基于Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明,信号的变换域系数在尺度间相关性高,而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数,并结合阈值函数,提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明,新方法去噪后的图像比小波相关去噪算法的PSNR值更高,视觉效果更好,尤其适用于纹理轮廓丰富的图像去噪。     

非下采样Contourlet变换域统计模型红外图像去噪

对红外图像进行非下采样Contourlet变换,分析其系数的统计特征,采用广义高斯分布来模拟系数的概率分布。根据非下采样Contourlet变换的带通子带各方向能量不同的特点,提出修正的贝叶斯阈值公式,为了克服软、硬阈值函数的缺点,又提出一种具有可调节自适应性的新阈值函数,最后利用新阈值函数估计出不含噪声的变换系数,并通过非下采样Contourlet逆变换得到去噪后的红外图像。仿真实验表明,文中方法在峰值信噪比及视觉效果上均优于经典的小波阈值去噪算法。     

图像噪声方差大小的测量新算法

针对图像中的高斯白噪声,提出了一种利用小波系数分布特征进行噪声估计的算法。根据小波系数的分布特点,利用广义高斯分布模型对小波系数进行拟合,并用广义高斯分布模型参数（尺度和形状参数）提出了一种有效的噪声方差估计算法。实验结果表明,提出的噪声方差估计算法能有效地估计噪声方差大小,同时估计的结果要好于其它相关的算法。这种噪声测量算法具有高精度性和快速性。     

基于小波系数最优化阈值算法的研究

去噪问题是图像处理界研究的热门话题．利用小波变换技术滤除噪声则是图像去噪的有效手段之一．目的该领域内的研究主要集中在如何选取阈值以达到最好的去噪效果。本文在分析了背景和目标的特征后．提出了基于小波系数的最优阈值算法．该算法在有效保留了图像的边缘信息的同时．获得了较高的信噪比增益。     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点，在大尺度下设置阈值，去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上，采用自适应阈值的方法，克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明，与单一阈值去噪方法相比，该方法不仅可以保留图像边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB。     

一种基于SSNF的新型阈值滤波去噪算法

介绍了一种空间选择性的噪声滤波（SSNF）方法，并在此工作之上提出了一种新的自适应于小波变换尺度的闽值函数，从而对经SSNF滤波之后的小波系数进行了进一步的阈值处理，以去除残留在系数中的噪声部分。仿真试验和理论分析表明，相比其它传统的去噪方法，该方法的优点在于：所得到的小波系数不仅连续性好，而且更加接近于未加噪信号的小波系数，阈值函数具有很大的灵活性和自适应性，并适用于一些掺杂非白噪声的场合。     

基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。     

基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法

鉴于偏微分方程在图像去噪中的原理和应用,针对传统机械振动信号去噪方法的局限性,提出了一种基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法并用于机械振动信号去噪。首先研究了小波阈值去噪和Perona-Malik非线性各向异性扩散滤波模型之间的相关性,其次用小波变换模替代梯度模构建改进的扩散系数,并推导出了基于小波变换模的改进Perona-Malik模型。实验结果表明,与传统去噪方法和基本Perona-Malik模型相比,改进Perona-Malik模型不仅较好地实现了强噪声背景信号有效去噪,而且同时保留了信号细节特征,改进算法抗噪声干扰能力强,去噪之后信号畸变小,改进算法使信噪比平均提高了约3 dB。     

基于小波系数相关性和局部拉普拉斯模型降噪方法

提出了一种基于小波系数尺度间相关性和局部拉普拉斯模型降噪方法.首先利用小波系数相邻尺度间的相关性对各尺度上系数进行分类,将小波系数分为有效系数和无效系数两类;然后将两类小波系数分别采用相应规则进行处理:对无效小波系数直接进行置零;而对有效系数邻域内的小波系数统计分布进行局部拉普拉斯建模.在此先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出信号的小波系数;最后利用真实信号小波系数的估计值来重构信号,便得到降噪信号.分析结果表明,与传统的软、硬阈值去噪方法相比,该方法可以更有效地消除信号中的噪声,提高信号信噪比.     

Bandelet变换在金属断口图像去噪中的应用

Bandelet变换是一种基于边缘的图像表示方法,能自适应地跟踪图像的几何正则方向。本文中首先用小波去噪方法对带噪声的金属断口图像进行预处理,利用软阀值函数获得阀值T,进而获取去噪后图像的四叉树结构,并沿Bandelet块的最佳几何方向进行曲波变换,最后利用SUREShink 计算各Bandelet块的自适应阈值,然后采用多层软阈值去除噪声,进行Bandelet逆变换重构图像。实验表明同传统的小波子带多阈值去噪法相比, 该算法不仅提高了去噪后图像的峰值信噪比(PSNR),而且具有更强的边缘保持能力。     

基于双伸缩因子映射的小波分形图像压缩编码方法

本文基于小波变换研究了分形图像压缩系统.根据小波系数的能量分布特性,给出了新的小波树定义与分类方法,并在小波域内建立了具有双伸缩因子的压缩映射.在将新的压缩映射应用于图像编码过程时,结合小波嵌入式零树编码思想给出了新的小波分形图像压缩方法.数值实验给出了本文方法与已有方法的比较.     

