基于SLIC超像素分割的非局部均值船舶图像去噪算法

针对传统船舶图像去噪算法难以对图像的边缘细节进行保留和分析,以及传统非局部均值去噪算法相似框选择困难等问题,提出基于简单线性迭代聚类(simple linear iterative clustering,SLIC)超像素分割的非局部均值船舶图像去噪算法。通过SLIC算法对图像进行分割处理,界定图像的纹理区域和平滑区域;使用相似框搜索和匹配策略,提升匹配效果,并适当保留更多边缘细节,从而改善图像去噪的效果。实验结果表明,所提出的算法相较于其他传统的船舶图像去噪算法不仅能很好地保留船舶图像的边缘细节特点,而且能在一定程度上提高船舶图像的峰值信噪比,具有良好的去噪效果,可以用于智能航海领域船舶图像的去噪。

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。

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。

采用非局部均值的连续太赫兹图像去噪处理

太赫兹辐射能够穿透大多数对可见光和近红外光不透明的物质。提高成像质量是成像系统的关键,尤其对探测器性能较低的面阵成像更为重要。通过数字图像处理方法改善成像质量是一条重要的解决途径。应用非局部均值(NLM)分别对真实的透射扫描、反射扫描和透射面阵、反射面阵的太赫兹图像进行了去噪处理,选取不同的控制参数进行了对比分析,同时对比了均值滤波处理结果。实验结果表明:非局部均值能够较好地去除连续太赫兹图像噪声、提高成像质量,对噪声严重的面阵成像去噪效果最明显。非局部均值去噪并保持边缘能力明显好于均值滤波。

一种改进的非局部均值去噪算法

针对非局部均值去噪算法在图像块相似度计算方面存在的不足,提出计入图像旋转对相似度贡献的、效果更好的图像块匹配算法.为了获得与给定像素点邻域相似的图像子块,首先对给定像素点周边的相关邻域子块按灰度值大小排序,计算其与同样按灰度值大小排序的给定像素点邻域子块之间的距离,据此筛选出灰度分布相似的图像子块作为候选集,更进一步在候选集中选出结构上更为相似的图像子块.同时为了克服噪声影响,在计算子块相似度之前对输入图像进行预滤波处理.实验表明,与原始的非局部均值去噪算法相比,文中算法在峰值信噪比、平均结构相似性及主观视觉效果等方面均具有一定优势,特别是在噪声较大时,文中算法的去噪效果更好.

基于分块处理的三维非局部均值降噪算法

现有二维非局部均值降噪算法仅能抑制三维图像的层内噪声,无法利用层间信息对图像进一步降噪。针对该问题,分析印刷电路板在锥形束CT系统中所成图像的自相似性,将现有二维算法扩展到三维空间,提出基于分块处理的三维非局部均值降噪算法。实验结果表明,该算法可进一步抑制噪声,具有较高的计算效率。

基于小波阈值法的矿山遥感图像非局部均值去噪

矿山遥感图像在获取、压缩、传输、解码的过程中易混入大量随机噪声,导致图像清晰度较低,难以直接进行分析研究。为此,将小波变换与非局部均值滤波算法(Non-local means filtering algorithm,NLM)相结合提出了一种基于小波阈值法的矿山遥感图像非局部均值去噪算法。该算法首先结合小波硬阈值、软阈值去噪模型以及现有的改进型小波阈值去噪模型的特点,建立一种改进型小波阈值去噪模型并用于去除遥感图像中的随机噪声;然后将原始遥感图像与小波去噪后的图像作差运算,得到原始差值图像,再对原始差值图像进行非局部均值滤波,得到滤波后的差值图像;最后将小波去噪后的图像与滤波后的差值图像进行融合。采用MATLAB语言编写程序,试验数据为白云鄂博矿区的2幅遥感图像,采用峰值信噪比(Peak signal noise to ratio,PSNR)和算法耗时等指标对算法去噪效果进行评价。试验结果表明:所提算法的去噪结果明显优于小波软阈值去噪模型及非局部均值滤波,此外,该算法耗时相对于其余2类算法而言也有一定的优势,对于提高矿山遥感图像的判读精度有一定的参考价值。

