CN110378851A - 图像降噪系统、方法及介质 - Google Patents
图像降噪系统、方法及介质 Download PDFInfo
- Publication number
- CN110378851A CN110378851A CN201910616953.3A CN201910616953A CN110378851A CN 110378851 A CN110378851 A CN 110378851A CN 201910616953 A CN201910616953 A CN 201910616953A CN 110378851 A CN110378851 A CN 110378851A
- Authority
- CN
- China
- Prior art keywords
- image
- noise reduction
- module
- subgraphs
- subgraph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000015556 catabolic process Effects 0.000 claims abstract description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 20
- 238000003384 imaging method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000011946 reduction process Methods 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像降噪系统、方法及介质，其中方法部分包括图像分解步骤：将输入的原始图像按照设定的方法分解为N个第一子图像；降噪步骤：将图像分解步骤得到的N个第一子图像中设定的M个第一子图像进行基于非局部平均的降噪，得到M个第二子图像；图像重构步骤：将降噪步骤中得到的M个第二子图像和未经降噪步骤的N‑M个第一子图像进行图像运算，得到降噪后图像；其中，N为整数，且N≥3；M为整数，且N≥M≥1。本发明具有步骤简单，降噪效果好的优点。
Description
技术领域
本发明涉及图像降噪技术领域，具体地，涉及一种图像降噪系统、方法及介质，尤其涉及一种基于图像多分辨率分解和非局部平均的图像降噪系统、方法及介质。
背景技术
现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像降噪，有时候又称为图像去噪。
噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。根据噪声和信号的关系可将其分为三种形式:(f(x,y)表示给定原始图像,g(x,y)表示图像信号,n(x,y)表示噪声。)
1)加性噪声,此类噪声与输入图像信号无关,含噪图像可表示为f(x,y)＝g(x,y)+n(x,y),信道噪声及光导摄像管的摄像机扫描图像时产生的噪声就属这类噪声；
2)乘性噪声,此类噪声与图像信号有关,含噪图像可表示为f(x,y)＝g(x,y)+n(x,y)g(x,y),飞点扫描器扫描图像时的噪声,电视图像中的相干噪声,胶片中的颗粒噪声就属于此类噪声。
3)量化噪声,此类噪声与输入图像信号无关,是量化过程存在量化误差,再反映到接收端而产生。
现有的图片去噪方法，如专利文献CN109785254A公开的一种图片降噪方法、图片降噪模型生成方法、终端及存储介质，该方法通过获取待降噪处理图片，通过图片降噪模型对待降噪处理图片进行降噪处理，其中，图片降噪模型通过样本图片数据对卷积神经网络进行训练得到，样本图片数据包括原始图片和对原始图片进行降噪处理后的图片。
除此之外，典型的图片去噪方法还包括以下几类：
均值滤波器
采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图象中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比。
几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。
谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。
逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。
自适应维纳滤波器
它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2＝E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。
中值滤波器
它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。
形态学噪声滤除器
将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。根据此方法的特点可以知道,此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。
小波去噪
这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种图像降噪系统、方法及介质。
根据本发明提供的一种基于图像多分辨率分解和非局部平均的图像降噪方法，包括图像分解步骤、降噪步骤以及图像重构步骤中的任一种或任多种组合；
图像分解步骤：将输入的原始图像按照设定的方法分解为N个第一子图像；