Fusion of noisy images based on joint distribution model in dual-tree complex wavelet domain

Source images are frequently corrupted by noise before fusion, which will lead to the quality decline of fused image and the inconvenience for subsequent observation. However, at present, most of the traditional medical image fusion scheme cannot be implemented in noisy environment. Besides, the existing fusion methods scarcely make full use of the dependencies between source images. In this research, a novel fusion algorithm based on the statistical properties of wavelet coefficients is proposed, which incorporates fusion and denoising simultaneously. In the proposed algorithm, the new saliency and matching measures are defined by two distributions: the marginal statistical distribution of single wavelet coefficient fit by the generalized Gaussian Distribution and joint distribution of dual source wavelet coefficients modeled by the anisotropic bivariate Laplacian model. Additionally, the bivariate shrinkage is introduced to develop a noise robust fusion method, and a moment-based parameter estimation applied in the fusion scheme is also exploited in denoising method, which allows to achieve the consistency of fusion and denoising. The experiments demonstrate that the proposed algorithm performs very well on both noisy and noise-free images from multimodal medical datasets (computerized tomography, magnetic resonance imaging, magnetic resonance angiography, etc.), outperforming the conventional methods in terms of both fusion quality and noise reduction.     

一种采用多个小波基的图像融合去噪方法

提出了一种新的基于多个小波基的图像融合去噪方法.首先利用多个不同的小波基对含噪图像进行阈值去噪,得到多幅恢复图像.然后对这些图像采用小波融合方法进行融合.对于低频系数采用基于边缘的融合算法,在多幅恢复图像中选择最有可能是边缘的点加以保留;对于高频系数,采用了平均的融合算法.最后得到一幅去噪图像.实验结果表明,无论是在视觉效果上还是在峰值信噪比定量指标上该方法去噪效果均明显优于单一小波基去噪.     

图像小波阈值去噪中马赛克现象的处理

在图像去噪处理中，采用小波阈值去噪法会产生马赛克现象，造成图像失真．为此作者提出了利用指数函数处理小波系数的去噪方法，可以保证在与阈值去噪法获得同样信噪比条件下，减轻马赛克现象，并利用超声C扫描粘接检测图像验证了该算法的有效性．     

油气管道缺陷漏磁图像的小波压缩技术研究

针对漏磁信号的特点,提出了基于小波分析的缺陷漏磁图像压缩方案。该方案通过调整正交函数零极点位置来设计小波基函数,利用该函数对图像作小波变换,对获得的各级小波系数用更新的JPEG图像压缩表阈值量化,再用算术编码方案处理量化结果,从而得到压缩的图像。试验结果表明,当压缩比小于30%时,图像压缩引起的失真不会对缺陷分析产生影响。     

Multifocus noisy image fusion using contourlet transform

Abstract

Image fusion is a challenging area of research with a variety of applications. The process of image fusion collects information from different sources and combines them in a single composite image. The composite fused image can better describe the scene than any of the source images. In this paper, we have proposed a method for noisy image fusion in contourlet domain. The proposed method works equally well for fusion of noise free images. Contourlet transform is a multiscale, multidirectional transform with various aspect ratios. These properties make it more suitable for image fusion than other conventional transforms. In the proposed work, the fusion algorithm is combined with a denoising algorithm to reverse the effect of noise. In the proposed method, we have used a level dependent threshold that is based on standard deviation of contourlet coefficients, mean and median of the absolute contourlet coefficients. Experimental results demonstrate that the proposed method performs well in the presence of different types of noise. Performance of the proposed method is compared with principal components analysis and sharp fusion based methods as well as other fusion methods based on variants of wavelet transform like dual tree complex wavelet transform, discrete wavelet transform, lifting wavelet transform, multiwavelet transform, stationary wavelet transform and pyramid transform using six standard quantitative quality metrics (entropy, standard deviation, edge strength, fusion factor, sharpness and peak signal to noise ratio). The combined qualitative and quantitative evaluation of the experimental results shows that the proposed method performs better than other methods.     

基于复小波变换与层间模型的图像去噪

很多小波去噪方法认为小波系数是相互独立的,然而大量实验表明实际图像的小波系数之间是有较强的依赖性。在本文中,我们将利用复小波变换的优势以及小波系数之间的依赖性,提出一种新的图像去噪方法。该方法先确定滤波器系数,再对复小波变换系数建模,并根据MAP准则给出系数的收缩方法进行去噪处理,最后作复小波逆变换。同时在变换的系数抽取之前估计系数的方差,可以使方差估计更准确。     

第二代曲波变换的图像降噪新算法

Curvelet变换表示曲线奇异函数的异向性及图像边缘时,具有比小波变换更优的表示特性。针对小波图像降噪存在的不足,分析基于wrapping算法的快速离散曲波变换的特点,提出结合循环平移、厄尔迭代方法和蒙特卡洛阈值规则的新消噪方法。该算法充分利用曲波系数的相关性,消除了因Curvelet变换缺乏平移不变性引起的图像＂划痕＂失真和＂振铃＂效应。实验结果表明,该算法与传统的小波消噪、二代小波消噪、小波包消噪和曲波硬阈值消噪相比,得到降噪图像的峰值信噪比更高,视觉效果更好。     

阈值改进整数小波与LZW算法相结合的水声数据压缩方法

提出一种阈值改进整数小波与基于字典编码的LZW(Lempel-Ziv-Welch)算法相结合的数据压缩方法,该方法旨在减少水声数据传输量的同时尽可能地达到高保真。数据压缩过程中,先对水声数据进行整数小波变换,再对变换后的高频系数采用改进的小波阈值算法和阈值函数进行处理,提高了数据压缩倍数和信噪比,降低了误差。最后通过LZW将处理后的系数进行编码输出,进一步提升压缩效果。文中给出了相应的数据压缩算法流程。实际舰船辐射噪声数据的压缩处理结果表明,该方法能有效提高信号信噪比、减少信号失真并能获得更大的压缩倍数。