基于非局部均值去噪和快速谱相关的滚动轴承早期故障诊断方法

针对如何从非线性、多分量、强背景噪声的滚动轴承早期故障振动信号中有效提取出微弱故障特征并准确判断故障类型,提出基于非局部均值去噪和快速谱相关的故障诊断方法。首先利用非局部均值去噪算法对原始振动信号进行降噪预处理,提高信号信噪比。然后,对降噪信号进行快速谱相关分析,增强信号中的周期成分,获得快速谱相关谱及其对应的增强包络谱。最后,将增强包络谱中幅值突出的频率成分与故障特征频率进行对比,判定故障类型并实现故障诊断。使用本文提出方法对仿真故障信号、实验故障信号进行分析。研究结果表明:相较于快速谱相关方法、谱峭度结合非局部均值去噪方法以及非局部均值去噪结合经验模态分解方法,本文提出方法可以抑制轴承早期故障振动信号中的背景噪声,有效提取出微弱故障特征,准确判断故障类型,避免出现误诊。

基于泊松分布的非局部均值图像去噪方法

针对图像去噪问题,提出基于泊松分布的非局部均值图像去噪方法。将图像中的每一个像素点建模为一个泊松分布,泊松分布的参数根据像素点非局部区域内像素值信息进行极大似然估计;两像素间的差异性由其对应泊松分布的L2范数距离计算;同时,利用两像素点邻域内点对间泊松分布的L2范数的平方和来定义其相似性权值,采用非局部均值的思想进行图像泊松去噪。实验结果表明,所提算法能很好地保留图像中的细节信息,去噪图像峰值信噪比达到22 dB以上,能够有效用于图像去噪。

基于非局部均值的储粮害虫图像去噪

介绍了非局部均值(Non-local Means,NLM)去噪算法的基本理论,比较了储粮害虫图像现有的去噪经典方法与非局部均值去噪算法。结果表明,非局部均值去噪算法具有较明显的去噪视觉效果,在峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和结构相似性(Structural SIMilarity,SSIM)的定量比较中也具有较好的去噪质量。

一种基于深度学习的非局部均值图像降噪方法

针对传统图像降噪算法对图像进行降噪时效果不佳的问题,提出一种深度学习与非局部均值滤波算法相结合的图像降噪新方法。在传统非局部均值滤波算法基础上,通过构建图像分块滤波学习过程框架和五层神经网络模型,运用梯度下降反向传导算法和ReLU激活函数,采用均方对数误差损失函数和Adam优化函数进行小批量处理模型训练,在keras框架上得到较好的降噪效果。通过和高斯滤波、中值滤波、双边滤波、非局部均值滤波算法对比实验,验证了方法的有效性。

一种参数自适应的NLM图像降噪方法

非局部均值(Non-Local Mean,NLM)是一种优秀的图像去噪算法,该方法充分利用了图像中的冗余信息,去噪的同时能更好地保持图像的细节特征。其缺点是算法的效果很大程度上取决于图像的噪声水平、窗口大小、局部邻域大小和滤波参数的选择。本文以视网膜光学相干层析图像为研究对象,在研究各参数与图像评价指标峰值信噪比关系基础上,结合粒子群算法,设计了一种参数自适应的非局部均值图像降噪方法,使去噪后图像评价指标峰值信噪比达到最优。

非局部均值的彩色图像去噪方法改进

快速非局部均值算法利用像素邻域内具有高相似度的像素块之间的高斯加权欧氏距离来估计当前像素值,对于低频图像部分可取得较好的效果,而对于图像的高频部分,因计算获得的高斯加权欧氏距离不能很好地反映图像块间的相似性,会导致图像部分边缘信息的丢失。为了保留图像中更多的高频信息,在快速非局部均值算法中高斯加权欧氏距离的基础上,引入由相位一致性、梯度及色度特征组成的彩色图像特征相似(FSIMC)指数,提出并构建了基于一种新权重函数的去噪算法。该算法利用新的权重函数计算图像块与图像块之间的相似性,分别对RGB三通道内图像中所有的像素点进行逐块滤波得到估计值,只要平均这些估计值就得到去噪后的整幅图像。实验结果表明,相对于快速非局部均值算法,所提出的算法在PSNR和FSIMC方面均有提高,同时也保留了图像更多的细节信息。

