用于闪光图像消噪的改进BM3D方法

高斯噪声是闪光图像中的主要噪声,将在密度反演等后续处理中被放大,严重影响密度重建及客体边界提取结果,因此,消高斯噪声是闪光图像消噪研究的重点内容。针对闪光照相图像噪声及照相客体轴旋转对称的特点,研究了基于三维块匹配滤波(Block Matching and 3D Filtering,BM3D)的闪光照相图像消噪算法,针对闪光照相图像中难以获得更高质量相似块的缺陷,在不破坏噪声独立性的情况下,通过对含噪退化图像进行旋转与镜像操作,增加了提供相似块的图像来源。同时,通过引入图像块的灰度变换,降低了原有相似性要求中的灰度值要求,提高了形状相似的要求,增加了获得高质量相似块的能力。图像的消噪结果表明,由于相似块的质量得到保证,用于闪光图像消噪的改进BM3D方法取得了更好的消噪效果。

基于自适应BM3D的绝缘子缺陷检测图像降噪方法

由于拍摄环境的影响,获取的图像中常常混有噪声,极易影响绝缘子缺陷检测的准确性。针对该问题,提出了一种自适应BM3D降噪方法。首先,引入基于噪声水平与图像块协方差矩阵特征值的统计关系的噪声估计算法,解决原始BM3D算法需要先验知识的问题;其次,以峰值信噪比为目标函数,通过量子遗传算法得到绝缘子图像在各个噪声强度下的参数最优值,包括基础估计中的硬阈值参数、距离阈值和最终估计中的距离阈值;最后,以噪声强度为自变量,采用多项式拟合的方式得到上述3个参数的拟合曲线,从而得到各个噪声强度下算法的最佳参数组合,实现BM3D算法在不同噪声水平下的参数快速自适应。对比实验的结果表明所提出的方法在直观视觉和客观评价指标上优于其他方法。当噪声标准差为25时,所提出的方法相较于原始BM3D算法在峰值信噪比、结构相似性和边缘保留指数指标上均有所提升,尤其是边缘保留指数提升近20%。在提升降噪效果的同时能够保留更多边缘细节,这有助于提高后续绝缘子识别及缺陷检测的效果。

基于改进BM3D的乳腺超声图像去噪算法研究

低噪声、高对比度的超声图像能极大提高医生对病情诊断的准确率。为解决乳腺超声图像在采集和传输过程中引入散斑噪声而导致图像质量恶化从而影响乳腺癌早期诊断的问题,提出一种基于改进BM3D的乳腺超声图像去噪算法。首先引入基于DBSCAN的超像素分割方法,对原图进行超像素分割得到相应的超像素标签矩阵;然后利用超像素标签矩阵引导BM3D算法中的块匹配过程,一方面可以减少待匹配块的搜索时间,另一方面可以给相似块度量提供辅助信息,进而提高块匹配的准确性;最后改进BM3D算法中的硬阈值滤波,采用自适应噪声参数估计进一步提升去噪效果。实验结果表明,改进BM3D算法的等效视数相较传统BM3D算法提高了1.75%,边缘保持指数提高了2.56%,而算法处理时间却减少了51.26%,说明其是一种兼顾去噪效果与运行时间的实用方法。

一种基于BM3D算法改进的图像去噪方法

在图像处理领域中,三维块匹配算法(BM3D)算法结合了空间域与频率域的相关特性,是当前图像去噪效果最好的算法之一。由于该算法存在计算耗时长、相似块提取不够准确、分割块内分布不同的相似特征无法提取等问题,论文提出基于Radon变换进行图像信息降维,并通过求解降维函数的方差值、以及方差最大值坐标定位进行相似块信息的判断,再计算各相似块相对参考块的像素均值比例,并放缩再用于去噪。实验结果显示,优化算法去噪图像相较于原算法去噪图像运行时间减短,图像质量提升。

基于BM3D的多震源数据分离方法研究

多震源混合采集技术将传统的逐炮激发和逐炮接收的低效采集方式转变为同步激发和连续接收的高效多震源采集方式,突破了传统采集技术对于时间和空间的限制,有效提高了采集效率以及空间采样率。但其混合波场的分离对地震资料品质的保证提出了新的挑战。在伪分离记录中次震源的信号在除共炮点域之外的三个时域中以不连续的随即脉冲的形式存在。基于此特点,本文采用BM3D去噪算法对经过动校正处理的共检波点域伪分离数据分离混叠噪声。经理论数据验证,该方法应用于多震源数据分离中,取得了较好的应用效果,证实了提出方法的正确性与可行性。