降噪步骤：将图像分解步骤得到的N个第一子图像中设定的M个第一子图像进行基于非局部平均的降噪，得到M个第二子图像；
图像重构步骤：将降噪步骤中得到的M个第二子图像和未经降噪步骤的N-M个第一子图像进行图像运算，得到降噪后图像；
其中，N为整数，且N≥3；M为整数，且N≥M≥1。
优选地，所述图像分解步骤中，通过高斯滤波器，根据图像频率的高低将原始图像分解为N个第一子图像。
优选地，N＝3；所述图像分解步骤中，原始图像依次经高斯滤波器、下采样模块、插值模块分别进行高斯滤波、下采样、插值，得到第一低频图像G1和第零高频图像L0；第一低频图像G1依次经高斯滤波器、下采样模块、插值模块分别进行高斯滤波、下采样、插值，得到第二低频图像G2和第一高频图像L1；
其中，所述高斯滤波是指对设定图像进行基于高斯分布的线性滤波；所述下采样是指对设定图像进行间隔采样；所述插值是指对设定图像进行最邻近插值和/或双线性插值；所述第零高频图像L0、第一高频图像L1以及第二低频图像G2即为得到的3个第一子图像。
优选地，所述图像分解步骤中，原始图像经过高斯滤波器和下采样模块得到图像的低频部分，原始图像与经过高斯滤波器、下采样模块以及插值模块得到的图像相减，得到图像高频部分。
优选地，所述降噪步骤中，通过如下公式实现基于非局部平均的降噪：
第一个公式中，NL[v](i)为降噪的结果；w(i，j)为归一化后的权重，v(j)为噪声图像，i表示当前像素i，j表示领域像素j；
第二个公式中，||v(Ni)-v(Nj)||表示[v(Ni)-v(Nj)]的欧几里得距离，h为表示噪声方差的参数，Z(i)为权重的和，a是高斯核的标准差，2与2-a是高斯加权欧式距离；
第三个公式和第二公式中：v(Ni)为像素i所在的领域，v(Nj)为像素j所在的领域。
优选地，所述降噪步骤中，在MxM大小的搜索窗内，找出当前需要降噪的像素i所在的大小为NxN的块，与所有像素j所在的大小为MxN的块的相似度，并以此相似度给所有像素j分配相应的权重，降权平均后得到像素i的降噪结果。
优选地，所述图像重构步骤中，降噪步骤中得到的M个第二子图像和未经降噪步骤的N-M个第一子图像共计N个子图像，依照设定的顺序进行扩展重构；所述扩展重构是指先扩展再相加，即第1个子图像和第2个子图像均进行扩展后相加得到第一扩展重构图像，然后对第一扩展重构图像和第3个子图像均进行扩展后相加得到第二扩展重构图像……，以此类推，直至全部子图像均扩展相加完毕；
所述扩展是指图像放大。
根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述的基于图像多分辨率分解和非局部平均的图像降噪方法的步骤。
根据本发明提供的一种基于图像多分辨率分解和非局部平均的图像降噪系统，包括图像分解模块、降噪模块以及图像重构模块中的任一种或任多种组合；
图像分解模块：将输入的原始图像按照设定的方法分解为N个第一子图像；
降噪模块：将图像分解模块得到的N个第一子图像中设定的M个第一子图像进行基于非局部平均的降噪，得到M个第二子图像；
图像重构模块：将降噪模块中得到的M个第二子图像和未经降噪模块的N-M个第一子图像进行图像运算，得到降噪后图像；
其中，N为整数，且N≥3；M为整数，且N≥M≥1。
优选地，所述图像分解模块包括高斯滤波器、下采样子模块、插值子模块以及扩展子模块中的任一种或任多种组合；
所述高斯滤波器能够对设定图像进行基于高斯分布的线性滤波；
所述下采样子模块能够对设定图像进行间隔采样；
所述插值子模块能够对设定图像进行最邻近插值和/或双线性插值；
所述扩展子模块能够放大设定的图像。
与现有技术相比，本发明具有如下的有益效果：
1、本发明提供的图像降噪系统、方法及介质，具有步骤简单，降噪效果好的优点；
2、本发明提供的图像降噪系统、方法及介质，能够实现基于高斯金字塔的图像分解；
3、本发明提供的图像降噪系统、方法及介质，能够实现基于非局部平均的降噪；
4、本发明提供的图像降噪系统、方法及介质，能够实现图像重构。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为：两次高斯金字塔多分辨率分解和非局部平均降噪，以及扩展和重构的框架(不限于两次，可以更多次分解)。
图2为：图像经过一次高斯滤波、下采样、插值和相减，得到高频和低频图像的框架。
图3为：将低频图像进行扩展，并与高频图像相加进行图像重构后得到降噪后图像的框架。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的一种基于图像多分辨率分解和非局部平均的图像降噪方法，包括图像分解步骤、降噪步骤以及图像重构步骤中的任一种或任多种组合；
图像分解步骤：将输入的原始图像按照设定的方法分解为N个第一子图像；
降噪步骤：将图像分解步骤得到的N个第一子图像中设定的M个第一子图像进行基于非局部平均的降噪，得到M个第二子图像；
图像重构步骤：将降噪步骤中得到的M个第二子图像和未经降噪步骤的N-M个第一子图像进行图像运算，得到降噪后图像；
其中，N为整数，且N≥3；M为整数，且N≥M≥1。
所述图像分解步骤中，通过高斯滤波器，根据图像频率的高低将原始图像分解为N个第一子图像。
N＝3；所述图像分解步骤中，原始图像依次经高斯滤波器、下采样模块、插值模块分别进行高斯滤波、下采样、插值，得到第一低频图像G1和第零高频图像L0；第一低频图像G1依次经高斯滤波器、下采样模块、插值模块分别进行高斯滤波、下采样、插值，得到第二低频图像G2和第一高频图像L1；
其中，所述高斯滤波是指对设定图像进行基于高斯分布的线性滤波；所述下采样是指对设定图像进行间隔采样；所述插值是指对设定图像进行最邻近插值和/或双线性插值；所述第零高频图像L0、第一高频图像L1以及第二低频图像G2即为得到的3个第一子图像。
