基于小波变换的边缘保留图像去噪改进算法

针对在图像去噪过程中,如何有效地保留图像边缘等重要特征信息的问题,提出了一种基于小波变换的图像去噪改进算法。对图像进行多尺度小波分解,将各子带小波系数进行自适应阈值化处理,边缘成分的阈值由子带阈值和给定的相关权重计算得到,从而有效保留图像边缘信息。分别对Tracy和Building图像进行处理,实验结果表明,与BayesShrink等4种传统方法相比较,改进算法不仅可以有效去除不同程度的加性高斯白噪声,很好地保留图像边缘等重要特征信息,而且具有较高的峰值信噪比。     

基于轮廓变换的自适应阈值图像去噪算法

针对Contourlet变换子带系数相关的特性,对图像去噪的阈值进行了研究,提出了一种新的自适应阈值图像去噪算法。该方法首先对噪声图像进行Contourlet变换,得到不同尺度、不同方向上的子带系数,再根据子带系数的能量关系采用改进的Bayes Shrink自适应阈值对图像进行去噪处理。实验结果表明:这种方法提高了图像的PSNR值,增强了去噪后图像的视觉效果,而且更好地保留了图像的边缘信息。     

基于非线性多小波自适应阈值斑点噪声抑制方法

文章提出了一种新的用于斑点噪声抑制的非线性多小波变换自适应阈值算法。此算法对原图像进行多小波变换,然后在不同尺度,不同方向进行自适应阈值处理,仿真结果表明：本算法能够有效地抑制了斑点噪声,又保留有用信号及边缘信息。通过比较证明其优于小波硬阈值和软阈值算法。     

基于Surfacelet变换视频自适应去噪

为了有效地保留视频去噪后的纹理细节,利用Surfacelet变换特性和自适应阈值的方法,提出了一种新的视频去噪算法。Surfacelet变换是超小波分析领域的最新发展,具有良好的多维信号处理能力,真正实现了对多维信号的多方向多尺度分解。本文介绍了Surfacelet变换的结构,根据Surfacelet变换的视频信号的系数特性和噪声分布特征,自适应估计每个方向子带的系数阈值。实验表明,本文算法能更好保留视频细节信息,对于视频的噪声也具有更强的抑制能力。     

一种改进的自适应图像去噪算法实现

数字图像在形成、传输和处理过程中,往往不可避免的存在噪声污染。因此去噪是数字图像处理的重点也是难点,需要提出一种更加行之有效的去噪算法。针对于传统软硬阈值的缺陷,本文提出一种将改进的的小波阈值去噪法与自适应中值滤波相结合的新的去噪方法。小波阈值去噪即确定一个合适的阈值,对分解的小波系数进行阈值化处理,滤除噪声的小波系数,而保留信号的小波系数。该算法相对于传统软硬阈值的峰值信噪比(PSNR)的提高百分比分别达到了16.32%和8.95%,去噪效果非常理想。该方法较之以往的去噪方法,峰值信噪比有了明显的提高,同时能够有效保留边缘及细节特征。     

基于 LoG 算子改进的自适应阈值小波去噪算法

图像在传输过程中会受到各种噪声干扰,为了实现消除噪声的目的,提出一种基于LoG算子改进的自适应阈值去噪算法。首先,利用LoG算子提取图像的边缘特征信息。接着,根据图像的边缘特征和非边缘特征分别求取改进的阈值函数:对于图像非边缘部分的阈值函数,在软阈值函数的基础上添加一个阈值修正系数,构建新的阈值函数;对于图像边缘部分的阈值函数,将边缘部分小波系数附近的能量和阈值相结合,构建新的阈值函数。最后利用改进的阈值函数对图像R、G、B 3个通道分别处理,保留图像所有的细节信息。实验结果表明,消噪后图像与含噪图像的PSNR值高于传统自适应算法12.09%;MAE值低于传统自适应算法22%。该算法有效保存了图像的边缘信息,综合去噪效果明显提高。     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。     

基于小波分析的心电信号去噪算法研究

心电信号在临床诊断上有非常重要的作用,但由于容易受到噪声干扰,采集的心电信号中通常包含很强噪声,为了有效去除噪声干扰,该文提出了一种基于自适应阈值的小波模极大值算法来进行信号去噪.关键点是在每个分解尺度上自适应的选取合适的阈值,用来对小波变换系数的模极大值点进行筛选,以去除噪声极值点.该文采用MIT/BIH数据库中的数据对算法进行仿真验证,结果表明该算法有更好的去噪效果,同时心电信号能被很好的保留.     

一种自适应多尺度积阈值的图像去噪算法

该文提出了平稳小波变换(Stationary Wavelet Transform, SWT )域自适应多尺度积阈值的图像去噪算法(SWT domain Multiscale Products, SWTMP)。与传统的阈值去噪算法不同,该阈值不是直接作用于小波系数,而是作用于小波系数的空间多尺度积。分析了SWT域含噪图像多尺度积的特点,提出了SWT域自适应多尺度积阈值的计算方法。多尺度积强化了图像的重要结构信息,弱化了噪声,在有效去噪的同时更多地保留了图像的边缘和细节。实验结果表明,所提算法对自然图像去噪后的视觉效果和性能指标均好于二进小波域多尺度积阈值(Adaptive Multiscale Products Thresholding, AMPT)去噪方法。     

基于改进贝叶斯阈值的寻优去噪算法

图像在获取和传输的过程中,会不可避免地受到噪声的影响.这不仅影响用户对图像的视觉体验,也会给图像的后续处理带来不利影响,因此必须对带噪声的图像进行降噪处理.小波阈值去噪由于思想简单、可操作性强、计算量相对较小而被广泛使用.针对VisuShrink算法对边缘小波系数产生过扼杀造成伪吉布斯效应等视觉失真现象和SureShrink、BayesShrink算法造成边缘模糊导致图像失真等问题,提出一种基于改进遗传算法的自适应贝叶斯阈值优化算法.在小波系数上使用的优先级是在图像处理应用中广泛使用的广义高斯分布(Generalized Gaussian Distribution,GGD),对所有子带通过改进遗传算法自适应算法确定最优阈值参数,阈值算法适用于任何子带.实验结果表明,与VisuShrink、SureShrink等算法相比,该方法在信噪比(Signal-Noise Ratio,SNR)与均方差(Mean Square Error,MSE)方面有较大提升,并且可以较好地保留图像的边缘信息,与优化前的BayesShrink算法相比,阈值优化后降噪性能提升12％左右.     

