基于改进形态学运算的图像去噪自适应算法研究

形态学的腐蚀和膨胀两种基本运算固有特征,使其在去除图像噪声的同时,造成图像信息严重丢失.针对这种现象,首先把传统腐蚀膨胀的极值运算改进为中值运算;其次对结构元素进行改进和优化,定义单位结构元素,利用数学方法推导找到零方阵的单位结构元素;最后在这些研究工作的基础上提出一种新的自适应图像去噪算法.对比实验表明:新方法比传统形态学和中值滤波算法在低信噪比环境下具有明显优势,因此在图像去噪中具有广泛的应用前景.     

独立分量分析改进的图像去噪方法

针对传统去噪算法在复杂噪声污染图像处理中能力较弱的问题,该文基于信号高阶统计量的独立分量分析,通过其自适应变换,分离出源信号中的统计独立的分量,在分析对比传统图像去噪方法的基础上,讨论了独立分量分析的基本模型及原理;提出了一种结合中值滤波与wiener滤波的最大似然估计的图像去噪改进方法。仿真实验表明改进的独立分量分析去噪方法具有较大的优越性。     

基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法

本文提出了一种基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法。根据SAR图像数据的特征,引入了非对数加性模型,并在该模型下对SAR图像NSCT域中的噪声分布统计建模,应用最大后验（MAP）准则和Non-Local（NL）约束相结合的方法解求SAR图像真实信号的NSCT系数。实验结果表明,本方法具有良好的去噪能力并在性能上优于当前主流方法。     

FY-2卫星数字云图的细网格定量处理

采用S—VISSR2．0解码、等经纬投影、区域定位、通道分离、云图定标与空间差值等方法对展宽传输接收的FY-2静止气象卫星S—VISSR2．0格式云图进行投影处理、通道分离处理、云图定标、区域云图截取及细网格栅格数据提取;利用9点滤波算法、“Weiss—Smith变异法”等方法,通过细网格云图的野值处理、图像去噪、纹理明化处理进行质量控制;数据组合处理获取云图组合产品资料等方法,对FY-2静止气象卫星云图进行高分辨精细化处理。     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息，高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰，如果感兴趣区域受到污染，则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题，本文采用自适应模糊阈值法去噪方式，该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后，重新构造作为新的小波系数，经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较，结果表明，自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点，既保留图像细节又使图像更加平滑，图像整体信息完好，去噪效果更为理想。     

基于结构张量的前后向扩散图像去噪方法

针对各向异性前后向扩散方程对图像进行处理时必然会导致图像角型区域纹理损失的特点,提出了一种改进的图像去噪方法。结合前后向扩散和结构张量对图像进行处理,利用结构张量算法计算图像中的角型区域,增强图像的角点纹理,在去除噪声的同时保留了图像的细节部分。通过实验与传统高斯低通滤波和未改进的去噪算法进行比较,结果表明该改进算法不仅有效去除了噪声而且保持了图像的纹理。     

基于移不变全方向角提升的遥感图像降噪

在分析遥感图像结构特征及其与噪声之间主要区别的基础上,利用图像信号的方向信息,提出基于移不变全方向角提升小波（TI—OL）抑制遥感图像噪声的方法。该方法在方向提升小波变换的基础上并利用循环平移,Gabor小波滤波器和图像旋转技术改进了方向提升小波在图像去噪过程中存在的三个弊端：缺乏移不变性质,图像局部方向信息判方法断缺乏噪声鲁棒性和变换方向分布有限。消除去噪结果中的吉布斯效应,提高图像方向信息判断的准确性并保证图像纹理方向始终落在方向提升能最优表示的方向区间内。试验结果证明所提方法在处理遥感图像的过程中能在去噪的同时保留图像的细节和边缘信息,对遥感图像中的边缘信息如道路和桥梁有较好的刻画性能,较传统方法去噪性能（PSNR）和主观视觉效果（SSIM）均有较大提高。     

基于混合滤波的遥感图像去噪

遥感图像在生成、传输和转化过程中往往受到各种噪声的干扰,影响了图像本身的清晰度,降低了视觉效果,不利于真实信息的提取.研究目的是对高分辨率遥感图像进行预处理,以提高信息识别精度.研究方法是噪声检测结合混合滤波的方法,该方法基于均值滤波和中值滤波的互补性,首先对图像每一个像素点进行噪声检测,把受高斯噪声污染和受椒盐噪声污染的像素点区分开,然后分别对受高斯噪声污染和受椒盐噪声污染的像素点进行处理.与其他滤波算法进行比较的结果表明,噪声检测结合混合滤波方法能够有效去除椒盐噪声和高斯噪声,保留图像的纹理信息,提高图像的清晰度.     

基于小波系数相关性的图像去噪

本文提出了一种基于小波系数相关性的图像去噪方法。针对自适应去噪方法平滑掉实际信号的不足,利用小波分解系数近指数的衰减特性及同一尺度上各信号分量的相关性分析,对每个小波系数设置不同的阈值,区别对待信号的低频和高频系数,最后重构小波。实验结果表明,从视觉和峰值信噪比(PSNR)上,本文使用的方法优越于全局阈值法。     

一种结合噪声信息识别的改进掩模去噪方法研究

图像去噪是对图像进行进一步处理的基础,结合椒盐噪声信息与传统选择式掩模法提出了一种新的有效方法．该方法根据椒盐噪声的特点,采用噪声检测方法检测出可能是噪声的像素,对这些像素采用加权的选择式掩模法进行处理,而对非疑似噪声像素不做任何处理;在去除图像噪声的同时,可保持图像的细节和清晰度;对去除椒盐噪声效果较好,并且容易实现．给出了不同噪声量的情况下试验的对比图以及不同情况下的峰值信噪比的统计表．实验证明,该方法 能得到很好的去噪效果．