所述图像分解步骤中，原始图像经过高斯滤波器和下采样模块得到图像的低频部分，原始图像与经过高斯滤波器、下采样模块以及插值模块得到的图像相减，得到图像高频部分。
所述降噪步骤中，通过如下公式实现基于非局部平均的降噪：
第一个公式中，NL[v](i)为降噪的结果；w(i，j)为归一化后的权重，v(j)为噪声图像，i表示当前像素i，j表示领域像素j；
第二个公式中，||v(Ni)-v(Nj)||表示[v(Ni)-v(Nj)]的欧几里得距离，h为表示噪声方差的参数，Z(i)为权重的和，a是高斯核的标准差，2与2-a是高斯加权欧式距离；
第三个公式和第二公式中：v(Ni)为像素i所在的领域，v(Nj)为像素j所在的领域。
所述降噪步骤中，在MxM大小的搜索窗内，找出当前需要降噪的像素i所在的大小为NxN的块，与所有像素j所在的大小为MxN的块的相似度，并以此相似度给所有像素j分配相应的权重，降权平均后得到像素i的降噪结果。
所述图像重构步骤中，降噪步骤中得到的M个第二子图像和未经降噪步骤的N-M个第一子图像共计N个子图像，依照设定的顺序进行扩展重构；所述扩展重构是指先扩展再相加，即第1个子图像和第2个子图像均进行扩展后相加得到第一扩展重构图像，然后对第一扩展重构图像和第3个子图像均进行扩展后相加得到第二扩展重构图像……，以此类推，直至全部子图像均扩展相加完毕；
所述扩展是指图像放大。
根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述的基于图像多分辨率分解和非局部平均的图像降噪方法的步骤。
根据本发明提供的一种基于图像多分辨率分解和非局部平均的图像降噪系统，包括图像分解模块、降噪模块以及图像重构模块中的任一种或任多种组合；
图像分解模块：将输入的原始图像按照设定的方法分解为N个第一子图像；
降噪模块：将图像分解模块得到的N个第一子图像中设定的M个第一子图像进行基于非局部平均的降噪，得到M个第二子图像；
图像重构模块：将降噪模块中得到的M个第二子图像和未经降噪模块的N-M个第一子图像进行图像运算，得到降噪后图像；
其中，N为整数，且N≥3；M为整数，且N≥M≥1。
所述图像分解模块包括高斯滤波器、下采样子模块、插值子模块以及扩展子模块中的任一种或任多种组合；
所述高斯滤波器能够对设定图像进行基于高斯分布的线性滤波；
所述下采样子模块能够对设定图像进行间隔采样；
所述插值子模块能够对设定图像进行最邻近插值和/或双线性插值；
所述扩展子模块能够放大设定的图像。
在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于图像多分辨率分解和非局部平均的图像降噪方法，其特征在于，包括图像分解步骤、降噪步骤以及图像重构步骤中的任一种或任多种组合；
图像分解步骤：将输入的原始图像按照设定的方法分解为N个第一子图像；
降噪步骤：将图像分解步骤得到的N个第一子图像中设定的M个第一子图像进行基于非局部平均的降噪，得到M个第二子图像；
图像重构步骤：将降噪步骤中得到的M个第二子图像和未经降噪步骤的N-M个第一子图像进行图像运算，得到降噪后图像；
其中，N为整数，且N≥3；M为整数，且N≥M≥1。
2.根据权利要求1所述的基于图像多分辨率分解和非局部平均的图像降噪方法，其特征在于，所述图像分解步骤中，通过高斯滤波器，根据图像频率的高低将原始图像分解为N个第一子图像。
3.根据权利要求2所述的基于图像多分辨率分解和非局部平均的图像降噪方法，其特征在于，N＝3；所述图像分解步骤中，原始图像依次经高斯滤波器、下采样模块、插值模块分别进行高斯滤波、下采样、插值，得到第一低频图像G1和第零高频图像L0；第一低频图像G1依次经高斯滤波器、下采样模块、插值模块分别进行高斯滤波、下采样、插值，得到第二低频图像G2和第一高频图像L1；
其中，所述高斯滤波是指对设定图像进行基于高斯分布的线性滤波；所述下采样是指对设定图像进行间隔采样；所述插值是指对设定图像进行最邻近插值和/或双线性插值；所述第零高频图像L0、第一高频图像L1以及第二低频图像G2即为得到的3个第一子图像。
4.根据权利要求3所述的基于图像多分辨率分解和非局部平均的图像降噪方法，其特征在于，所述图像分解步骤中，原始图像经过高斯滤波器和下采样模块得到图像的低频部分，原始图像与经过高斯滤波器、下采样模块以及插值模块得到的图像相减，得到图像高频部分。
5.根据权利要求1所述的基于图像多分辨率分解和非局部平均的图像降噪方法，其特征在于，所述降噪步骤中，通过如下公式实现基于非局部平均的降噪：
第一个公式中，NL[v](i)为降噪的结果；w(i，j)为归一化后的权重，v(j)为噪声图像，i表示当前像素i，j表示领域像素j；
第二个公式中，||v(Ni)-v(Nj)||表示[v(Ni)-v(Nj)]的欧几里得距离，h为表示噪声方差的参数，Z(i)为权重的和，a是高斯核的标准差，2与2-a是高斯加权欧式距离；
第三个公式和第二公式中：v(Ni)为像素i所在的领域，v(Nj)为像素j所在的领域。
6.根据权利要求5所述的基于图像多分辨率分解和非局部平均的图像降噪方法，其特征在于，所述降噪步骤中，在MxM大小的搜索窗内，找出当前需要降噪的像素i所在的大小为NxN的块，与所有像素j所在的大小为MxN的块的相似度，并以此相似度给所有像素j分配相应的权重，降权平均后得到像素i的降噪结果。
7.根据权利要求1所述的基于图像多分辨率分解和非局部平均的图像降噪方法，其特征在于，所述图像重构步骤中，降噪步骤中得到的M个第二子图像和未经降噪步骤的N-M个第一子图像共计N个子图像，依照设定的顺序进行扩展重构；所述扩展重构是指先扩展再相加，即第1个子图像和第2个子图像均进行扩展后相加得到第一扩展重构图像，然后对第一扩展重构图像和第3个子图像均进行扩展后相加得到第二扩展重构图像……，以此类推，直至全部子图像均扩展相加完毕；
