优化贝叶斯非局部均值算法的超声图像去噪方法

为了去除超声成像中可能产生的斑点噪声,提出了一种基于优化贝叶斯非局部均值算法的超声图像去噪方法,重点探讨优化算法改进的两个方面:(1)针对原始非局部均值算法运算复杂度高这一问题,应用像素预选择算法优化去噪时间;(2)针对原始算法只适用于加性高斯噪声的问题,利用伽马分布噪声模型,通过贝叶斯公式推导出适用于超声斑点噪声的非局部均值算法,引出皮尔逊距离来计算图像块之间距离,并且通过多次实验,得出噪声标准差和滤波参数的比值关系,实现参数自适应。为了评估优化算法的去噪能力,在模拟超声图像和真实超声图像上分别进行实验验证,结果表明,该优化算法去噪效果更好,图像边缘和细节保持能力更强;且在运行效率方面,较原始非局部均值算法有较大提升。

采用结构自适应块匹配的非局部均值去噪算法

该文提出一种具有图像结构自适应性的非局部均值去噪算法。通过采用图像块间的多尺度匹配来描述图像中局部结构的相似性,增强非局部均值算法对复杂结构特征的辨别能力,实现去噪性能的提高。算法首先引入变差系数(CV)特征并提出CV-Kmeans区域分类算法,将图像划分为包含边缘及纹理的结构区域和平坦区域;在结构区域进一步根据不同尺度下图像块间的平均欧氏距离来自适应选择块尺寸;在此基础上获得新的非局部均值算法,用以去除图像噪声。实验结果表明,相比经典的非局部均值算法,基于块间概率相似性的改进型非局部均值算法以及基于区域自适应的非局部均值去噪算法提出的新算法提高了去噪性能,尤其是在纹理图像的去噪上具有明显优势。

广义非局部均值和自相似性的超分辨率算法

提出一种利用广义非局部均值和自相似性的图像超分辨率算法.该算法不仅利用图像的自相似性将低分辨率图像与其下采样图像作为一个训练库,而且利用非局部平均算法的良好特性提高复原图像的质量.该算法首先提取低分辨率图像的高斯差特征系数,然后利用广义非局部平均算法来估计待复原图像丢失的高频细节,获得高分辨率图像.实验结果表明,该算法对图像取得较好的复原效果,复原出的高分辨率图像更接近于真实图像,与其他方法相比,具有更好的主观和客观质量.

小波域中的广义非局部平均去噪算法

图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.使用广义高斯分布对图像子带小波系数进行建模并估计广义高斯分布模型的参数,根据参数确定了非局部平均权值的广义表达式,在此基础上提出了一种基于广义高斯分布的小波域广义非局部平均去噪算法.仿真结果表明,相比小波域阈值去噪和小波域非局部平均去噪算法,该方法的峰值信噪比平均提高1.5-3.3 dB,在边缘特征方面保持了良好的视觉效果.

基于加权非局部平均算法的滚动轴承故障诊断

非局部平均算法(Non-Local Means,NLM)拥有十分优异的去噪性能,被广泛应用于二维图像信号处理领域,并逐渐应用于一维轴承故障信号检测中。该方法能够利用信号中存在的冗余冲击成分,以包括局部结构的小窗口或邻域为单元,利用局部结构相似性进行加权运算,抑制随机噪声信号,使冲击特征得到增强。但对于强烈背景噪声干扰下的信号,诊断效果不够理想。提出一种基于非局部平均算法的权重包络谱诊断方法,该方法对信号各点进行加权运算,通过权值比对,使信号冲击分量的尖锐特性得到进一步增强。通过与EEMD方法对比,以及实验室轴承故障数据和工程案例分析,验证了该方法在检测轴承局部故障检测中的有效性和优越性。

基于离散余弦变换的非局部均值图像去噪算法

提出一种改进的图像去噪算法。利用离散余弦变换(discrete cosine transform,DCT)对图像进行"粗糙"去噪,保留图像平滑部分与大部分细节信息;在非局部域内,利用得到的DCT系数构造选择函数对相似像素点进行预选择,将这些相似像素点应用到非局部均值去噪方法中,进行二次去噪;在二次去噪时,利用选择函数对权重系数做出修正,达到自适应滤波的目的。实验结果表明,该算法在峰值信噪比和结构相似度方面都有一定提高。

