一种改进的n维空间递归滤波算法

基于递归运算准则 ,本文提出了一种n维空间非线性滤波器的改进算法。该算法利用像素点的周边信息完成对噪声点的识别与修复。此n维空间滤波器可以递归地分解到更低一维空间 ,本文主要分析了这种改进的滤波算法在二维空间信号消噪处理中的性能。仿真结果表明 ,与中值滤波和Peak-and-Valley滤波算法比较 ,该算法在信噪比和图像细节保留方面具有更大的优势 。

基于非负支撑域受限递归逆滤波的自适应图像盲复原

针对原始非负支撑域受限递归逆滤波(NAS-RIF)算法存在的缺点,提出了一种自适应的NAS-RIF图像盲复原算法。首先,在NAS-RIF算法的代价函数中加入正则化约束项和空域加权因子,通过自适应地调整正则化参数和空域加权因子来改善算法的抗噪性能,并确保复原的逼真和平滑。然后,在算法的每次迭代中,采用图像分割技术找到准确的目标支持域,并用背景的平均值取代非均匀背景。最后,利用N步重置共轭梯度法优化代价函数,加快了算法的收敛速度。在不同信噪比条件下对两种模糊图像进行了实验,结果显示,采用本文算法得到的信噪比增益(ΔSNR)分别为6.315 3dB和8.910 6dB,表明该算法具有较好的噪声抑制和边缘细节恢复效果。对低信噪比的退化图像,本文算法也能得到更好的复原结果。

提升小波变换在NAS-RIF盲复原算法中的应用

针对采用非负支撑域受限递归逆滤波(NAS-RIF)算法对低信噪比图像进行复原时将导致算法性能恶化的问题,提出一种与提升小波变换相结合的NAS-RIF盲复原算法.首先对退化图像进行整数提升小波分解,得到不同频带子图像的信息;然后对各个频带子图像分别采用基于空间自适应和正则化方法的NAS-RIF算法进行复原,针对不同频带子图像的频率和方向特性,通过自适应地选取对应的正则化算子、正则化参数和空域加权因子,达到对低频子图像去模糊、对高频子图像抑制噪声,并保持边缘细节的目的;最后通过整数提升小波逆变换得到复原后的图像.在不同的信噪比条件下对2种模糊图像进行仿真实验,采用文中算法得到的信噪比增益分别为5.849 1dB和9.713 6dB.实验结果表明,文中算法不仅取得了更优的图像复原效果,而且具有较快的收敛速度.