近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposi...近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposition,SVD)相结合实现对图像的噪声标准差估计;再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(total variation,TV)去噪算法相比,该算法不仅能够使去噪后图像的峰值信噪比提升1~3 dB,并且能较好地保留图像的细节信息和边缘特征。展开更多
针对磁共振(magnetic resonance,MR)幅度图像中带有不易去除的与信号相关的莱斯(Rician)噪声问题,利用其复数图像中的实部与虚部所含噪声为不相关的加性高斯白噪声这一特性,代替对幅度图像直接去噪,提出将原始对偶字典学习(predual dict...针对磁共振(magnetic resonance,MR)幅度图像中带有不易去除的与信号相关的莱斯(Rician)噪声问题,利用其复数图像中的实部与虚部所含噪声为不相关的加性高斯白噪声这一特性,代替对幅度图像直接去噪,提出将原始对偶字典学习(predual dictionary learning,PDL)算法用于对MR复数图像的实部与虚部分别进行去噪,然后组合得到幅度图像的方法.经仿真实验和在HT-MRSI50-50(50 mm)1.2 T小动物核磁共振系统中的实际应用,证明所提方法较直接对幅度图像去噪取得更好的效果,在有效去除MR图像噪声的同时能较好地保持图像中的细节.与经典的字典学习算法核奇异值分解(kernel singular value decomposition,K-SVD)相比,PDL算法去噪效果优于K-SVD算法,而运算速度提高约5倍.与经典的基于非局部相似块的三维块匹配滤波(block-matching and 3D filtering,BM3D)算法相比,在噪声水平较低时PDL算法略优于BM3D算法,噪声水平较高时BM3D算法略优于PDL算法,两者总体比较接近.展开更多
为提高哈希算法的感知性与鲁棒性,提出一种基于块截断编码与邻域空间LBP算子的鲁棒图像哈希算法。将预处理图像分割为非重叠子块,结合奇异值分解SVD(singular value decomposition),获取二次图像,引入块截断编码机制,输出其高、低电平...为提高哈希算法的感知性与鲁棒性,提出一种基于块截断编码与邻域空间LBP算子的鲁棒图像哈希算法。将预处理图像分割为非重叠子块,结合奇异值分解SVD(singular value decomposition),获取二次图像,引入块截断编码机制,输出其高、低电平矩和二进制位图;基于LBP(local binary pattern)算子,设计邻域空间LBP模式,获取位图的特征矩阵;构造量化函数,得到高、低电平矩阵对应的紧凑二值序列,利用主成分分析处理特征矩阵,输出二值序列,组合这些二值序列,获取图像哈希。根据Hamming距离,对图像真伪进行认证。实验数据表明,与当前哈希算法相比,所提哈希算法具有更好的抗碰撞性能与感知鲁棒。展开更多
文摘近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposition,SVD)相结合实现对图像的噪声标准差估计;再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(total variation,TV)去噪算法相比,该算法不仅能够使去噪后图像的峰值信噪比提升1~3 dB,并且能较好地保留图像的细节信息和边缘特征。
文摘针对磁共振(magnetic resonance,MR)幅度图像中带有不易去除的与信号相关的莱斯(Rician)噪声问题,利用其复数图像中的实部与虚部所含噪声为不相关的加性高斯白噪声这一特性,代替对幅度图像直接去噪,提出将原始对偶字典学习(predual dictionary learning,PDL)算法用于对MR复数图像的实部与虚部分别进行去噪,然后组合得到幅度图像的方法.经仿真实验和在HT-MRSI50-50(50 mm)1.2 T小动物核磁共振系统中的实际应用,证明所提方法较直接对幅度图像去噪取得更好的效果,在有效去除MR图像噪声的同时能较好地保持图像中的细节.与经典的字典学习算法核奇异值分解(kernel singular value decomposition,K-SVD)相比,PDL算法去噪效果优于K-SVD算法,而运算速度提高约5倍.与经典的基于非局部相似块的三维块匹配滤波(block-matching and 3D filtering,BM3D)算法相比,在噪声水平较低时PDL算法略优于BM3D算法,噪声水平较高时BM3D算法略优于PDL算法,两者总体比较接近.
文摘为提高哈希算法的感知性与鲁棒性,提出一种基于块截断编码与邻域空间LBP算子的鲁棒图像哈希算法。将预处理图像分割为非重叠子块,结合奇异值分解SVD(singular value decomposition),获取二次图像,引入块截断编码机制,输出其高、低电平矩和二进制位图;基于LBP(local binary pattern)算子,设计邻域空间LBP模式,获取位图的特征矩阵;构造量化函数,得到高、低电平矩阵对应的紧凑二值序列,利用主成分分析处理特征矩阵,输出二值序列,组合这些二值序列,获取图像哈希。根据Hamming距离,对图像真伪进行认证。实验数据表明,与当前哈希算法相比,所提哈希算法具有更好的抗碰撞性能与感知鲁棒。
