基于灰度直方图的单一图像噪声类型识别研究

图像噪声类型识别是抑噪方案研究的前提及噪声参数估计的基础,对后续的图像处理有着重要作用。利用含噪图像灰度直方图特性,对几种常见单一噪声类型进行识别。首先对这些噪声基于统计学的方法进行数学建模,获取不同类型噪声的随机矩阵,把这些噪声矩阵加载到灰度图像中;然后对图像中灰度等级相对一致的不连续区域分别采样并画出直方图,通过直方图中不同分量灰度值的分布及图形形状识别噪声类型。在前人的基础上增加了瑞利噪声、伽马噪声、指数噪声等类型识别,对图像灰度直方图绘制方法进行了改进,扩大了采样区域的可选范围。对同一加噪图片均匀不连续区域分别采样,提高了噪声类型识别准确度。     

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.     

基于S-ROAD统计量的细节保护随机值脉冲噪声滤波算法(英文)

在受随机值脉冲噪声干扰的图像中,为了去除图像中的脉冲噪声并有效地保护图像的边缘与细节,提出了一种新的两阶段细节保护随机值脉冲噪声滤波算法.在噪声检测阶段,针对图像中边缘和细节像素难以和噪声像素有效区分的问题,提出了一种基于S-估计的绝对级差统计量(S-ROAD).通过引入S-估计到ROAD统计量,消除了ROAD数据中由图像边缘和细节带来的干扰.利用S-ROAD统计量,图像中的大部分噪声像素,包括位于图像边缘和细节处的噪声像素都可以被区分出来.在图像滤波阶段,算法引入了双阈值迭代方法对确认出的噪声像素赋值,提高了对噪声像素的估值精度,从而有效地保护了图像的细节.无论是主观视觉评估还是客观数据评估,实验结果都表明了该算法优于现有的很多方法.     

基于小波变换和中值滤波相结合的SAR图像相干斑的抑制

合成孔径雷达图像中相干斑噪声的存在降低了图像的质量,影响了图像的解译和后续处理。分析了图像相干斑噪声产生的机理,介绍了基于空域和频域的滤波方法的研究现状,并在阐述小波阈值去噪声方法的基础上考虑根据小波系数子带分布特征用定向窗口中值滤波代替阈值去噪声,提出了结合中值滤波的小波域SAR相干斑抑制方法,并通过和已有的方法比较,说明该方法非常有效。     

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...     

中巴资源卫星-02星CCD图像条纹噪声消除方法研究

从遥感影像条纹噪声的周期性特征入手,利用图像的频谱图对图像中条纹噪声的频率分布进行分析,并使用巴特沃斯带阻滤波器对条纹噪声进行消除.实验结果表明,该方法能有效抑制条纹噪声,并能保留图像边缘信息.通过对条纹噪声分析发现中巴资源卫星-02星CCD图像存在4种条纹类型.     

一种改进的加权滤波去噪算法

噪声图像的恢复是影响图像信息的一个重要因素,提出了一种新的滤波算法,该算法首先利用阀值把噪声和图像像素区分开来,再对像素进一步区分出脉冲噪声和图像像素,最后对脉冲噪声用改进的加权中值滤波器滤波。仿真结果表明,该方法对脉冲噪声有很好的抑制作用,而且较好地保存了图像细节和结构信息,证明该方法具有实用性和有效性。     

基于像素邻域信息噪声修正的FCM图像分割算法

针对模糊聚类算法（FCM）在图像分割中存在对噪声敏感的缺陷,提出一种利用邻域像素平均隶属度的信息修正噪声的FCM图像分割算法。该算法在利用FCM对图像进行分割的基础上,使用邻域像素信息对结果中存在的孤立点的隶属度进行修正,从而使孤立点得以消除,减少乃至消除噪声影响。实验结果表明,改进后的方法显著提高了FCM算法对噪声的抗干扰性和分割精度。     

基于L0梯度范数泛函优化和变换域阈值的图像去噪算法

基于L0梯度泛函优化和变换域阈值法的图像去噪算法,首先利用L0梯度泛函的最优化算法把含有噪声的图像分解为显著边缘层和细节纹理细节层,然后对含有噪声的细节纹理层图像进行短时傅利叶转换,并在变换域中利用阈值法分离纹理细节层中的图像细节纹理和噪声,进而去除图像的噪声。实验结果表明图像去噪算法获得了显著的去噪效果。     

数字图像的小波去噪方法研究

由于外来信号的干扰,大多图像都含有不同程度的噪声。为了更好地对图像进行分析,就必须在图像预处理中减小这些噪声。图像去噪正是在保留图像原有重要信息（边缘等）的前提下降低或消除噪声。该文介绍了小波变换的基本理论,对以小波为工具的数字图像去噪方法进行了探索,同时选取不同小波基函数对多幅标准图像开展了大量仿真实验,并对小波基函数的选取以及软硬阈值去噪等相关问题进行了研究,得到了最优基的选择应根据图像自身的特征来确定等有意义的结论。     

图像中散弹噪声的滤除方法分析

从图像的获取、传输到图像的重现过程中,会遇到各式各样的噪声,这些噪声将会使图像的质量下降,甚至无法识别。本文介绍一种电视中常见的散弹噪声,并将其从图像中滤除,使得图像更加清晰。     

基于机器学习SAR图像噪声抑制技术研究

为提高含噪声SAR(合成孔径雷达)图像的目标识别能力,提出基于机器学习的图像噪声抑制技术的研究思路。该思路通过问题估计,为含噪声图像获得清晰的输出景物,从而生成一个与含噪声图像相符合的增强的合成景物世界。该技术以马尔可夫网络为体系,根据图像与景物、景物与景物之间的联系来确定网络上的信息传递规则,从大量的训练事例中学习并获得网络参数,利用贝叶斯方法为原图像找到理想的后验概率,生成一个清晰的超分辨率结果图。     

基于自适应开关中值滤波算法的工程图像处理

工程施工图像在获取、传输等过程中存在一定程度的噪声干扰。通过对标准中值滤波算法进行分析,得到了一种基于自适应开关中值的图像滤波算法,能够在去除椒盐噪声的同时保持图像细节。该算法用迭代实现了开关中值滤波算法中阈值的自动选取,可有效提高噪声点检测的准确率。通过MATLAB仿真实验,证实了该算法相较于传统滤波算法能够更好地保护图像细节和改进图像清晰度。     

一种自适应超分辨率图像重建方法研究

针对图像去噪的问题,提出了一种自适应范数及正则化参数的图像重建方法。首先,考虑到退化图像不仅含有高斯噪声,而且含有拉普拉斯噪声,利用最大似然估计的思想估计高斯噪声和拉普拉斯噪声的标准差|其次,由于在图像重建过程中,噪声分布会发生变化,为此,构造基于统计量的高斯和拉普拉斯权重函数,整合L1、L2范数,设计一种自适应加权函数|最后,结合自适应正则化参数方法,设计了一种自适应L1、L2范数及正则化参数的图像重建方法。实验结果表明,提出的方法对含有混合噪声的不同图像具有比较理想的重建效果。     

一种用于去除图像椒盐噪声的滤波算法

由于图像在获取、传输等过程中会受到各种噪声的影响,而在大多数应用中,又需要清晰的、高质量的图像,所以图像去噪是图像预处理中一项重要任务.图像中所含的噪声有很多种,椒盐噪声是其中最常见的一种.针对图像中所含的椒盐噪声,提出了一种改进的滤波去噪算法.实验结果表明,与其他常见滤波方法相比,改进算法简单有效.     

含噪图像的快速超分辨率重建算法

现有算法大多假设输入图像是不含有噪声的。但与实际情况相反,在生活中获得的图像多数是含有噪声的。本文对含噪图像的超分辨率重建问题进行研究,并提出一种可以快速实现的算法。首先,借鉴传统算法中高、低分辨率字典的训练方法,在此基础上将低分辨率图像块的纹理结构加入字典的训练过程。值得注意的是,这里的低分辨率图像块和高分辨率图像块具有相同的图像尺寸,前者是通过双立方插值得到的。其次,由于字典训练过程中使用的实例图像是不含有噪声的,因此面对不同程度噪声的输入图像并不需要重新训练字典。在重建过程中,通过使用稀疏字典的列原子作为匹配对象从而大大降低了计算成本,并对输入的特征向量和稀疏字典做了归一化处理,提高了精度。根据输入的特征向量和匹配对象的相似程度选择k个相似块,并通过权重限制模型完成对相似块的权值分配,从而重构出对应的高分辨率图像块。最后,通过加权平均重建了原始估计的高分辨率图像和去噪后的低分辨率图像,再将两幅重建图像与迭代反投影相结合,得到最终估计的高分辨率图像。在自然图像上验证了本文算法,并与先前报道的算法进行比较,其结果优于其他算法并具有较好的鲁棒性。     

基于微分方程的非均匀运动模糊图像盲复原算法研究

对噪声分析的误差会导致模糊图像盲复原的质量较低,提出基于微分方程的非均匀运动模糊图像盲复原算法研究。根据图像的退化模型,计算了服从高斯分布噪声下的模糊图像基础数据拟合项,可考虑噪声的独立同分布属性,利用高阶导数对该类噪声进行高斯分布约束,并计算得到数据拟合项的最终形式,结合二阶导数得到图像的模糊核初始值,围绕该值构建了图像的Hessian矩阵和高斯金字塔尺度空间,将其作为复原范围,根据高斯滤波处理后图层响度与模糊核初始值之间的关系,对像素的位置进行调整,实现对图像的盲复原。测试结果表明：设计算法下,复原后图像的PSNR值、SNR值和ISNR值分别达到了18.0d B、10.0d B和6.0d B以上,具有良好的复原质量。基于此,介绍了模糊图像盲复原算法设计,开展了应用测试与分析,得出相应的测试结果。     

基于信号分析的椒盐噪声滤波算法

椒盐噪声对图像造成或亮或暗的像素点,从视觉上影响图像的质量。采用基于信号分析的方法去除图像中的椒盐噪声,信号分析能准确判断出噪声与信号像素,该方法依据椒盐噪声模型准确区分信号与噪声,对信号像素给予保留,而对于噪声像素则有针对性地对其作中值滤波、扩大的中值滤波或均值滤波。实验结果表明,与线性加权、梯度倒数加权以及小波去噪算法相比,文中算法能有效降低图像中的椒盐噪声,对图像的边缘与细节保持较好,并且能得到较高的信噪比。     

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。     

一种基于小波域的中值滤波去噪法

根据脉冲噪声和高斯噪声在小波变换下的不同特点,结合中值滤波,在小波域内对高频子带图像进行中值滤波.仿真结果表明,此算法不仅能滤除图像中的脉冲噪声和高斯噪声,且能较好的保留图像的边缘细节,可获得较好的去噪效果.