一种改进的贝叶斯小波阈值图像去噪算法

小波阈值去噪作为图像降噪领域的一项重要技术一直受到广泛应用.在贝叶斯阈值的基础上提出一种改进的贝叶斯阈值去噪算法,该阈值是在贝叶斯框架中得出的,在小波系数上使用的优先级是在图像处理应用中广泛使用的广义高斯分布(Generalized Gaussian Distribution,GGD).该阈值算法适用于每个子带,取决于数据驱动自适应参数估计,通过判断阈值周围的小波系数是否含有噪声的模糊性,从而对该模糊区域通过自适应算法确定小波系数的保留程度.实验结果表明,该方法比原方法在主观视觉效果上得到了明显的改善,较好地保持图像边缘细节,并且均方误差(Mean Square Error,MSE)较其他阈值算法有所减少,信噪比(Signal-Noise Ratio,SNR)较其他阈值算法有所提升.     

自适应阈值函数小波算法的电机振动信号去噪

通常采集的电机振动信号中都含有噪声成分,一般采用小波阈值去噪处理可以达到理想的效果,但是传统软、硬阈值函数存在恒定偏差或不连续等缺点,不能很好的保留有用信息。针对这一问题,文中提出了随分解层数自适应且具有调整参数的阈值函数。改进的小波阈值函数连续、可微且具有渐进性,通过遗传算法做调整参数寻优,在保留大部分原始信号的基础上进行去噪,使得新的小波去噪算法在保留有用信息与去除噪声之间有较好的平衡性。实验中将该方法应用于所采集的电机振动信号,结果显示,该方法具有更高的信噪比与较低的均方根误差,能够更好的滤除噪声,保留原信号的有用信息。     

基于OpenCV的图像阈值分割研究与实现

图像的阈值化在图像分割中有着至关重要的作用。在OpenCV算法环境下,运用固定阈值化和自适应阈值化算法,分别对同一幅图调用OpenCV中相应的函数进行处理;同时针对图像中的噪声,结合高斯模糊算法对图像噪声的滤除作用,将高斯模糊和阈值化算法结合起来,分析研究图像分割算法。结果表明自适应阈值化算法可以更有效地进行图像分割。     

基于遗传算法的多小波自适应阈值去噪研究

针对噪声多小波分解后的尺度性与图像本身的特性,通过遗传算法自适应寻求图像的最小均方误差,提出了一种基于遗传算法的多小波自适应阈值去噪算法.实验结果证明,该算法明显优于传统算法,不仅能有效地滤除图像中的噪声,而且能较好地保留图像的边缘信息,具有更为理想的去噪效果.     

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明：在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。     

基于随机误差项的小波阈值去噪算法研究

针对振动环境下陀螺仪输出信号噪声干扰严重的问题,提出了一种用随机误差项改进小波阈值的去噪算法。通过对陀螺仪输出信号进行小波分解,根据频率成分将信号分解为多层;然后,对分解在各层的信号进行随机误差项辨识,进而利用随机误差项系数获取各层的噪声阈值;最后,利用获取的阈值进行小波去噪。改进阈值的提出,旨在解决Donoho全局阈值中因阈值选取过大或过小而产生的噪声误判或噪声残留问题,使噪声去除更彻底。通过实验分析,证明了本算法既能有效去除信号噪声,解决噪声残留的问题;又能保留输出的有效信号,解决噪声误判的问题。     

一种基于改进脊波变换的激光图像滤波算法

针对激光图像中的斑点噪声,提出了一种基于改进脊波变换的滤波算法.该算法首先对含有噪声的激光图像进行二维连续脊波变换,获得高频和低频分解系数;然后根据高频系数中噪声分布特征设计出一种能够根据脊波分解层数的变化而自适应调整的阈值函数模型;提出一种修正硬阈值函数对于低频脊波分解系数进行处理;最后进行系数重构.采用自适应维纳滤波对重构图像出现的“卷绕”现象进行处理.仿真结果表明,该滤波算法对于激光图像中的斑点噪声的抑制效果优于经典中值滤波(MF)、自适应中值滤波(AMF),对于激光图像处理具有一定的参考价值.     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

基于SWBC变换尺度相关性的红外图像阈值降噪

针对传统图像降噪算法无法较好处理红外图像中的噪声问题,提出了一种基于SWBC(Stationary Wavelet-based Contourlet)变换尺度相关性的红外图像阈值降噪算法。本文分析红外图像信号和噪声在SWBC变换域各尺度上的能量分布特性,改进一般降噪算法对所有子带均进行处理的做法,只对高频子带系数进行降噪处理。同时为增加SWBC系数阈值判断的准确性,本文算法对每个系数设置不同的阈值,结合尺度相关特性,对系数进行双重判断。使用不同的含噪红外图像对本文算法进行检验。实验结果表明,相比于WBC尺度间硬阈值降噪、WBC尺度间自适应阈值降噪和WBC尺度相关性降噪,本文算法能获得更高的SNR提升,且SSIM值也更接近于1。