一种用于图像匹配识别的高斯—脉冲混合噪声去除方法

简要分析了无人机所拍摄数字图像中噪声的产生原因与数学分布模型,结合图像匹配的实际需求,提出了一种高斯—脉冲噪声混合噪声去除方法,并采用ASIFT匹配算法对提出去噪方法的实际应用效果进行检验。该方法首先采用自适应中值滤波方法去除图像中的脉冲噪声,然后采用OWT SURE—LET算法去除图像中的高斯白噪声。实验结果表明:该算法不仅运算时间更短,而且图像匹配效果稳定。

图像质量感知的混合噪声快速盲降噪算法

现有的高斯脉冲混合噪声降噪算法多基于正则化技术采用迭代求解最优目标函数值的方式实现,执行效率普遍比较低,严重限制了其实际应用范围.为此,以卷积神经网络(convolutional neural network,CNN)为核心技术提出了一种基于图像质量感知的快速盲降噪算法(image quality-aware fast blind denoising algorithm,IQA-FBDA).在训练阶段,首先基于浅层CNN卷积神经网络设计图像质量评估模型来预测待降噪图像的图像质量值;然后,依据在大量噪声图像训练集合上获得的图像质量值统计分布规律构建混合噪声模式分类字典;最后,基于该分类字典将噪声图像集合划分为16个子集并训练与各个子集相匹配的深层CNN卷积神经网络专用降噪模型.在降噪阶段,首先利用图像质量评估模型估计给定待降噪图像的质量值,然后依据所预测的图像质量值查找噪声模式分类字典并调用与之相匹配预先训练好的深层CNN降噪模型即可快速地完成盲降噪任务.实验数据表明:IQA-FBDA算法在降噪效果方面的性能达到了与主流高斯脉冲混合噪声降噪算法相当的水平,而在执行效率方面则有极大提高,更具实用价值.

基于噪声检测的总变分去噪算法

对受高斯和脉冲混合噪声污染的数字图像去噪方法进行了研究,提出了一种基于噪声检测的自适应总变分(TV)去噪算法。提出的改进算法采用两步迭代框架实现:脉冲噪点检测和全变分图像恢复。第一步中,考虑到脉冲噪声污染的像素点不包含原图像有效信息,采用一种局部统计值,即邻域像素间的随机绝对差排序值(ROAD)估计出噪点的位置;第二步中,采用L2-TV方法进行去噪处理,并对上述过程进行迭代处理,得到去噪图像。在噪点估计过程中引入脉冲噪点水平参数,这样处理的优势在于可更准确地检测出脉冲噪点;而L2-TV去噪方法可很好地去除高斯噪声,两者结合有效地解决了TV算法存在误判图像脉冲噪声为边缘而产生假边缘的问题。与现有典型去噪方法的比较实验表明,该迭代去噪算法,即TV-ROAD算法,既能够去除混合噪声,又可以保留图像细节特征。

Mixed noise removal for color images using quaternion representation

In order to effectively restore color noisy images with the mixture of Gaussian noise and impulse noise,a new algorithm is proposed using the quaternion-based holistic processing idea for color images.First,a color image is represented by a pure quaternion matrix.Secondly,according to the different characteristics of the Gaussian noise and the impulse noise,an algorithm based on quaternion directional vector order statistics is used to detect the impulse noise. Finally,the quaternion optimal weights non-local means filter （QOWNLMF）for Gaussian noise removal is improved for the mixed noise removal.The detected impulse noise pixels are not considered in the calculation of weights.Experimental results on five standard images demonstrate that the proposed algorithm performs better than the commonly used robust outlyingness ratio-nonlocal means （ROR-NLM）algorithm and the optimal weights mixed filter （OWMF）.

基于数据驱动紧框架的图像恢复

提出了一种基于数据驱动紧框架的变分模型用于含有高斯脉冲混合噪声的图像恢复。该模型由包含L1-L2范数的拟合项和包含L1范数的光滑项构成。然后,又提出了ALM-APG算法用于解该模型。最后,数值实验表明所提出的模型与算法能够有效地进行图像恢复并且具有一定的实用性。