所述扩展是指图像放大。
8.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于图像多分辨率分解和非局部平均的图像降噪方法的步骤。
9.一种基于图像多分辨率分解和非局部平均的图像降噪系统，其特征在于，包括图像分解模块、降噪模块以及图像重构模块中的任一种或任多种组合；
图像分解模块：将输入的原始图像按照设定的方法分解为N个第一子图像；
降噪模块：将图像分解模块得到的N个第一子图像中设定的M个第一子图像进行基于非局部平均的降噪，得到M个第二子图像；
图像重构模块：将降噪模块中得到的M个第二子图像和未经降噪模块的N-M个第一子图像进行图像运算，得到降噪后图像；
其中，N为整数，且N≥3；M为整数，且N≥M≥1。
10.根据权利要求9所述的基于图像多分辨率分解和非局部平均的图像降噪系统，其特征在于，所述图像分解模块包括高斯滤波器、下采样子模块、插值子模块以及扩展子模块中的任一种或任多种组合；
所述高斯滤波器能够对设定图像进行基于高斯分布的线性滤波；
所述下采样子模块能够对设定图像进行间隔采样；
所述插值子模块能够对设定图像进行最邻近插值和/或双线性插值；
所述扩展子模块能够放大设定的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910616953.3A CN110378851A (zh) | 2019-07-09 | 2019-07-09 | 图像降噪系统、方法及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910616953.3A CN110378851A (zh) | 2019-07-09 | 2019-07-09 | 图像降噪系统、方法及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110378851A true CN110378851A (zh) | 2019-10-25 |
Family
ID=68250756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910616953.3A Pending CN110378851A (zh) | 2019-07-09 | 2019-07-09 | 图像降噪系统、方法及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110378851A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114756846A (zh) * | 2022-04-24 | 2022-07-15 | 新疆七色花信息科技有限公司 | 一种基于区块链技术的电子防疫系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093441A (zh) * | 2013-01-17 | 2013-05-08 | 西安电子科技大学 | 基于变换域的非局部均值和双变量模型的图像去噪方法 |
| CN108805950A (zh) * | 2018-05-28 | 2018-11-13 | 牙博士医疗控股集团有限公司 | 口腔牙片信息转换方法及装置 |
| CN109377455A (zh) * | 2018-09-27 | 2019-02-22 | 浙江工业大学 | 改进的基于自相似性的多序列磁共振图像配准方法 |
-
2019
- 2019-07-09 CN CN201910616953.3A patent/CN110378851A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093441A (zh) * | 2013-01-17 | 2013-05-08 | 西安电子科技大学 | 基于变换域的非局部均值和双变量模型的图像去噪方法 |
| CN108805950A (zh) * | 2018-05-28 | 2018-11-13 | 牙博士医疗控股集团有限公司 | 口腔牙片信息转换方法及装置 |
| CN109377455A (zh) * | 2018-09-27 | 2019-02-22 | 浙江工业大学 | 改进的基于自相似性的多序列磁共振图像配准方法 |
Non-Patent Citations (1)
| Title |
|---|
| 马逸文: "基于浮选图像的高斯－椒盐噪声滤波算法", 《电视技术》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114756846A (zh) * | 2022-04-24 | 2022-07-15 | 新疆七色花信息科技有限公司 | 一种基于区块链技术的电子防疫系统 |
| CN114756846B (zh) * | 2022-04-24 | 2024-02-02 | 新疆七色花信息科技有限公司 | 一种基于区块链技术的电子防疫系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fathi et al. | Efficient image denoising method based on a new adaptive wavelet packet thresholding function | |
