优化贝叶斯非局部均值算法的超声图像去噪方法

为了去除超声成像中可能产生的斑点噪声,提出了一种基于优化贝叶斯非局部均值算法的超声图像去噪方法,重点探讨优化算法改进的两个方面:(1)针对原始非局部均值算法运算复杂度高这一问题,应用像素预选择算法优化去噪时间;(2)针对原始算法只适用于加性高斯噪声的问题,利用伽马分布噪声模型,通过贝叶斯公式推导出适用于超声斑点噪声的非局部均值算法,引出皮尔逊距离来计算图像块之间距离,并且通过多次实验,得出噪声标准差和滤波参数的比值关系,实现参数自适应。为了评估优化算法的去噪能力,在模拟超声图像和真实超声图像上分别进行实验验证,结果表明,该优化算法去噪效果更好,图像边缘和细节保持能力更强;且在运行效率方面,较原始非局部均值算法有较大提升。

一种基于优化参数的非局部均值滤波算法

针对非局部均值滤波算法中难以找到一个全局最优的滤波参数h的问题,给出一种新的该参数的优化方法,并将其应用于传统非局部均值滤波算法的改进。首先基于SUSAN算法提取噪声图像的边缘信息,然后在大量实验的基础上,利用线性回归和非线性回归分析方法建立h与边缘信息、噪声方差之间的优化模型。最后,将基于该优化模型的非局部均值算法应用于多幅图像的去噪处理中。实验结果表明,新算法改善了传统非局部均值算法的去噪性能,取得了良好的滤波效果。

基于改进二进制粒子群算法优化DBN的轴承故障诊断

针对滚动轴承故障振动信号非平稳性的特点,对二进制粒子群优化算法(binary particles swarm optimization,BPSO)和深度信念网络(deep belief network,DBN)进行研究,提出一种基于局部均值分解(local mean decomposition,LMD)和IBPSO-DBN的轴承故障诊断方法。提出用加权惯性权重改进BPSO迭代过程中的固定权重,再用改进BPSO优化DBN的隐含层神经元个数和学习率。该方法先对信号进行LMD,提取出各PF分量的散布熵和时域指标,并构建特征矩阵,然后把特征矩阵输入改进BPSO-DBN模型中训练,实现滚动轴承故障诊断和分类。采用试验轴承数据做验证并与其他诊断方法对比,结果表明,基于LMD和BPSO-DBN的滚动轴承故障诊断方法具有较好的故障识别率。

基于非局部均值-鲸鱼优化算法的套管引线超声波检测方法研究

在利用超声波测距原理检测套管引线变形情况的过程中,回波信号会受到变压器绕组振动等噪声的影响。为准确得到套管内部引线的状态信息,提出一种非局部均值鲸鱼去噪算法。首先,利用希尔伯特变换对回波信号进行预处理,提高回波信号的准确度;然后,结合鲸鱼优化算法,以最高信噪比为目标函数,对非局部均值滤波因数进行寻优,确定最优因数并完成去噪。结合仿真和现场实验,该文提出的算法可以有效地去除噪声干扰,提高超声波回波信号的质量和信噪比,降低均方误差,增加超声波测距的精度,对于利用引线到套管壁距离判断引线变形状况有着一定的应用价值。

基于机器学习和非支配排序遗传算法的盾构姿态预测与优化

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。

采用结构自适应块匹配的非局部均值去噪算法

该文提出一种具有图像结构自适应性的非局部均值去噪算法。通过采用图像块间的多尺度匹配来描述图像中局部结构的相似性,增强非局部均值算法对复杂结构特征的辨别能力,实现去噪性能的提高。算法首先引入变差系数(CV)特征并提出CV-Kmeans区域分类算法,将图像划分为包含边缘及纹理的结构区域和平坦区域;在结构区域进一步根据不同尺度下图像块间的平均欧氏距离来自适应选择块尺寸;在此基础上获得新的非局部均值算法,用以去除图像噪声。实验结果表明,相比经典的非局部均值算法,基于块间概率相似性的改进型非局部均值算法以及基于区域自适应的非局部均值去噪算法提出的新算法提高了去噪性能,尤其是在纹理图像的去噪上具有明显优势。

