关键字 |
| 图像去噪、图像分类、自适应多分辨率,均方误差估计、图像恢复和分解。 |
介绍 |
| 研究和技术领域需要图像处理的应用方案。数字图像是非常重要的在地理信息系统和天文学。卫星电视磁共振成像,计算机断层摄影的一些日常生活应用在数字图像中发挥至关重要的作用。所有自然现象和传输错误都介绍了退化图像质量从而噪声图像。因此有必要对图像去噪过程来减少噪声图像中,产生更接近原始图像去噪图像。 |
有效的去噪过程 |
| 系统介绍了线性最小均方误差估计框架提出了张L,李X,张D[1]图像去噪承诺好的图像输出。图像采集过程中,噪声是引入系统。用于图像去噪图像插值。形象好可能会变质由于图像去噪和边缘结构从而产生工件。定向去噪算法使用定向插入器。无噪声和失踪样本估计与最优估计类似的框架。估计过程计算的集体努力适应当地统计计算。更准确的输出是通过结合不同方向估计计算在多个方向。失踪的样本插值使用估计评价去噪过程中参数。这种方法减少了噪音和插值引起的工件图像边缘结构保存良好。 |
| 两个互补的不连续措施提出了小说中使用贝叶斯图像去噪算法[2]。由于over-locality空间不连续的特点,从嘈杂的图像不能检测到明显的不连续性。但空间不连续有效地保留图像边缘组件。因此还有另外一个要求寻找新的特性不连续措施保护通过检测上下文不连续性。在小区域内的可用性程度的均匀性和明显的不连续的有效检测的主要优势在同质性测量提出了方案。先验概率的贝叶斯框架去噪是由雇佣结合互补的不连续的措施。达到较高的峰值信噪比,有效地减少噪声通过边缘组件保存。 |
图像去噪算法 |
| 三个尺度的双树复小波系数是用于去除高斯白噪声的图像去噪算法。近似位移不变性和方向选择性越好是双树复小波变换的两个重要特征。陈G,朱W。P和谢W[3]已经证明它是提供高度竞争的输出。 |
| 对三维磁共振图像,提出了一个创新的方法[4]基于块智慧非本地(NL)——自适应多分辨率。对空间和频率的内容出现在图像中,去噪的数量按照自适应隐式地适应软混合小波系数。图1显示了各种图像去噪过程的类型 |
| 过滤器适用于高斯噪声和噪声Rician卡拉汉的最新技术Rician NL滤波手段,这种方法(多分辨率过滤器)达到高度竞争措施量化验证使用几个质量矩阵对大脑进行网络数据集。过滤器去除噪声有效保持细节的嘈杂和经典案例进行定性实验各种图像解剖和扩散加权图像。这是应用领域的纤维跟踪。 |
| 随机值脉冲噪声的去除,作者[5]提出了一种改进的决定基于细节保留变分法。在高度的图像,有必要提高检测的能力。获得,变量窗口技术是采用自适应加权中值滤波器中心。噪声的区别标志用嘈杂的地区分类标记图像的快速迭代策略由ACWMF改善。重量可调detail-preserving变分法适用于恢复所有的部件作为一个事件的时间。噪音是决定DPVM凸成本函数的权重数据保真项之间和光滑的正则化项。最小化后恢复的图像检索。做的版本和定量测量提出了过滤器,优于所有其他现有的算法。这是非常快的,可以很容易移植到实用和实时应用程序。 |
| 下面的图表描述了噪声消除技术应用之间的比较等不同类型的噪声脉冲噪声,高斯噪声,Rician噪声和散斑噪声。几种噪声模型讨论了对应于其类型的图像像真实的,合成的,卫星和超声图像。分解的形式提出了新的模型。非凸,不正规化和希特勒索伯列夫空间的负面程度的可微性[6]应用新算法。这是捕获振荡模式。 |
| 证明了伪解现有提出的模型。也该变量分裂和点球技术用于解决最小化问题由两个不同的数值算法。各种实验也进行图像去噪、去模糊和分解为真实和合成图像。 |
| 与小波系数的统计建模,超声图像的斑点噪声抑制。将现有的二维异方差性之间的重要的非高斯统计分类的日志将超声图像基于小波系数。二维GARCH [7] 2 d。 |
讨论 |
| 所有现有的有效去噪程序和各种性能矩阵进行分类讨论。在所有类型的去噪算法,还列出了组件和应用程序使用。以来每个算法具有自己的优点和价值,建议两个或更多高效的技术可能是组合在一起得到期望的结果。被识别的相关算法,它提供的优点相结合的系统。 |
表乍一看 |
 |
| 表1 |
|
|
数据乍一看 |
 |
| 图1 |
|
|
引用 |
- 张L,李X和张D,“图像去噪和缩放线性最小均方误差估计框架”下,ImageProcessing专业,Vol6,问题3,pp.273 - 283, 2012年4月。
- 焦荣格C、L。C和龚M.G.,“Bayesian Image Denoising using two Complementary discontinuity measures”,Image Processing IET, Vol. 6, Issue 7, pp.932-942, October 2012.
- 陈G,朱W。P和谢W,“基于小波的图像去噪使用三个尺度的依赖性”,图像处理专业,下册,问题6,pp.756 - 760, 2012年8月。
- 双门跑车P, Manjon J.V.,Robles M and Collins D.L.,”Adaptive multi resolution non-local means filter for three dimensional magnetic resonance image denosing”, Image Processing IET, Vol.6, Issue 5, pp.558-568.
- 周,Y。Y, Ye.Z.F。和Huang.J。J,“基于改进决策的细节保留变分方法去除随机值脉冲噪声”,图像处理专业,下册,问题7,pp.976 - 985。
- Lu.C。”W,使用非凸模型的正则化图像恢复和分解和消极Hilbert-Sobolev规范”,图像处理专业,卷。6,问题6,pp.706 - 716。
- Amirmazaghani M和Amindayar H,“小波域处理器”图像处理专业,下册,问题5,pp.580 - 588。
|
菜单
