基于2DPCA的有效非局部滤波方法

最近,非局部滤波方法已成为滤波领域的研究热点.本文深入研究了基于预选择的非局部滤波方法,指出了已有方法在提取图像片特征方面存在的不足,利用二维主成分分析(Two-dimensional principal component analysis,2DPCA)提出了一种有效的非局部滤波方法.该方法对基于预选择的非局部滤波方法的主要贡献有:1)用于提取图像片特征的面向图像片的2DPCA;2)基于相似距离直方图的相似集自动选取方法;3)相似距离权重参数局部自适应选取方法.实验结果表明,本文方法对弱梯度、人脸、纹理以及分段光滑图像均能取得较好的滤波效果.

一种基于非局部滤波的遥感时空信息融合方法

遥感时空信息融合技术是获取高时空分辨率遥感数据的一种有效途径。该文在传统时空融合基础上,引入非局部滤波以顾及邻域像元空间相关性,同时采取可弱化局部噪声的经验型公式筛选相似像元,并以Landsat与MODIS反射率数据进行验证。其主要贡献表现在:对相似像元的选取方法进行改进,可弱化可能存在的局部噪声,使得选取条件更客观、更准确;将非局部均值滤波方法引入遥感时空信息融合,使得融合的效果更好、精度更高。

有效保持细节特征的快速非局部滤波方法

非局部均值滤波方法具有优异的去噪性能,但该算法计算复杂度太高,且滤波后图像有大量结构残留。研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足。利用梯度域奇异值分解提取图像子块的结构特征,提出一种有效保持细节特征的快速非局部滤波方法。主要贡献有:(1)基于局部结构特征的鲁棒预选择方法;(2)相似集大小与滤波性能的关系以及相似子块的自动选取;(3)结构相似权系数的构造。利用欧氏距离的对称性进一步提高运行速度。实验结果表明,该方法在去除噪声的同时能有效地保持图像细节信息,取得滤波性能与运行速度之间较好的平衡。

基于注意力机制的密集残差融合与空间局部滤波低光照去雾算法

低光照场景的雾霾图像在去雾过程中易产生颜色失真、斑块和伪影等现象,针对此问题,提出一种适用于低光照场景的基于注意力机制的密集残差融合与空间局部滤波去雾算法.首先利用密集残差块增加神经网络深度,使网络学习更高级的特征信息;然后引入空间与通道注意力机制对特征进行过滤和筛选,使网络可以区分光照不均匀区域,解决颜色失真等问题;采用空间局部滤波增强的方法,提高去雾结果的对比度、清晰度和能见度;最后设计了联合损失函数约束网络的学习,避免串联结构的误差放大以及学习混合退化.在PyTorch环境下,用夜间城市合成雾霾数据集NHR进行测试,并与现有的FFANet,GridDehaze等去雾算法进行对比.实验结果表明,与其他去雾算法相比,所提算法的峰值信噪比提升8.01~14.16 dB,结构相似度提高0.10~0.36.所提算法还解决了颜色失真、斑块和伪影等问题.

多模图像联合非局部滤波快速算法

提出一种新的基于非局部均值的多模图像滤波方法。在该方法中,对于噪声图像滤波采用非局部均值方法,其中对于噪声图像块之间灰度相似测度权重由另一幅图像引导计算。实验结果表明,该方法比基于局部的图像去噪方法如双边滤波算法有更好地去噪效果。通过构造联合积分图像对提出算法进行加速,与原始算法相比其显著提速两个数量级,加速算法的复杂度不受滤波器大小影响,易于在并行系统中实现。

基于大涡模拟和局部滤波同化方法的海洋环流模式

结合最小二乘法极值原理,提出了一种基于局部谱展开的滤波同化方法,把测量数据和数值计算过程中出现的高频短波滤掉,并将高度计数据同化到了求解过程中.结果既增加了数值稳定性,又提高了数值模拟的准确性.针对在海洋环流问题中水平的流动性质和垂直的不同的特点,我们还将大涡模拟的思想和直接涡黏的思想分别应用于水平方向和垂直方向,给出的方法是一种适用于海洋环流和浅水环流问题的大涡模拟湍流模式.对热带和北太平洋一年四季非定常季风作用下环流的数值模拟表明,提出的方法非常有效,数值结果与实际相当吻合.