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。

基于改进非局部均值滤波的低照度下车牌去噪算法

低照度下车牌图像可见度低且含高斯噪音,以传统非局部均值算法处理时,容易丢失图像边缘信息。提出了一种基于改进非局部均值的低照度下车牌去噪算法,以标准化欧氏距离代替简单欧氏距离度量块相似性,同时引入Shen-Castan边缘检测器对车牌边缘部分分离去噪。实验结果表明:提出的算法相较于传统去噪算法,处理结果有更好的信噪比值,且结构相似性值更接近1,说明该去噪算法有更好的去噪效果,同时也能保护边缘信息的完整性。

运用非局部均值与伽柏各向异性扩散的超声图像斑点降噪

斑点噪声干扰超声图像的解读与疾病诊断.本文提出一种结合非局部均值(NLM)与伽柏各向异性扩散(GAD)的超声图像斑点降噪新方法.首先对图像进行GAD迭代自适应滤波,通过鲁棒的伽柏边缘检测算子有效区分边缘与噪声.接着进行NLM运算,针对某一像素点,其NLM估计值为GAD滤波后所有像素点的加权平均,而权重则由原始图像中该像素点所在区块与其余像素点所在区块间的相似度决定.由此该方法在NLM运算中兼顾了GAD滤波前后的信息以提高降噪性能.运用本文方法及七种传统方法对仿真图像与临床图像进行滤波实验.仿真实验表明,当噪声方差强达0.14时,本文方法较传统方法将品质因数、峰值信噪比与平均结构相似性提高13.29%、3.07%与0.88%.临床图像实验表明,无论在噪声去除还是在细节保留上,本文方法均优于传统方法.

改进权重函数的非局部均值图像去噪算法

经典非局部均值去噪算法在度量邻域结构特征相似性上对于旋转和平移情况下不够灵活。为此,提出一种基于归一化转动惯量的非局部均值图像去噪算法。利用归一化转动惯量作为相似权重的一部分来调节相似性度量。实验结果表明,与原始非局部均值去噪算法相比,该算法能够更好地保持图像的细节结构信息,提高峰值信噪比和结构相似度,特别当噪声强度增大时,峰值信噪比最大提高1.03 dB,结构相似度最大提高0.04。

基于快速非局部均值和超分辨率重建的图像降噪算法

针对实际图像噪声强度变化范围宽,目前已有的图像降噪算法多数只能用于处理强度范围有限的噪声情况,结合快速非局部均值和基于深度残差卷积网的超分辨率重建,提出一种适用于不同噪声强度的图像降噪算法。利用改进的非局部均值算法和Boxfilter滤波器对图像进行初步降噪,再通过深度残差卷积网络对初步降噪的图像实现端到端的低分辨率图像超分辨重建。仿真实验结果表明:当噪声强度分别为15、25、40、50、60时,相比于其他经典降噪算法,新算法能获得更高的峰值信噪比和结构相似性,且随着噪声强度的升高,优势越来越明显;新算法适用于已知噪声水平的降噪,也适用于盲噪声降噪,且盲降噪性能优于其他经典降噪算法;此外,该算法还可以更好地恢复图像细节,产生较好的视觉效果。

双尺度自适应非局部均值图像降噪算法

针对几种基于像素预分类的改进自适应非局部均值(Non-local Means,NLM)图像降噪算法中存在的分类误差问题,通过分析原始NLM算法中滤波参数对降噪效果的影响,提出一种双尺度自适应非局部均值图像降噪算法。该算法首先针对含噪图像的平滑区域,使用大尺度的像素搜索邻域窗和像素相似邻域窗进行初次基于NLM的"粗降噪";然后将"粗降噪"后的"欠降噪"图像,看成是仅含纹理区域的图像,选择小尺度的像素搜索邻域窗和像素相似邻域窗,进行针对纹理区域噪声的第二次基于NLM的"精降噪",以达到最终的自适应降噪目的。实验结果表明:该算法的降噪效果较原始NLM算法有很大提升,相比于其他几种改进NLM算法,降噪效果也有一定程度的改善。