放大倍数逐渐增大时,效果也保持得比较好.同时对带噪声的图像进行放大,并没有将噪声放大,反而有去除噪声的效果.     

基于噪声估计与引导的低剂量CT图像盲去噪方法

提出了一种基于噪声特征估计与引导的低剂量CT盲去噪方法.首先,采用有监督特征学习的方式对输入图像的辐射剂量进行等级评估,并估计出图像潜在的噪声特征图.其次,提出了一种基于噪声引导的低剂量CT图像盲去噪模型,通过显性噪声特征引导的方式将噪声特征与原始图像进行融合,并采用残差编码-解码卷积神经网络实现CT图像噪声去除.实验结果表明,在真实数据集上噪声估计网络及特征融合网络能够大幅提升去噪网络的性能,并且在未知剂量CT图像去噪任务上取得了较好的去噪效果.     

双变量模型下的非下采样Contourlet变换图像去噪

该研究利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑变换域内子带系数尺度间和尺度内的双重相关性,自适应地调节双变量模型下子带系数的收缩量,使子带系数的收缩量与子带含有图像细节内容的多少成比例.仿真结果表明,与仅考虑子带系数尺度间相关性的去噪算法相比,该算法在去除噪声的同时能有效保持原图像中的细节和纹理信息,改善恢复图像的主观视觉效果,提高恢复图像的PSNR值.     

GVF各向异性扩散和冲击滤波耦合的图像放大

提出了一种基于梯度向量流（Gradient Vector Flow,GVF）各向异性扩散和冲击滤波耦合的图像放大算法.该算法模型由边缘停止函数约束的平均曲率流在各向异性的扩散中平滑图像,能去除噪声等的干扰;GVF外力场将图像梯度边缘力场转变为有旋场进而去除图像放大中锯齿效应;数据保真项避免图像因扩散而过度失真,保留图像特征;耦合冲击滤波模型增强图像边缘和细节.实验结果表明,该算法在客观指标和主观效果上均是一种有效的图像放大算法.     

基于中值滤波的椒盐含噪图像去噪方法

为了有效地去除图像中的椒盐噪声,提高图像的质量,利用中值滤波算法进行去噪处理.分析了椒盐噪声的特性,阐述了中值滤波算法的去噪原理和优缺点.通过实验从主观评价和客观评价两方面对比了中值滤波和几种典型的图像去噪方法对椒盐噪声的去噪效果,并进一步分析了不同窗口大小的中值滤波对椒盐噪声的去噪效果.实验结果表明,中值滤波算法能很好地去除图像中的椒盐噪声.     

基于稀疏约束的离焦图像多尺度去模糊方法

由于传统方法没有充分考虑加性噪声对图像处理效果的影响,导致去模糊处理后图像易丢失细节信息,峰值信噪比较小以及图像清晰度较差的问题.为此提出基于稀疏约束的离焦图像多尺度去模糊方法.通过建立观测模型,判断图像斑点位置,消除离焦图像中因噪声引起的序列斑点,降低加性噪声的影响程度.进而分离离焦图像中的前景聚焦和离焦背景区域,提取出离焦图像的深度图.最后通过稀疏约束获取模糊核,并运用该模糊核实现对离焦图像的去模糊处理.实验结果表明,所提方法在图像细节保留、清晰度提升和峰值信噪比方面均具有优越性,有效提升了图像的感官效果.     

一类带时滞的非线性抛物方程在图像处理中的应用

提出了一种用于图像去噪、边界检测与图像特征增强的带时滞的非线性抛物方程模型,对此非线性抛物方程给出数值解法,并通过实验验证了新模型在有效去除噪声的同时也能较好地保存边界。     

一种基于K近邻的图像去噪方法

图像去噪作为数字图像处理中的基础课题,一直以来都是研究热点。由于许多复杂的原因,图像不可避免地会带有各种噪声,于是去除噪声是图像预处理的一个重要步骤。针对传统均值去噪的不足,提出一种基于K近邻的去噪方法。实验表明,该方法较传统方法更为有效。     

一种改进的图像盲复原算法

针对迭代盲反卷积算法恢复图像在内部灰度对比鲜明的地方、图像边界都出现的"振铃"效应和迭代盲反卷积算法通常去模糊效果好而去噪效果不理想等情况,本研究提出两点改进:首先,迭代盲解卷积算法恢复图像之前对模糊带噪的退化图像进行改进的中值滤波去噪;其次,对恢复出来的图像,通过找到内部灰度变化大的部分和边界并把其像素设置为0,进行去除"振铃"效应.改进后的算法简单,不仅复原了图像的细节,而且很好地去除了噪声.实验结果表明,改进算法取得了比较好的复原效果.     

基于维纳滤波的高斯含噪图像去噪

分析了几种常见的图像去噪方法的去噪原理和缺点后,主要研究了维纳滤波算法的去噪原理和其在实际应用中对高斯噪声的去除优点,通过实验对比维纳滤波算法和其他几种常见的图像去噪方法对高斯噪声的去噪效果,并分析不同参数对维纳滤波去噪效果的影响.实验结果表明,综合主观视觉效果和客观PSNR值而言,在去除高斯噪声时,维纳滤波可以取得更好的去噪效果,提高所获取图像的质量.