基于图像局部滤波去噪增强算法的图像语义分割问题研究

图像语义分割技术是一项重要的图像后期处理方法,在计算机智能识别和视觉传达领域有着重要应用。从图像语义分割局部增强问题出发,研究两种常见的图像分割技术,在此基础上提出了改进的图像局部滤波去噪增强算法,并详细阐述了算法的实现步骤,用实验的方法通过比较了图像熵值大小分析算法的运用效果,结果表明,改进的图像局部滤波去噪增强算法的熵值最大,增强效果最好。

同态非局部滤波在激光主动成像散斑抑制中的应用研究

传统的激光主动成像散斑抑制方法中,局部单像素滤波和变换域滤波难以取得良好的抑制效果,同时容易导致边缘展宽,对图像信息造成破坏。鉴于非局部滤波对加性噪声的优异去噪性能,本文研究了三种具有代表性的非局部滤波方法,并使用半导体泵浦固体脉冲激光器搭建主动成像系统,进行散斑噪声抑制性能的比较。实验表明,采用同态FMPatchGP不仅能够有效抑制散斑噪声,而且能很好地保持边缘信息,同时满足实时性处理的要求,在激光主动照明系统中具有良好的应用前景。

联合双边滤波和非局部滤波的图像去噪算法

针对非局部滤波去噪算法计算复杂度高的问题,提出联合双边滤波和非局部滤波的图像去噪算法。分析非局部滤波和双边滤波的各自优势,根据边界点和平滑区域的滤波系数,确定利用半局部均值滤波对图像边界去噪,平滑部分用双边滤波去噪。实验结果表明,该算法在保证去噪性能的同时,提高了计算速度,降低了计算复杂度。

利用排序聚类的局部滤波框架

针对传统局部滤波框架存在边缘模糊的问题,提出利用排序聚类的局部滤波框架.首先,将局部窗口分为4个子窗口,并且将待处理点放置在4个子窗口的交汇处,从策略上实现保持边缘的目的;其次,通过排序提高类内相似度与类间差异,并利用子窗口内像素值之间的相似性,提出一种排序聚类算法,聚类之后,只利用子窗口内与待处理点相似的像素点进行滤波;最后,取4个滤波结果中与待处理点差异最小的作为最终滤波结果,进一步提高算法保持边缘的能力.基于SSID数据集的实验结果表明,基于该框架的滤波算法有着更高的PSNR和SSIM值;该框架有效地提升了传统局部滤波框架保持边缘与平滑滤波的能力,且具有一定的鲁棒性.

基于局部滤波模板的双边滤波算法研究

双边滤波器是一种以高斯核为基础的具有图像边缘保留和噪声滤除双重滤波作用的滤波器,能同时兼顾各像素值几何上的临近信息和亮度上的相似信息.为了进一步增加双边滤波器的保边作用,在传统双边滤波器的基础上,结合图像的梯度信息,将传统滤波模板改进为局部滤波模板,使图像自适应地在给出的滤波模板中选择较优模板进行滤波.实验结果证明,改进的双边滤波算法能够更好地保留图像边缘,与经典的双边滤波算法相比,在峰值信噪比和结构相似性上有了提升.

基于SURE准则的参数自适应InSAR相位非局部滤波

干涉相位滤波是干涉合成孔径雷达(InSAR)处理中的关键步骤,然而传统滤波方法难以兼顾噪声抑制和细节保持的效果,故提出了一种改进的非局部滤波器。滤波参数由Stein无偏风险估计(SURE)准则自适应地选择,在有效降低InSAR相位噪声的同时,保留干涉条纹细节和城市建筑的边缘。通过在仿真数据和TanDEM-X实测数据上分别进行实验,并与传统滤波方法对比分析,验证所提出方法的有效性。

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar,SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。

改进非局部均值滤波在图像降噪处理中的应用

针对传统非局部均值滤波应用于图像降噪存在降噪效果欠佳、运行效率低的问题,从两个角度对算法进行改进。采用积分图避免重复性计算,提高算法运行效率。采用相似权重系数融合像素点欧式距离改进相似权重系数与最大特征高斯加权系数,提高算法降噪性能。对比不同算法降噪性能,结果表明改进非局部均值滤波算法不仅对图像噪声平滑彻底,同时还可以有效恢复图像边缘。

开关非局部中值滤波在海洋浅地层剖面随机噪音处理中的应用

本文结合理论模型与实际资料,论证了开关非局部中值滤波方法对浅地层剖面数据随机噪音的处理效果,着重讨论了该方法中的目标数据块宽度、搜索数据块宽度、相似度最优的数据点数以及噪音检测的阈值等相关参数对压制随机噪声效果的影响。目标数据块的宽度与相似度最优的数据点数均需要参照搜索数据块宽度,因此该参数的选取最为重要。结果表明优选滤波参数能够有效压制随机噪声,增强同相轴连续性,提高剖面信噪比。

