噪声图像

摘要： 为了增强对初始轮廓的鲁棒性并提高对灰度不均图像、噪声图像的分割效率,提出一种基于区域的活动轮廓模型.首先分别构造全局灰度拟合力与局部灰度拟合力,然后用线性组合获得模型的拟合项,并通过调整拟合力之间的权重提高模型对初始轮廓的鲁棒性,最后利用演化曲线的长度项保持曲线的光滑性.通过实验结果可以看出:与区域可变灰度拟合(RSF)模型和选择性局部或全局分割(SLGS)模型相比,所提模型的迭代步数分别减少了约57％和31％,分割时间分别减少了约62％和14％.所提模型在无需初始轮廓的情况下,不仅可以快速、准确地分割灰度不均图像和噪声图像,而且对医学图像和红外图像等一些实际应用图像也有很好的分割效果.

摘要： 针对当前显著性区域检测方法对具有噪声的图像检测不准确的问题,提出一种基于多分辨率动态模式分解的显著性区域检测方法,该方法将动态模式分解(dynamic mode decomposition,DMD)与多分辨率分析(multi-reso-lution analysis,M RA)结合在一起,在时域和空间域中对多尺度系统进行建模.首先将输入图像进行色彩空间转换和边缘检测,然后使用图像的色度、亮度和边缘信息生成顺序快照矩阵,最后将其提供给多分辨率动态模式分解(MRDMD)模块进行3个级别的分解,获得图像的显著性区域映射.实验结果表明:本文方法在干净和嘈杂的图像中均能够检测出完整、边界清晰的显著性区域,相比于其他检测方法,性能具有明显的改善.

摘要： 目前许多目标检测模型在噪声环境中都会出现精度下降.为了提高目标检测模型在噪声环境中的精度,本文从两方面提高检测精度.首先,提出一个基于残差结构的抗噪特征提取模块,为后续的网络模块提供支撑.其次,利用目标的先验信息,针对性地改进模型的锚框设计和损失函数设计.根据目标的形状先验信息设计锚框的形状.将IOU损失函数作为模型的Bbox损失函数,其中IOU损失项及最小闭包区域根据目标形状先验信息计算.实验数据集为血细胞数据集和下旁腺数据集,基准对照模型为Yolov3和RetinaNet,同时也可移植到其他检测模型.在血细胞数据集环境中,比较Yolov3的精度由62.7提高到75.7.在下旁腺数据集中同样有所提升.

摘要： 针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题,提出了一种改进的高斯—拉普拉斯算子的边缘检测方法.噪声图像中的边缘检测是一项关键任务,然而目前常用的几种梯度算子,包括已经提出的高斯—拉普拉斯算子都没能取得理想效果.提出的方法对传统的拉普拉斯边缘检测算子作了改进,并与高斯滤波器相结合,应用高斯滤波器平滑图像,抑制噪声,再基于拉普拉斯梯度边缘检测器进行边缘检测.最后,在imagenet数据集中选取了10幅图像进行实验,将提出的高斯梯度边缘检测器与传统的边缘检测器进行比较.评估结果显示,提出的方法所获得的峰值信噪比(PSNR)高于对比算法,而均方误差(MSE)更小.实验结果表明,提出的方法在实际应用中能够有效提高噪声图像边缘检测的质量.

摘要： 为了解决噪声污染下的单样本人脸识别问题,提出基于稀疏重构扩充法的单样本人脸识别算法.利用稀疏重构构建虚拟图像,有效提高扩充样本的质量,从而提高人脸识别率.在不同程度的噪声条件下,通过在Yale,ORL,PIE等标准人脸数据库上的实验,验证了算法的有效性.

摘要： 准确可靠的噪声强度估计是数字图像处理领域中一个重要的研究课题.噪声估计的难点在于如何提取用于估计的纯噪声信息,近几年,许多算法采用主成分分析技术来避免图像纹理信息的干扰,用最小特征值来估计噪声方差,可以有效地减少图像纹理信息对估计结果的影响,所以这类方法对于高频图像(丰富纹理图像)效果很好.由于图像块数量有限,最小特征值实际上比真实噪声方差小,而且图像块数量越少,偏差越大.如果直接把最小特征值作为估计方差,则容易低估计高噪声.该文通过回归分析确定最小特征值跟真实噪声方差的比值和图像块数量呈幂函数关系,因此可以通过最小特征值和幂函数关系得到真实的噪声方差.实验表明该文方法既能处理高频图像,又适合各种噪声水平,同时也能处理乘性高斯噪声.%Accurate and reliable blind noise estimation is an important research topic of digital image processing. The main challenge is how to extract pure noise information for estimating. In recent years, many algorithms use principal component analysis technology to exclude the interference of image textures information, and estimate noise level by using the minimal eigenvalue. So that, the image textures have smallest effect on the minimal eigenvalue, thus this kind of methods performs well for high frequency image (image with abundant textures). The minimal eigenvalue is actually smaller than the true noise variance because of limited image blocks, and the bias is the bigger if the number of image patches is the smaller. If the noise level is estimated as the smallest eigenvalue, the final result will be underestimated. It is found that the relation between the ratio of estimated result to real noise variance and the number of image blocks is power function by using regression analysis, thus the true noise level can be computed by using the minimal eigenvalue and the power function. The experiment results show that the proposed algorithm works well over a large range of visual content and noise conditions, and can process multiply Gaussian noise too.

