为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自...为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自适应中值滤波处理器,滤除图像中部分椒盐噪声,并改进优化硬阈值、滑窗步长及三维硬阈值等关键参数快速滤除高斯噪声;其次,在基础估计阶段与最终估计阶段之间引入中值滤波,最大限度地去除图像中剩余的混合噪声;最后,通过仿真实验验证所提算法的有效性,并对比分析改进前后算法的归一化均方误差、峰值信噪比、信噪比改善因子及结构相似性等性能.结果表明,改进的BM3D方法在保持好樱桃图像细节信息的同时,能有效去除高斯噪声和滤除大概率椒盐噪声,且随混合噪声干扰的增强,所提算法的去噪性能更佳且优于其他滤波方法.展开更多
针对遥感影像高密度脉冲混合噪声去噪的问题,提出一种高效决策中值滤波算法(efficient decision-based algorithm, EDBA)和三维块匹配算法(block-matching and 3D filtering, BM3D)相结合的混合噪声去除方法。通过EDBA算法对原始噪声图...针对遥感影像高密度脉冲混合噪声去噪的问题,提出一种高效决策中值滤波算法(efficient decision-based algorithm, EDBA)和三维块匹配算法(block-matching and 3D filtering, BM3D)相结合的混合噪声去除方法。通过EDBA算法对原始噪声图像进行预处理,快速有效地解决原始影像中高密度脉冲去噪的问题,并利用BM3D算法消除影像中高斯白噪声的干扰。实验以峰值信噪比(peak signal to noise ratio, PSNR)和结构相似度(structural similarity, SSIM)作为评价指标,与非局部均值滤波算法(non-local mean, NLM)、BM3D算法、自适应中值滤波器(adaptive median filter, AMF)-BM3D算法进行对比分析。实验结果表明:随着噪声密度的增加,具有更好效果。如在脉冲噪声密度为0.01情况下,该方法PSNR相较BM3D提高2.5~3 dB,SSIM提高约6%。整体上,新方法的遥感影像高密度脉冲混合噪声的去噪效果优于传统单一去噪算法和同类型混合算法,在遥感影像混合噪声的去除上,具有一定的应用价值。展开更多
目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集...目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。展开更多
文摘为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自适应中值滤波处理器,滤除图像中部分椒盐噪声,并改进优化硬阈值、滑窗步长及三维硬阈值等关键参数快速滤除高斯噪声;其次,在基础估计阶段与最终估计阶段之间引入中值滤波,最大限度地去除图像中剩余的混合噪声;最后,通过仿真实验验证所提算法的有效性,并对比分析改进前后算法的归一化均方误差、峰值信噪比、信噪比改善因子及结构相似性等性能.结果表明,改进的BM3D方法在保持好樱桃图像细节信息的同时,能有效去除高斯噪声和滤除大概率椒盐噪声,且随混合噪声干扰的增强,所提算法的去噪性能更佳且优于其他滤波方法.
文摘针对遥感影像高密度脉冲混合噪声去噪的问题,提出一种高效决策中值滤波算法(efficient decision-based algorithm, EDBA)和三维块匹配算法(block-matching and 3D filtering, BM3D)相结合的混合噪声去除方法。通过EDBA算法对原始噪声图像进行预处理,快速有效地解决原始影像中高密度脉冲去噪的问题,并利用BM3D算法消除影像中高斯白噪声的干扰。实验以峰值信噪比(peak signal to noise ratio, PSNR)和结构相似度(structural similarity, SSIM)作为评价指标,与非局部均值滤波算法(non-local mean, NLM)、BM3D算法、自适应中值滤波器(adaptive median filter, AMF)-BM3D算法进行对比分析。实验结果表明:随着噪声密度的增加,具有更好效果。如在脉冲噪声密度为0.01情况下,该方法PSNR相较BM3D提高2.5~3 dB,SSIM提高约6%。整体上,新方法的遥感影像高密度脉冲混合噪声的去噪效果优于传统单一去噪算法和同类型混合算法,在遥感影像混合噪声的去除上,具有一定的应用价值。
文摘目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。