融合小波与非局部均值滤波的DSPI相位图去噪

相位图去噪是数字散斑干涉测量的关键技术,但现有以正余弦均值滤波与窗口傅立叶变换滤波为代表的去噪方法在相位保真、自适应降噪、操作简便等方面不能完全满足要求。提出了一种新的自适应相位图去噪方法,首先计算原始相位图的噪声方差,然后对图像分别进行正弦与余弦变换后得到两幅图像,再对这两幅图像进行小波同态阈值去噪与非局部均值滤波,最后将处理后的两幅相位图反正切运算并再次估计噪声方差,根据图像噪声方差的收敛情况判断是否继续迭代处理,以实现相位图的自适应降噪。实验结果表明:针对同一张含噪相位图与传统正余弦均值滤波相比,本文方法噪声方差减少了0.38、L算子和减少了0.2、SSIM提高了0.16,同时,图像信息熵仅相差0.1。该方法能够有效抑制相位图中的相干噪声,充分保留相位边缘信息,同时能够有效避免因不适当的迭代滤波次数所导致的相位失真或噪声残留。

图像去噪的自适应非局部均值滤波方法

提出一种自适应的非局部均值滤波算法.针对传统非局部均值滤波算法不能自适应地调节滤波参数的不足,本文统计和分析了不同图像的最优滤波参数与其小波系数能量的关系,并运用最小二乘拟合法建立了最佳滤波器参数值的预测函数,该函数可为待滤波图像选取合适的非局部均值滤波参数,进而实现了自适应的非局部均值滤波.与传统非局部均值滤波时需手动调节参数相比,本文的算法更加灵活.实验结果表明,对于具有不同内容或结构特性的图像,本文算法在峰值信噪比和主观去噪效果方面均优于传统的非局部均值滤波算法.

基于局部邻域滤波的对抗攻击检测方法

目前,卷积神经网络在语音识别、图像分类、自然语言处理、语义分割等方面都取得了良好的应用成果,是计算机应用研究最广泛的技术之一。但研究人员发现当向输入中加入特定的微小扰动时,卷积神经网络(CNN)模型容易产生错误的预测结果,这类含有微小扰动的图像被称为对抗样本,CNN模型易受对抗样本的攻击。对抗样本的出现可能会对安全敏感的领域带来潜在的应用威胁。已有较多的防御方法被提出,其中许多方法对特定攻击方法具有较好的防御效果,但由于实际应用中无法知晓攻击者采用的攻击方式,因此提出不依赖攻击方法的通用防御策略是一个值得研究的问题。为有效地防御各类对抗攻击,本文提出了基于局部邻域滤波的对抗攻击检测方法。首先,通过像素间的相关性对图像进行RGB空间切割。其次将相似的图像块组成立方体。然后,基于立方体中邻域的局部滤波进行去噪,即:通过邻域立方体的3个块得到邻域数据的3维标准差,用于Wiener滤波。再将滤波后的块组映射回RGB彩色空间。最后,将未知样本和它的滤波样本分别作为输入,对模型的分类进行一致性检验,如果模型对他们的分类不相同,则该未知样本为对抗样本,否则为良性样本。实验表明本文检测方法在不同模型中对多种攻击具备防御效果,识别了对抗样本的输入,且在mini-ImageNet数据集上针对C&W、DFool、PGD、TPGD、FGSM、BIM、RFGSM、MI-FGSM以及FFGSM攻击的最优检测结果分别达到0.938、0.893、0.928、0.922、0.866、0.840、0.879、0.889以及0.871,结果表明本文方法在对抗攻击上具有鲁棒性和有效性。

图像去噪的改进迭代非局部平均滤波方法

提出了一种新的迭代非局部平均滤波的图像去噪方法.权系数的计算依赖每次迭代更新得到的图像,同时对迭代更新后得到的图像进行加权平均.这样就避免了权系数的计算以及加权平均所用的图像的不一致所带来的图像边缘模糊以及对比度不清晰的现象.还证明了新的迭代方法满足极大极小原则.实验结果表明,该方法去噪的同时能较好地保持图像的边缘以及细小结构.

基于非局部滤波算法的真实相干激光雷达强度像去噪方法比较

基于非局部滤波的去噪算法较之传统的基于局部统计特性的算法可以获得更好的图像复原质量。由于相干激光雷达强度像主要受散斑噪声的影响，采用结合同态变换的同态非局部均值（H-NLM）算法、同态多级非局部均值（HM-NLM）、同态块非局部均值（HB-NLM）和同态块匹配三维滤波（H-BM3D）等基于非局部滤波的算法对真实相干激光雷达仿真强度像进行了去噪处理，并对去噪结果进行了对比分析。实验结果表明，H-BM3D算法对单帧强度像、HM-NLM对6帧平均强度像具有较好的复原效果，复原图像目标灰度分布均匀性好，边缘比较清晰，能够反映目标的几何结构特征。