块匹配三维协同滤波算法(BM3D)在探地雷达图像去噪的应用

采用探地雷达设备进行地下缺陷探测的过程中会产生大量的探地雷达图像,在使用人工智能算法进行地下病害体识别的研究中,输入的探地雷达图像的品质决定了人工智能识别成果的准确性。本文采用块匹配三维协同滤波算法(BM3D)对探地雷达图像进行预处理,压制噪声、干扰,提高地下病害体图像的信噪比,突出病害体的图像特征,为人工智能算法识别病害体图像特征提供高质量训练图像。

基于Anscombe变换域BM3D滤波的低剂量CT重建

针对低剂量CT图像质量退化问题,提出了一种基于投影域数据恢复的低剂量CT优质重建方法。新方法首先通过非线性Anscombe变换将满足Poisson分布的投影域数据转化Gaussian型分布,然后利用针对Anscombe变换的Gaussian型数据进行自适应Block-Matchingand 3D filtering(BM3D)滤波,最后通过对Anscombe逆变换数据执行传统的滤波反投影(Filtered Back Projec-tion,FBP)CT重建。由于Anscombe变换数据的方差已知,且所用BM3D滤波无需人工设置滤波参数,使得方法可实现自适应低剂量CT图像重建。仿真和临床低剂量CT数据的实验表明,方法具有良好的重建鲁棒性,其重建图像的噪声和伪影可同时得到有效抑制。

BM3D视频去噪算法实现与评估

一些传统的图像视频去噪算法,会在滤除噪声的同时引入人工噪声,存在很大的局限性。而基于块匹配和三维变换域滤波(BM3D)的图像视频去噪算法则采用了不同的去噪策略。对BM3D算法进行了深入的研究并实现了算法,对算法进行了深层次的评估。通过评估结果,证明了BM3D算法在视频去噪方面取得了非常好的效果。

基于BM3D图像去噪算法的参数研究

BM3D算法是目前最好的图像去噪算法之一,最近提出的很多更有效的去噪算法都是以BM3D算法作为对比基准。BM3D算法先通过块匹配生成三维矩阵,然后在三维变换域去噪,最后逆变换还原图片。通过对BM3D算法的深入研究,发现BM3D算法的性能与它的参数密切相关。针对BM3D算法的参数进行了实验统计,并对BM3D算法的参数设置进行了总结。实验不仅验证了BM3D算法在图像去噪方面取得了较好效果,而且为BM3D算法的参数设定提供了借鉴。

基于改进BM3D算法的椒盐噪声去噪

在处理由椒盐噪声污染的高对比度图像时,使用传统的三维块匹配算法(Block-Matching and 3D filtering,BM3D)去噪不能有效保留图像的边缘和纹理细节,在图像的边缘会出现边缘振铃效应。为了改善传统BM3D算法在处理椒盐噪声时的不足,提出了用边缘方向代替水平方向搜索相似块的BM3D改进去噪算法。实验结果表明,改进BM3D算法获得的相似块数量是传统BM3D算法的3倍,峰值信噪比(PSNR)也得到进一步提高,在去除椒盐噪声的同时也使图像边缘得到有效保留。

BM3D去噪算法在仪表图像识别中的应用

电力系统中巡检机器人在采集仪表图像时往往受噪声影响而将有用信息掩盖。为解决这一问题,将BM3D(三维块匹配)算法应用于仪表图像的处理中,能够得到较好的去噪效果。BM3D算法是基于变换阈方法和非局部思想发展而来的。首先通过块匹配生成三维矩阵,然后在三维变化域去噪,最后逆变换还原图像。通过实验对BM3D去噪方法与其他传统方法的性能进行了对比分析。实验结果表明, BM3D图像去噪算法可以较好地保留边缘细节效果,解决了恢复图像细节与抑制噪声产生之间的矛盾,且效率较高。

基于BM3D预处理的纹理光照不变特征提取算法

为消除光照变化对图像结构信息的影响,提出基于三维块匹配(BM3D)预处理的纹理光照不变特征提取算法。基于BM3D算法的良好降噪特性,该方法首先对图像各颜色通道采用BM3D降噪,利用小波变换得到各颜色通道对数域的低频和高频分量,然后对低、高频分量分别运用小波和Bayes-Shrink算法降噪,并构造光照不变量,最后采用主成分分析(PCA)降低特征维度,取得特征向量,并利用K-最近特征线分类器进行图像分类。在Outex_TC_00014纹理数据库的实验结果表明,该算法具有较好的分类效果。