一种自适应的非局部均值图像去噪算法

对Buades等人提出的非局部均值图像去噪算法进行改进。传统的方法在滤波参数定义上存在缺陷,为了解决这个问题,通过建立噪声方差与滤波系数的关系,提出解决噪声估计的方法。另外,根据小波系数的分布特点,利用GGD模型参数(尺度和形状参数)对系数进行拟合,并用GGD模型参数提出一种有效的噪声方差估计算法。实验结果表明,该噪声方差估计算法不仅能有效地估计噪声方差大小,而且使原有的非局部均值算法具有自适应性。这种自适应的非局部均值算法可以达到近似最优,具有鲁棒性和快速性,且算法精度高。

高刺激率条件下利用非局部平均算法提高听觉诱发电位信噪比

目的利用非局部平均(NL-means)算法提高高刺激率模式下去卷积前的听觉诱发电位(AEPs)的信噪比。方法首先通过仿真实验来确定在不同噪声水平下的滤波参数,然后采用真实数据进行了验证,并且与均值滤波进行了对比。结果 NL-means方法能够有效的抑制粉红噪声,较好的保留信号的细节。结论 NL-means方法非常适合具有周期特性的信号去噪,能够有效的去除噪声,提高AEPs信噪比。

红外图像改进非局部均值滤波算法研究

为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF)。该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证。结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的。

梯度信息自适应的非局部均值滤波算法对矿井图像降噪研究

为了提高非局部均值滤波算法对矿井图像的降噪效果,本文将改进的非局部均值滤波算法与八方向Prewitt算子相结合,通过梯度信息对滤波参数进行优化,赋予了该非局部均值滤波算法较强的自适应性。另外,八方向Prewitt算子增加了非局部均值滤波算法搜索窗口的移动方向,提高了搜索相似像素点的效率。本文算法在对人工加噪的图片进行处理时,所需时长仅为2.38 s,与经典的非局部均值滤波算法相比缩短了40%;本文算法处理所得图像的信噪比为26.473,是经典的非局部均值滤波算法的1.2倍。通过对处理所得图像质量进行对比发现,本文算法对矿井图像的降噪效果更为明显,且图像中边缘和纹理的细节信息更为丰富,可用于矿井检测图像的处理。

非局部均值图像去噪算法研究

图像去噪一直都是计算机图形处理和计算机视觉中的一个研究热点，其中非局部化均值算法是近年来去噪效果出色的算法之一，但是非局部均值算法容易导致细节模糊，该文基于指数加权函数的基础上引进了余弦函数，提出了一种改进的非局部均值图像去噪方法，通过实验表明，该文的改进算法比传统的算法更能保持细节。

基于非局部均值算法的图像高密度混合噪声去除研究

针对传统图像噪声去除方法存在去噪效果差的问题,本文开展基于非局部均值算法的图像高密度混合噪声去除研究,首先对图像灰度进行相似性度量,然后基于非局部均值算法进行图像边缘检测。实验结果表明,设计方法可有效降低处理后图像中的噪声含量。

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。

基于自适应搜索窗的非局部均值去噪算法

提出了一种采用局部多项式近似—置信区间交叉(Local Polynomial Approximation and Intersection of Confidence Intervals,LPA-ICI)技术的自适应选取搜索窗的非局部均值图像去噪算法.首先采用LPA-ICI寻找当前像素所在的同质区域,然后将该同质区域设定为当前像素的自适应搜索窗.自适应搜索窗内的像素与当前像素在灰度值以及几何结构上均呈现出"同质"性,对当前像素的估计值更接近真实值.定性与定量实验结果表明:相比于形状和大小固定的搜索窗,自适应选取搜索窗的非局部均值去噪算法能取得更好的去噪效果,对图像中边缘和纹理细节信息具有更好的保护能力.

基于马氏距离的改进非局部均值图像去噪算法

通过对原非局部均值(NLM)图像去噪算法进行改进,提出一种利用马氏距离作为衡量图像像素点相似性的非局部均值图像去噪算法.首先针对样本空间中马氏距离不稳定的特点计算特征空间中的马氏距离;然后对图像数据进行相关性分析和降维处理,提取数据主成分,简化特征空间中马氏距离的计算方法;最后利用此马氏距离生成高斯加权核函数,对图像进行去噪.采用一系列加有噪声的典型图像对文中算法进行实验,证明了该算法可获得比原NLM图像去噪算法更好的去噪效果;利用多组数据对文中算法中的滤波参数h进行分析,得到噪声方差与滤波参数h的关系式,可以获得接近于改进图像去噪算法的最佳去噪性能.