结合非局部均值的快速FCM算法分割MR图像研究

针对FCM算法分割医学MR图像存在的运算速度慢、对初始值敏感以及难以处理MR图像中固有Rician噪声等缺陷,提出了一种结合非局部均值的快速FCM算法。该算法的核心是首先针对MR图像中存在的Rician噪声,利用非局部均值算法对图像进行去噪处理,消除噪声对分割结果的影响;然后根据所提出的新的自动获取聚类中心的规则得到初始聚类中心;最后将得到的聚类中心作为快速FCM算法的初始聚类中心用于去噪后的图像分割,解决了随机选择初始聚类中心造成的搜索速度慢和容易陷入局部极值的问题。实验表明,该算法能够快速有效地分割图像,并且具有较好的抗噪能力。

基于离散余弦变换的非局部均值图像去噪算法

提出一种改进的图像去噪算法。利用离散余弦变换(discrete cosine transform,DCT)对图像进行"粗糙"去噪,保留图像平滑部分与大部分细节信息;在非局部域内,利用得到的DCT系数构造选择函数对相似像素点进行预选择,将这些相似像素点应用到非局部均值去噪方法中,进行二次去噪;在二次去噪时,利用选择函数对权重系数做出修正,达到自适应滤波的目的。实验结果表明,该算法在峰值信噪比和结构相似度方面都有一定提高。

一种自适应的非局部均值图像去噪算法

对Buades等人提出的非局部均值图像去噪算法进行改进。传统的方法在滤波参数定义上存在缺陷,为了解决这个问题,通过建立噪声方差与滤波系数的关系,提出解决噪声估计的方法。另外,根据小波系数的分布特点,利用GGD模型参数(尺度和形状参数)对系数进行拟合,并用GGD模型参数提出一种有效的噪声方差估计算法。实验结果表明,该噪声方差估计算法不仅能有效地估计噪声方差大小,而且使原有的非局部均值算法具有自适应性。这种自适应的非局部均值算法可以达到近似最优,具有鲁棒性和快速性,且算法精度高。

红外图像改进非局部均值滤波算法研究

为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF)。该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证。结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的。

NSCT域红外图像改进非局部均值滤波算法

结合非下采样轮廓波变换(NSCT),提出了一种红外图像改进非局部均值滤波算法(Improved Non-local Means Filtering,INLMF)。该算法首先对红外噪声图像进行多尺度NSCT变换,其次分别从相似图像块自适应划分方法以及滤波权重计算方法 2个方面对经典非局部均值滤波算法进行适当改进,将改进后的非局部均值滤波算法(INLMF)应用于处理高频分解系数,然后将滤波后的高频分解系数与低频分解系数进行重构,得到去噪后的图像,最后对去噪后图像采用非负支撑域有限递归逆滤波(Non-negativity and Support Constraints Recursive Inverse Filtering,NAS-RIF)算法进行图像复原,以尽可能消除因滤波造成的图像失真。测试结果表明,本文算法滤波效果优于NLMF及其已有的改进算法。

梯度信息自适应的非局部均值滤波算法对矿井图像降噪研究

为了提高非局部均值滤波算法对矿井图像的降噪效果,本文将改进的非局部均值滤波算法与八方向Prewitt算子相结合,通过梯度信息对滤波参数进行优化,赋予了该非局部均值滤波算法较强的自适应性。另外,八方向Prewitt算子增加了非局部均值滤波算法搜索窗口的移动方向,提高了搜索相似像素点的效率。本文算法在对人工加噪的图片进行处理时,所需时长仅为2.38 s,与经典的非局部均值滤波算法相比缩短了40%;本文算法处理所得图像的信噪比为26.473,是经典的非局部均值滤波算法的1.2倍。通过对处理所得图像质量进行对比发现,本文算法对矿井图像的降噪效果更为明显,且图像中边缘和纹理的细节信息更为丰富,可用于矿井检测图像的处理。

非局部均值图像去噪算法研究

图像去噪一直都是计算机图形处理和计算机视觉中的一个研究热点，其中非局部化均值算法是近年来去噪效果出色的算法之一，但是非局部均值算法容易导致细节模糊，该文基于指数加权函数的基础上引进了余弦函数，提出了一种改进的非局部均值图像去噪方法，通过实验表明，该文的改进算法比传统的算法更能保持细节。

基于非局部均值算法的图像高密度混合噪声去除研究

针对传统图像噪声去除方法存在去噪效果差的问题,本文开展基于非局部均值算法的图像高密度混合噪声去除研究,首先对图像灰度进行相似性度量,然后基于非局部均值算法进行图像边缘检测。实验结果表明,设计方法可有效降低处理后图像中的噪声含量。