摘要： 为满足机器视觉系统的实时性要求,提出一种新的快速图像配准算法,即高斯多尺度快速注册算法(GMFR).GMFR综合图像空间域互相关算法(CC)与频域互功率谱算法(CPS)在配准精度和效率上的优势,并在图像多尺度表达的基础上,通过引入高斯平滑来避免图像亚采样过程中的细节丢失问题.为了对配准算法进行定量分析,进一步定义性能函数,随图像规模的增大算法的性能优势得到成倍提高.在真实引线框架图像上的实验结果表明,即使针对复杂噪声图像,GMFR仍具备较高的配准准确率和较强的鲁棒性,与传统的CC以及CPS图像配准方法相比,该算法效率明显提高.

摘要： 通过对图像边缘检测算法原理分析的基础上,提出一种新的噪声图像边缘检测算法.算法结合分区均值滤波算法和改进的Canny算法的特点,首先将5×5窗口内的噪声点进行剔除,计算图像平均梯度值,进而运用改进的Canny算法,提取目标图像的边缘特征.实验结果表明,本文算法检测的边缘特征优于传统的边缘检测算法,具有一定的应用价值.

摘要： 由于Internet的发展，海量图像数据变得容易获得，使得现代人脸检测器的训练样本集变得日趋庞大。尽管取得了良好的检测效果，这些算法中大型训练样本的构建却相当任意，训练数据的规模和性质如何影响检测器的性能已成为人脸检测研究中的一个重要问题。本文基于一个典型的正面人脸检测器算法，对上述问题进行了大规模实验性研究。具体地，本文针对人脸图像中包含的5种常见变化，即光照、表情、图像模糊度、对比度、噪声，构造了一个包含34万张人脸图像的大型训练集，在此基础上研究了上述5种因素对检测器性能的影响。本文的实验结果表明噪声图像对检测器具有重要影响，而光照、表情等变化的影响相对较弱。本文由此提出一种新的构建训练样本集的方法，取得了较好的实验效果。

摘要： 重获噪声图像的原始直方图有助于确定像素的原始灰度值.本文讨论了脉冲噪声下图像直方图的行为,给出了由噪声图像直方图直接或近似估计原始图像直方图的公式,表明了公式的收敛性,并作了仿真验证.结果成功地应用于高椒盐噪声图像的恢复问题。

摘要： 利用小波变换后小波系数的聚类特性，将图像的局域特性和图像的噪声性质相结合计算小波收缩阈值，提出一种基于图像局域特性的自适应小波收缩图像“去噪”算法。实验结果表明：该算法比传统的Donoho小波收缩算法有更好的“去噪”rn 结果，取得更高的峰值信噪比(PSNR)。同时，此算法还能减少低噪声图像中的噪声、提高图像质量。

摘要： 本发明涉及一种图像噪声估值方法，包括：获取连续的多帧图像；以预设的划分方式将每一帧图像划分为多个图像块；计算每一帧图像中各图像块的灰度平均值和灰度均方差值；以其中一帧图像作为参考图像，依次将其余的图像与所述参考图像进行比较，并将灰度平均值和灰度均方差值与所述参考图像的灰度平均值和灰度均方差值匹配的图像块进行标记；若被标记的图像块的数量达到预设阈值，则对被标记的图像块的灰度均方差值做平均计算，以得到所述的多帧图像的平均噪声估计值。本发明还提供一种图像噪声估值装置。利用本发明可以准确地估计图像的全局或局部区域的平均噪声，为降噪处理提供准确的参数。

摘要： 一种图像噪声除去装置(1)，用于在第一图像的噪声除去之后，对第二图像中所包含的噪声进行除去，具备：空间噪声除去部(20)，通过利用第二图像中包含的像素值，进行用于除去第二图像中包含的噪声的运算，来生成空间噪声除去图像；可靠性算出部(30)，根据空间噪声除去图像、第二图像、以及除去了第一图像的噪声之后的第一噪声除去图像，算出关于第二图像中的运动的可靠性；以及时间混合部(50)，通过针对第二图像以及第一噪声除去图像，进行基于可靠性的加权求和运算处理，来除去第二图像中包含的噪声。

摘要： 本发明公开了一种用来进行去图像噪声处理的方法，该方法包含有：针对多个方向的每一方向，计算一图像中的一目标像素附近的多组第一像素值的差的绝对值之和作为一第一检测值，且针对所述方向中的至少一部分的每一方向，选择性地计算该目标像素附近的至少一组第二像素值的平均值作为一第二检测值；对该目标像素附近的多个像素值进行排序，并据以产生一第三检测值；以及针对所述方向中的一特定方向，依据该第一检测值、该第三检测值、与该第二检测值中的至少前两者对该目标像素进行去图像噪声处理。本发明另提供一种相关的装置。本发明能妥善地进行去图像噪声处理。即使在采用低端的硬件资源的情况下，本发明仍能保持良好的图像品质。