椭圆窗口和参数自适应的非局部均值算法

对于传统的非局部均值(NLM)算法,方形搜索窗口会将大量低相似度的图像块引入去噪图像的加权平均计算过程中,导致去噪图像的细节轮廓变得模糊.针对此问题,提出了利用控制核函数来获取椭圆窗口和图像块参数的自适应NLM算法.首先,根据图像的局部梯度信息和结构张量获得可描述图像局部边缘结构的椭圆方程,并由此确定搜索窗口的形状,从而将搜索窗口的搜索范围限制在与图像局部结构相一致的区域内;然后采用控制核函数获得和搜索窗口形状一致的椭圆形图像块,并结合平滑参数自适应的思想进一步增强算法效果.通过在不同噪声等级的经典灰度图中进行实验,实验结果表明,该算法相比于传统NLM算法和参数自适应的NLM算法,在客观的图像评价指标上,有着更高的PSNR和SSIM值;而在主观视觉上,随着噪声等级的提升,该算法在抑制噪声的同时,能够更好地保留住图像的高频纹理信息.

基于BM3D的脑MRI图像噪点剔除算法

磁共振成像(Magnetic Resonance Imaging,MRI)已经成为一种常见的影像检查方式,MRI的去噪算法影响着MRI的成像效果。基于深度学习的MRI去噪算法需要一定量的数据,绝大部分基于非深度学习的MRI去噪算法都是将MRI数据转化为实数之后进行去噪的,针对复数MRI中的复数数据类型的算法也存在着失真的问题。因此,提出一种通过单张MRI脑图像的原始数据进行噪点剔除的算法,以此更好得去除图像噪声。该算法从MRI的原始数据出发,利用了MRI噪声分布性质和MRI脑图像的特点,以判断MRI图像中噪声明显的点,从而剔除MRI中特定的莱斯分布的噪声。并将所提出的算法结合了MRI去噪中常用的非局部平均算法(Non-Local Means denoising,NLM)与三维块匹配算法(Block-Matching and 3D filtering,BM3D),并和不使用该算法剔除噪点的NLM、BM3D进行了对比评估。对比结果表明,在噪声密度不同的多种情况下,该算法总能优化与之相结合的图像去噪算法,在不同的噪声情况下使峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)与结构相似性(Structural Similarity,SSIM)提高了1%~9%。最后将该算法结合BM3D,对比了DnCNN、低秩聚类算法(Weighted Nuclear Norm Minimization,WNNM)、BM3D、NLM等用于MRI去噪的算法,在莱斯噪声较多时,该算法在PSNR上有更好的表现。

煤矿视频监控图像的改进非局部均值滤波算法

针对井下光线较差、粉尘大而导致视频监控图像清晰度不佳的问题,提出了一种改进非局部均值滤波算法。首先采用Log边缘检测算子对图像进行边缘提取,获得边缘和非边缘图像;然后分别从相似图像块获取方法以及权重值计算方法2个方面对非局部均值滤波算法进行改进,用于去除非边缘图像中的噪声点;最后将边缘图像与滤波后的非边缘图像进行融合。分别采用该算法与中值滤波算法、均值滤波算法、非局部均值滤波算法对现场采集的图像进行测试,结果表明该算法的图像处理效果明显优于其他算法。

核磁共振图像归一化互相关非局部自适应去噪

为了更好地去除核磁共振(MR)图像中莱斯(Rician)分布的噪声,首先提出使用图像局部归一化互相关(NCC)作为几何结构相似性的一个表征,对传统非局部算法中使用灰度计算像素相似性权值的方法进行有效补充;然后,将改进方法分别应用于非局部均值算法和非局部最小线性均方误差估计算法,并根据局部信噪比(SNR)动态自适应地计算非局部算法中待滤波像素自身的加权值或者像素之间相似性阈值,达到对核磁图像自适应降噪的目的。实验结果表明,该算法可以更好地抑制核磁图像中的莱斯噪声,有效保留图像中细节信息,对核磁共振图像进一步的分析研究以及应用于临床诊断等具有非常重要的应用价值。

非局部平均迭代修正的稀疏角度CT凸集投影重建

鉴于非局部平均(nonlocal means,NL-means)滤波后的图像质量大幅提升,本文提出一种非局部平均迭代修正的稀疏角度CT凸集投影(projection onto convex set,POCS)重建方法。新方法采用两相式重建策略:首先对CT稀疏投影数据采用POCS算法进行重建,以获得满足数据一致性及非负性约束的重建图像;随后由POCS重建图像导引非局部平均对其进行优化修正,以消除图像中的高频噪声,保持图像边缘,减少条形伪影,达到提升图像质量的目的。两相交替进行,直至满足某一终止准则。仿真实验表明,本文提出的非局部平均迭代修正稀疏角度CTPOCS重建算法,可有效抑制重建图像噪声和条形伪影,大幅提高重建图像质量。