基于噪声估计的自适应块匹配和三维滤波降噪算法

针对经典的块匹配和三维滤波(BM3D)降噪算法中最为核心的噪声水平(方差)参数在使用中需要人工手动设置极大影响了降噪效果并限制了它的应用,提出了一种新的基于自然场景统计(NSS)的噪声水平特征矢量和支持向量回归(SVR)技术的快速噪声水平估计算法并应用于经典BM3D算法中,使之转变为自适应降噪算法(Adaptive BM3D)。本文算法首先利用小波变换对图像进行不同尺度和不同方向的分解,提取各子带滤波系数并用通用高斯分布模型(GGD)建模,以模型参数构成反映噪声图像噪声水平的特征矢量;然后用SVR方法在大量噪声图像样本上进行训练获得图像噪声水平预测模型。实验表明:改进后的ABM3D算法实际图像降噪效果比BM3D算法获得进一步提升,并且仍然保持了非常高的执行效率,相对于当前各主流算法具有明显的竞争力。

基于噪声水平估计的图像盲去噪

三维块匹配(BM3D)去噪是当前去噪性能最好的算法之一.但由于时间复杂度较高,而且需要输入精确的图像噪声水平参数,极大地限制该算法的广泛应用.因此,文中首先采用基于网格的块匹配策略,提出快速三维块匹配(FBM3D)算法.然后提出基于迭代的盲图像噪声水平估计算法,由SVM学习算法确定迭代的初始值,再由图像质量判定迭代是否终止.测试实验表明,与原始的BM3D算法相比,该算法在计算效率、视觉感知效果和定量评测方面均有明显改善.

基于非局部信息的医学图像降噪技术综述

有效的医学图像增强技术应将感兴趣目标或区域增强、背景抑制和噪声削减综合考虑,能改善图像的质量,在减少噪声的同时保持着原有的纹理特征,有助于后续得到正确的临床诊断结果,这对某些疾病的早期确诊有极大帮助。归纳了基于非局部信息的医学图像增强技术常见方法,包括非局部均值滤波算法、三维块匹配算法、形态成分分析算法等,通过介绍这几种方法原理,指出这些方法的使用范围及现状,并进行了性能对比分析,最后探索性地给出了现阶段医学图像增强技术的可能发展方向之一,即基于上下文量化的图像增强技术。

矿区遥感图像去噪方法研究

去噪是矿区遥感图像得以有效应用的重要预处理步骤。现有的基于统计、基于域变换、基于学习等遥感图像去噪方法普遍存在细节过度平滑、纹理保持不足等问题。基于引导滤波良好的边缘保持特性,提出了迭代引导滤波方法,通过对残差信息进行引导映射,并迭代进行引导滤波及超参数收缩,增强了遥感图像边缘特征提取效果;将迭代引导滤波与传统的小波软阈值、非局部均值(NLM)滤波、三维块匹配(BM3D)滤波等去噪方法结合,有效提高了传统方法的峰值信噪比,其中NLM滤波、BM3D滤波的去噪性能提升效果最明显;将迭代引导滤波与BM3D滤波融合,通过BM3D滤波初步获取去噪图像,得到残差数据,然后采用迭代引导滤波对残差数据进行处理,在提升图像去噪效果的同时,很好地保持了图像细节特征;将迭代引导滤波与BM3D滤波融合方法用于矿区遥感图像的煤矸石场识别及滑坡区域边缘识别,取得了较好的效果。

数字全息再现的散斑噪声消除和细节保留

数字全息光源的相干性缺点导致了全息再现散斑噪声的产生,严重影响到了全息重建的质量。虽然许多降低数字全息再现图像中散斑噪声的先进算法已经达到了良好的效果,但是在处理图像散斑噪声的过程中模糊了图像的细节,丢失了图像纹理的信息。为此提出了一种新的方法,结合了引导滤波、图像分割、三维块匹配算法(BM3D)算法的概念。算法很好地实现了全息再现图像背景区域的噪声抑制和信号区域良好的细节保留。得到的全息重建的质量可与用非相干技术所能达到的质量相媲美,带来了良好的视觉效果。

基于Matlab的三种图像去噪方法的比较研究

为了研究各种去噪算法的优劣,在介绍图像去噪的基本原理和方法的基础上,采用传统的线性、非线性以及频域的方法,对数字图像进行去噪效果的分析比较和仿真实现。运用Matlab仿真平台的验证结果表明:中值滤波对椒盐噪声的去噪效果很好;维纳滤波对高斯噪声有一定的降噪效果,且较好地保护了图像的边缘细节信息和高频细节信息;三维块匹配(BM3D)方法相对于以上几种方式来说,对图像降噪效果最好,对图像有着明显的平滑效果,且由于充分使用了各模块之间的关系,使得信噪比较高。