| US7260272B2 (en) | Method and apparatus for noise reduction using discrete wavelet transform | |
| Gnanadurai et al. | An efficient adaptive thresholding technique for wavelet based image denoising | |
| Khare et al. | Soft-thresholding for denoising of medical images—a multiresolution approach | |
| CN101944230B (zh) | 基于多尺度的自然图像非局部均值去噪方法 | |
| CN109685730B (zh) | 一种基于自适应非局域均值的小波去噪方法 | |
| Dharmarajan et al. | A hypergraph-based algorithm for image restoration from salt and pepper noise | |
| Yazdi et al. | Impulsive noise suppression of images using adaptive median filter | |
| Guerrero-Colón et al. | Image denoising using mixtures of Gaussian scale mixtures | |
| CN107481193A (zh) | 一种基于小波变换的图像插值方法 | |
| Khwairakpam et al. | Noise reduction in synthetic aperture radar images using fuzzy logic and genetic algorithm | |
| CN110378851A (zh) | 图像降噪系统、方法及介质 | |
| EP1952343A1 (en) | Method and apparatus for enhancing signals with multiscale grouping bandelets | |
| CN115409872B (zh) | 一种水下摄像机图像优化方法 | |
| Luong et al. | Non-local image interpolation | |
| Gao et al. | High performance super-resolution reconstruction of multi-frame degraded images with local weighted anisotropy and successive regularization | |
| Liu et al. | SAR image denoising based on patch ordering in nonsubsample shearlet domain | |
| Bouaynaya et al. | Spatially variant morphological image processing: theory and applications | |
| Kishan et al. | Patch-based and multiresolution optimum bilateral filters for denoising images corrupted by Gaussian noise | |
| Ferzo et al. | Digital image denoising techniques in wavelet domain with another filter: A review | |
| Tayade et al. | Medical image denoising and enhancement using DTCWT and Wiener filter | |
| Hussein et al. | A study on image noise and various image denoising techniques | |
| Wang et al. | Study on denoising and enhancement method in SAR image based on wavelet packet and fuzzy set | |
| Wang | Optimal edge-preserving hybrid filters | |
| Sahu et al. | Comparison of digital image denoising method using various Transforms on Satellite Imagery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 501, No.308 Songhu Road, Yangpu District, Shanghai 200082 Applicant after: SHANGHAI ARTOSYN MICROELECTRONIC Co.,Ltd. Address before: Room 208, 234 Songhu Road, Yangpu District, Shanghai, 200082 Applicant before: SHANGHAI ARTOSYN MICROELECTRONIC Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |