选择性计算的快速非局部均值图像去噪

针对非局部均值(NLM)图像去噪算法度量像素间的相似性计算强度高的问题,提出了一种选择性计算的快速NLM去噪方法。在图像块像素灰度值向量空间距离计算时,利用L2范数逐次消元法,只需在图像积分图上通过少量加法运算即可剔除大量相似性低的像素点,有效地减少计算强度。根据图像空间相关性强的特点,提出了基于patch测地线距离的动态调整搜索区域的方法。实验结果表明,与其他经典算法相比,该方法获得了较好的加速,也提升了NLM算法的去噪性能。     

非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

基于SUSAN算法和9／7提升小波图像去噪融合

为了对含噪模糊图像进行有效的去噪增强,并考虑到实时性的要求,本文提出了一种新的基于SUSAN算法和9／7提升小波图像去噪融合方法。首先,对含噪模糊图像进行SUSAN算法处理;同时,对含噪模糊图像利用9／7提升小波进行通用阈值去噪;最后,在对去噪后的图像进行镜像对称延拓处理并与经SUSAN算法处理后的图像进行有效的融合。仿真实验结果表明,该方法不但能够大大提高图像的信噪比,而且能有效提高图像的清晰度。     

偏微分方程在图像融合去噪方面的应用研究

本文主要讨论了图像融合,偏微分方程的应用、图像去噪等方面的内容。首先介绍了图像处理方面的偏微分方程的分类,重点研究了图像融合的去噪方法,最后通过实验进行简单的考察,结果证明,本文提出的方法具有良好的效果。     

基于偏微分方程的图像融合去噪方法的研究

本文主要讨论了图像融合,偏微分方程的应用、图像去噪等方面的内容。首先介绍了图像处理方面的偏微分方程的分类,重点研究了图像融合的去噪方法,最后通过实验进行简单的考察,结果证明,本文提出的方法具有良好的效果。     

有关小波在图像去噪处理中的应用

图像处理是信号处理的一个重要组成部分,与人们的关系日益密切。然而,在图像中总存在许许多多的噪声干扰、这些噪声问题在图像分析中是不可忽略的因素。为了有效地进行图像分析和处理,就必须减小或消除图像中的噪声。小波是解决图像噪音有效方法,能很好降低图像噪声,尽可能地深证图像信息不受损失,应用效果明显。     

基于稀疏分解的图像去噪

基于稀疏分解的图像去噪处理是将被噪声污染的图像分解成图像的稀疏成分和其他成分。稀疏成分对应于图像中的有用信息,其他成分对应于图像中的噪声。由图像的稀疏成分重建图像,可达到去除图像噪声的目的。实验结果表明基于稀疏分解的图像去噪处理具有一定的效果。     

TV数值计算的图像去噪

继承传统TV去噪算法的图像边缘保护性,弥补平滑区域抑噪不充分的不足,结合图像的空间梯度和像素梯度,提出了新的基于TV数值计算的去噪算法。该算法分析了图像的空间梯度;为了抑制噪声对图像平滑区域梯度的影响,对该区域的空间梯度进行抑制,克服了传统TV算法对平坦区抑噪不充分,甚至出现的虚假边缘和阶梯效应;结合像素梯度分析了图像TV去噪的迭代函数。实验结果表明,该算法实现了保边去噪且残余噪声较小,提高了图像的峰值信噪比(PSNR)和视觉效果。     

基于维纳滤波的小波图像去噪算法研究

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,形成噪声图像。图像去噪是图像处理领域中的一个重要环节。为了对含有高斯白噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于维纳滤波的小波图像去噪算法,利用维纳滤波后剩下的信号来计算噪声的标准方差。仿真结果表明,与Donoho提出的鲁棒中值算法相比,该算法能够有效地抑制高斯白噪声,更好地保留图像的边缘细节。