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。

基于AGF和BM3D算法的声纳图像去噪

声检测技术逐渐成为水下目标检测的关键手段;受水文环境噪声、设备精度等影响,声纳图像不可避免的存在分辨率低、对比度低、目标边缘模糊等问题,不利于后续目标检测识别的进行;因此,文章提出一种改进引导滤波(AGF)与三维块匹配(BM3D)联合的去噪算法;首先,该文采用BM3D算法抑制图像中高斯和斑点噪声,完成初步去噪;最后采用AGF算法对图像进行二次滤波,该文通过引入改良的边缘检测Canny算子实现自适应调节正则化参数的大小优化引导滤波,从而保留更多图像细节且更好的保护边缘特征;两种算法联合去噪不仅能优化BM3D去噪性能的不足,还能有效的保留图像的边缘特征;实验结果表明所提出的算法不仅对声纳图像中的斑点噪声和高斯噪声有较好的抑制作用,而相比于其他传统算法在峰值信噪比、均方误差和结构相似度3个方面提升10%、15%和15%。

基于BM3D算法的快中子图像降噪方法

在快中子照相过程中,由于受到各种因素影响,快中子图像严重降质,呈现大量噪声,不利于无损检测和后续的定量分析。通过噪声分析得出了快中子图像的噪声统计分布符合高斯噪声模型,探讨了将BM3D算法应用到快中子图像降噪处理的方法。实验结果表明,BM3D算法不仅能够有效滤除快中子图像的噪声,而且保护了图像的细节和边缘信息,可为快中子图像的降噪处理提供参考。

一种基于权重自适应相似性度量改进的InSAR-BM3D算法

针对InSAR-BM3D算法在三维成像雷达高度计干涉图近距端纹理密集区域、远距端低信噪比区域干涉条纹细节保持及去噪能力不足的问题,提出了一种基于权重自适应相似性度量改进的InSAR-BM3D算法。以皮尔森相关系数和余弦相异性为基础,构建了一种根据干涉条纹密集程度和噪声水平变化而对皮尔森相关系数和余弦相异性进行权重分配的相似性度量,进一步保证了相似块搜索过程的准确性;在最终估计阶段,对基础估计图像中噪声残留区域进行了进一步滤波处理,提高了算法的去噪能力。利用模拟数据和机载三维成像雷达高度计影像数据进行了实验,并与均值滤波、Goldstein滤波、NL-Means滤波以及各向异性扩散滤波等算法进行了比较,结果证明该算法能够在有效滤除噪声的同时进一步保留干涉条纹的细节。

基于乌鸦搜索算法和自适应BM3D的NSST域电气设备红外图像增强

为了解决红外图像对比度低、模糊、含噪声等问题,本文提出基于信息熵准则乌鸦搜索算法和三维块匹配(block matching 3D,BM3D)自适应去噪的电气设备非下采样剪切波变换(non-subsampled shearlet transform,NSST)红外图像增强方法。通过NSST变换将图像分解为不同频率的2个部分。低频图像主要为设备特征,高频子带主要为噪声。针对低频图像中的背景干扰问题,提出乌鸦搜索算法进行分割得到设备前景和环境后景,前者经灰度扩增得到前景增强图,后者经直方图均衡得到后景增强图。针对高频子带中的噪声干扰问题,提出BM3D自适应去噪算法用于去噪。通过实验可知,基于乌鸦搜索算法和自适应BM3D的图像增强算法针对图像分割细节处理、多余杂音的过滤以及对比度的提高均有显著效果。

结合非下采样剪切波变换的BM3D去除图像噪声方法研究

强噪声图像去噪一直是图像处理技术应用领域研究的热点,为进一步提高强噪声图像的去噪质量和对图像边缘的保护,针对三维块匹配(Block Matching 3D,BM3D)方法对强噪声图像去噪效果不佳及图像线状奇异性(如边缘)缺乏最优表示的问题,提出了基于二维非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)和BM3D的组合去噪方法。该方法首先对含噪图像进行NSST正变换,得到不同尺度和不同方向高频子带的剪切波系数;然后对每个尺度不同方向的高频子带求取贝叶斯阈值,并利用渐进半软阈值函数对各高频子带进行去噪;最后对低频子带和各去噪高频子带进行NSST逆变换,得到去噪结果。将去噪图像作为BM3D中基础估计阶段的预滤波,能够进一步提高基础估计阶段分组的正确性,为BM3D去噪奠定良好基础。组合去噪方法结合了NSST与BM3D的各自优势,仿真试验结果表明,对于低噪声图像,本方法和BM3D方法去噪效果相同,略优于非局部平均法;对于强噪声卫星影像,本方法去噪效果优于BM3D和非局部平均法。

基于SCKF-BM3D算法的超声相控阵图像优化模型

为实现现代工业大数据化和自动化,应该先解决超声相控阵图像信息缺失和散斑噪声问题。对此本文提出一种基于SCKF-BM3D算法的超声相控阵图像优化模型。该优化模型通过自定义的异型卷积核滤波器解决了传统滤波卷积核应用在超声相控阵图像上效果不显著的问题,同时面对由于滤波而放大的散斑噪声采用BM3D算法进行去噪。结合二者优点建立了适用于分辨率低、像素颗粒大、存在信息缺失的超声相控阵图像的优化模型。当缺少超声相控阵图像的标准数据时,一系列无参考评价指标(图像熵、Vollaths函数)也证明模型具有的良好的性能。实验表明,与传统的去噪方法相比,本文提出的优化模型不仅在去噪效果上有一定提升,更补全了图像由于各种硬件问题和环境引起的缺失信息。