摘要： 一种噪声评价方法，包括：提取图像中的平坦区域；自适应迭代优化所述平坦区域；利用优化后的平坦区域的图像评价所述图像的噪声水平。本发明提出的噪声评价方法，首先初步估计图像的噪声水平，然后根据初步估计结果，自适应提取均匀平坦区域，再对均匀平坦区域自适应迭代优化，最后对多种噪声评价指标进行优化组合，得到一个综合鲁棒的噪声评价方法。该方法综合准确度更高，适应范围更广，尤其是在复杂运动场景下，可以利用几帧甚至一帧图像，快速准确的给出当前图像的噪声水平，以便对了解当前摄像机的成状态。本发明还公开一种噪声评价装置。

摘要： 一种包括全局快门成像像素单元的图像传感器，每个全局快门成像像素单元包括一个抗晕晶体管，用于对光电二极管的满阱电荷进行控制，以将光电二极管设置为可选择的电压。该图像传感器还包括行解码器电路，用于在每行的读出周期和校准周期向全局快门成像像素单元的每一行提供读出信号，并向抗晕晶体管的漏极提供可选择的电压。行解码器电路的模式选择开关将标准漏极电源电压或者可调的低电压施加到抗晕晶体管的漏极。可编程的功能逻辑电路控制模式选择开关的操作时序，以供拐点校准，以减少导致固定图像噪声的光转化差异。

摘要： 本发明提供了生成图像噪声检测模型的方法、图像噪声检测方法及装置，利用深度学习建立图像噪声检测模型及利用该模型进行图像噪声的检测。图像噪声检测模型的生成方法包括首先根据神经网络搭建图像噪声检测模型，再获取足量的文档图像数据，构建数据集和测试集对模型进行训练。本发明能有效区分文档图像中的噪声程度，特别是扫描文档图像中的噪声。根据噪声程度，来进一步判断采集图像质量是否合格，能否归档存储或需进行重新采集，可自动帮助工作人员采集高质量文档图像进行归档存储。

摘要： 本发明涉及一种图像噪声估值方法，包括：获取连续的多帧图像；以预设的划分方式将每一帧图像划分为多个图像块；计算每一帧图像中各图像块的灰度平均值和灰度均方差值；以其中一帧图像作为参考图像，依次将其余的图像与所述参考图像进行比较，并将灰度平均值和灰度均方差值与所述参考图像的灰度平均值和灰度均方差值匹配的图像块进行标记；若被标记的图像块的数量达到预设阈值，则对被标记的图像块的灰度均方差值做平均计算，以得到所述的多帧图像的平均噪声估计值。本发明还提供一种图像噪声估值装置。利用本发明可以准确地估计图像的全局或局部区域的平均噪声，为降噪处理提供准确的参数。

摘要： 一种图像噪声除去装置(1)，用于在第一图像的噪声除去之后，对第二图像中所包含的噪声进行除去，具备：空间噪声除去部(20)，通过利用第二图像中包含的像素值，进行用于除去第二图像中包含的噪声的运算，来生成空间噪声除去图像；可靠性算出部(30)，根据空间噪声除去图像、第二图像、以及除去了第一图像的噪声之后的第一噪声除去图像，算出关于第二图像中的运动的可靠性；以及时间混合部(50)，通过针对第二图像以及第一噪声除去图像，进行基于可靠性的加权求和运算处理，来除去第二图像中包含的噪声。

摘要： 本发明公开了一种用来进行去图像噪声处理的方法，该方法包含有：针对多个方向的每一方向，计算一图像中的一目标像素附近的多组第一像素值的差的绝对值之和作为一第一检测值，且针对所述方向中的至少一部分的每一方向，选择性地计算该目标像素附近的至少一组第二像素值的平均值作为一第二检测值；对该目标像素附近的多个像素值进行排序，并据以产生一第三检测值；以及针对所述方向中的一特定方向，依据该第一检测值、该第三检测值、与该第二检测值中的至少前两者对该目标像素进行去图像噪声处理。本发明另提供一种相关的装置。本发明能妥善地进行去图像噪声处理。即使在采用低端的硬件资源的情况下，本发明仍能保持良好的图像品质。

摘要： 一种噪声评价方法，包括：提取图像中的平坦区域；自适应迭代优化所述平坦区域；利用优化后的平坦区域的图像评价所述图像的噪声水平。本发明提出的噪声评价方法，首先初步估计图像的噪声水平，然后根据初步估计结果，自适应提取均匀平坦区域，再对均匀平坦区域自适应迭代优化，最后对多种噪声评价指标进行优化组合，得到一个综合鲁棒的噪声评价方法。该方法综合准确度更高，适应范围更广，尤其是在复杂运动场景下，可以利用几帧甚至一帧图像，快速准确的给出当前图像的噪声水平，以便了解当前摄像机的状态。本发明还公开一种噪声评价装置。