非局部降噪快速模糊C-均值聚类算法

传统的模糊C-均值聚类算法未利用图像的空间信息,在分割迭加了噪声的MR图像时分割精度较差。采用了既能有效去除噪声又能较好地保持图像边缘特征的非局部降噪方法,结合基于图像灰度直方图聚类分析的快速模糊C-均值聚类算法,得到了一种具有较高分割精度的图像快速分割算法。通过对模拟图像、仿真脑部MR图像和临床脑部MR图像的分割实验,表明提出的新算法比已有的快速模糊C-均值聚类算法有更精确的图像分割能力。

改进的自适应非局部均值去噪算法应用与研究

常规非局部均值算法权重计算方式容易受到噪声干扰,使得相似性权重不够准确。为进一步提升非局部均值算法去噪效果,提出一种改进自适应非局部均值算法,应用改进的多尺度小波变换边缘检测算子检测图像边缘,将边缘特征作为约束条件,采用多特征相似性度量方法来衡量图像块的相似性,并自适应的确定滤波参数,最后执行多窗口去噪。仿真结果表明:改进方法的去噪结果图像峰值信噪比平均提高54.2%,平均结构相似性平均值提高至0.82以上。结论认为:相比其他算法,改进方法具有更好的去噪效果,图像边缘纹理等细节信息更清晰,在图像处理方面具有推广应用的前景。

基于自适应搜索窗的非局部均值去噪算法

提出了一种采用局部多项式近似—置信区间交叉(Local Polynomial Approximation and Intersection of Confidence Intervals,LPA-ICI)技术的自适应选取搜索窗的非局部均值图像去噪算法.首先采用LPA-ICI寻找当前像素所在的同质区域,然后将该同质区域设定为当前像素的自适应搜索窗.自适应搜索窗内的像素与当前像素在灰度值以及几何结构上均呈现出"同质"性,对当前像素的估计值更接近真实值.定性与定量实验结果表明:相比于形状和大小固定的搜索窗,自适应选取搜索窗的非局部均值去噪算法能取得更好的去噪效果,对图像中边缘和纹理细节信息具有更好的保护能力.

基于差分曲率的非局部均值图像降噪算法

传统非局部均值滤波算法忽略了图像块之间的结构相似性,造成搜寻相似像素不充分,使得一些图像细节被滤除.因此,利用差分曲率对图像边缘和斜坡等结构信息的良好检测性能,提出了一种基于差分曲率的非局部均值降噪算法.该方法充分利用图像块之间灰度值和差分曲率的欧氏距离共同确定权重,对图像块之间进行更好的相似性判断,进而优化传统非局部均值滤波算法.实验结果表明,与传统的非局部均值降噪算法相比,新算法能有效地保持图像边缘细节等信息,改善了传统非局部均值算法的去噪性能,取得了良好的降噪效果.

PolSAR快速贝叶斯非局部均值相干斑抑制方法

从单极化合成孔径雷达(SAR)贝叶斯非局部均值算法出发,推导了极化相干矩阵在复Wishart分布下的块相似性度量函数,给出了无先验知识下的极化SAR贝叶斯非局部均值模型,并采用积分图实现了该算法的快速计算.最后,通过机载合成孔径雷达实测旧金山地区的极化SAR数据进行了验证.实验结果表明,文中方法能够有效抑制相干斑的同时,保持了极化特征,并大幅提升了运算效率.

基于马氏距离的改进非局部均值图像去噪算法

通过对原非局部均值(NLM)图像去噪算法进行改进,提出一种利用马氏距离作为衡量图像像素点相似性的非局部均值图像去噪算法.首先针对样本空间中马氏距离不稳定的特点计算特征空间中的马氏距离;然后对图像数据进行相关性分析和降维处理,提取数据主成分,简化特征空间中马氏距离的计算方法;最后利用此马氏距离生成高斯加权核函数,对图像进行去噪.采用一系列加有噪声的典型图像对文中算法进行实验,证明了该算法可获得比原NLM图像去噪算法更好的去噪效果;利用多组数据对文中算法中的滤波参数h进行分析,得到噪声方差与滤波参数h的关系式,可以获得接近于改进图像去噪算法的最佳去噪性能.