块匹配三维协同滤波算法(BM3D)在探地雷达图像去噪的应用

采用探地雷达设备进行地下缺陷探测的过程中会产生大量的探地雷达图像,在使用人工智能算法进行地下病害体识别的研究中,输入的探地雷达图像的品质决定了人工智能识别成果的准确性。本文采用块匹配三维协同滤波算法(BM3D)对探地雷达图像进行预处理,压制噪声、干扰,提高地下病害体图像的信噪比,突出病害体的图像特征,为人工智能算法识别病害体图像特征提供高质量训练图像。

基于Anscombe变换域BM3D滤波的低剂量CT重建

针对低剂量CT图像质量退化问题,提出了一种基于投影域数据恢复的低剂量CT优质重建方法。新方法首先通过非线性Anscombe变换将满足Poisson分布的投影域数据转化Gaussian型分布,然后利用针对Anscombe变换的Gaussian型数据进行自适应Block-Matchingand 3D filtering(BM3D)滤波,最后通过对Anscombe逆变换数据执行传统的滤波反投影(Filtered Back Projec-tion,FBP)CT重建。由于Anscombe变换数据的方差已知,且所用BM3D滤波无需人工设置滤波参数,使得方法可实现自适应低剂量CT图像重建。仿真和临床低剂量CT数据的实验表明,方法具有良好的重建鲁棒性,其重建图像的噪声和伪影可同时得到有效抑制。

一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。

BM3D视频去噪算法实现与评估

一些传统的图像视频去噪算法,会在滤除噪声的同时引入人工噪声,存在很大的局限性。而基于块匹配和三维变换域滤波(BM3D)的图像视频去噪算法则采用了不同的去噪策略。对BM3D算法进行了深入的研究并实现了算法,对算法进行了深层次的评估。通过评估结果,证明了BM3D算法在视频去噪方面取得了非常好的效果。

小波域BM3D滤波算法高炉回旋区温度场测量

高炉风口回旋区温度的精准检测对判断和控制高炉运行状况至关重要。为实现温度场的数字化测量,避免人工观测的主观性,该文提出一种小波域BM3D辐射图像滤波算法。针对风口图像中条纹噪声与高斯噪声的影响,首先利用小波分解实现有用信息与噪声分离;其次将携带条纹噪声与高斯噪声的细节信息分别采用软阈值与BM3D进行滤波。这样分步式的滤波算法在保证高斯噪声的去噪效果的同时,可有效抑制条纹噪声。去噪测试结果为MSE为10.1158,PSNR为38.0808 dB。测温实验结果表明,该文提出的算法测得的温度场准确度相对更高。

BM3D算法中块匹配模块的架构设计

BM3D(块匹配和3D去噪)算法是目前降噪性能最高的通用图像/视频降噪算法,这种算法利用的视频的空间相关性和时间相关性进行有效的降噪。BM3D算法的第一步是块匹配,但是块匹配的计算量相当大。文中提出了一种用于BM3D算法的块匹配模块的架构,该架构只需要系统频率为98MHz,带宽为177MB/s的硬件就可以实现720*576的PAL场格式BT656的视频的实时块匹配。

基于BM3D图像去噪算法的参数研究

BM3D算法是目前最好的图像去噪算法之一,最近提出的很多更有效的去噪算法都是以BM3D算法作为对比基准。BM3D算法先通过块匹配生成三维矩阵,然后在三维变换域去噪,最后逆变换还原图片。通过对BM3D算法的深入研究,发现BM3D算法的性能与它的参数密切相关。针对BM3D算法的参数进行了实验统计,并对BM3D算法的参数设置进行了总结。实验不仅验证了BM3D算法在图像去噪方面取得了较好效果,而且为BM3D算法的参数设定提供了借鉴。

基于BM3D的图像噪声方差估计方法

传统的图像噪声方差估计方法在处理具有较多内容变化或者丰富纹理信息的图像时,往往容易造成较大的估计偏差。提出了一种基于BM3D的图像噪声方差估计方法。首先使用传统的F-NLE噪声估计方法获取图像噪声的初步估计值,并根据噪声初步估计值生成多组噪声方差候选值;然后,使用得到的噪声方差候选值作为BM3D滤波方法的参数,对含噪图像进行滤波处理;接着,再通过多组实验对图像滤波前后的自然统计(NSS)特征差异进行分析,得出该差异能够有效地反映图像降噪效果之后,对含噪图像滤波前后的NSS特征进行提取;最后,使用获取的NSS特征对应的矢量距离,作为每幅含噪图像所对应的BM3D方法参数的权重,并利用局部均值法对图像噪声方差做出最终精确估计。通过在不同图像集上的多组实验可以得出,相比于对比方法,所提出的图像噪声估计方法具有更高的估计精度和可靠性。