双变量模型与平移不变小波变换相结合的图像去噪算法

提出一种双变量模型与平移不变小波变换相结合的图像去噪算法.与传统的小波阈值去噪算法不同,该阈值不是直接作用于小波系数,而是利用图像平移不变小波变换系数尺度内和尺度间的双重相关性信息,构造出非高斯双变量分布模型,对该模型应用贝叶斯最大后验估值理论推导得到相应的非线性双变量阈值函数.同时,对第L级系数也作自适应处理.仿真结果和分析表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果.     

基于非线性扩散与小波变换的混合图像去噪算法

利用小波变换能够很好地保留图像细节信息的特点,提出了一种将非线性扩散方程和小波变换相结合的图像去噪方法。采用由小波系数估计的非线性扩散方程扩散函数对图像进行非线性扩散,取得了较好的去噪效果。仿真试验证明了算法的有效性。     

多小波描述的通用隐马尔可夫树模型图像去噪算法

小波域通用隐马尔可夫树(uHMT)模型充分利用了实际图像内部的自相似性,仅用9个参数(与图像的大小和小波的尺度数目无关)就可以完全确定实际图像的隐马尔可夫树(HMT)模型,极大地简化了隐马尔可夫树模型,但这使得图像去噪的精度降低。多小波描述在图像去噪方面取得了较好的效果。利用通用隐马尔可夫树(uHMT)模型和多小波描述各自在图像去噪方面的优势,将两者结合起来,提出了一种称之为多小波描述的通用隐马尔可夫树模型(M-uHMT)的新的图像去噪算法。仿真结果表明,这种算法的去噪效果优于典型的去噪算法。     

基于双曲线阈值函数的小波阈值降噪方法

在分析小波阈值降噪原理的基础上,为了克服硬阈值函数不连续和软阈值函数中估计小波系数与分解小波系数之间存在恒定偏差的问题,构造了一种改进的双曲线阈值函数.该方法通过调整参数可实现阈值函数形状的改变,采用对非重要小波系数的处理,不是均设为0,系数由多项式调节以接近理想小波系数,使得该阈值函数既具有软阈值函数连续、高阶可导的优点,又便于进行各种数学处理.经实验验证,这种方法不仅可以有效地去除噪声,而且还可以保留图像的细节信息,比传统阈值方法更接近最佳情况.     

二阶TGV结合小波变换模的图像去噪算法

研究了总变分(total variation,TV)模型在图像去噪中的应用,针对TV正则化模型在图像去噪过程中容易导致阶梯效应的缺陷,提出利用二阶总广义变分(total generalized variation,TGV)正则项代替TV正则项的图像去噪模型,并利用小波变换模极大值在检测图像边缘应用中的优点,在TGV正则化模型中引入以小波变换模为参数值的边缘检测函数,利用边缘检测函数引导扩散。该模型具备良好去噪和保持图像边缘的优点,还能缓解阶梯效应的产生。     

基于马尔科夫专家场的泊松噪声图像去噪方法

提出一种基于贝叶斯概率模型的泊松噪声图像去噪方法. 该方法基于贝叶斯最大后验概率模型框架,结合泊松概率分布,构建图像去噪模型. 考虑到马尔科夫随机场不能对复杂自然图像有效表征,引入高阶的马尔科夫专家场作为模型先验正则项,以表征图像自身概率分布. 利用二次惩罚函数,优化求解去噪模型,还原清晰图像. 将所提方法与其他去噪算法进行仿真实验对比,并采用峰值信噪比和结构相似性2种评价指标对去噪效果进行客观评价. 实验结果表明：与传统去噪方法相比,该方法的峰值信噪比至少提升了0.18 dB,去噪性能显著优于其他方法,能更好地保留图像的细节信息.     

一种高斯尺度混合模型的Shearlet域图像去噪(英文)

提出了一种基于高斯尺度混合模型的Shearlet域图像去噪方法.高斯尺度混合是一个独立高斯随机向量和一个独立隐随机尺度因子的乘积,可以很好地刻画相邻位置和尺度的Shearlet系数邻域的统计特性.在此基础上,对Shearlet系数进行贝叶斯最小均方估计.通过对加入高斯白噪声的图像进行去噪,仿真结果表明和其他基于小波域的方法相比,无论从视觉上还是峰值信噪比上,shearlet域方法降噪效果明显更好.     

基于马尔科夫专家场的泊松噪声图像去噪方法

提出一种基于贝叶斯概率模型的泊松噪声图像去噪方法.该方法基于贝叶斯最大后验概率模型框架,结合泊松概率分布,构建图像去噪模型.考虑到马尔科夫随机场不能对复杂自然图像有效表征,引入高阶的马尔科夫专家场作为模型先验正则项,以表征图像自身概率分布.利用二次惩罚函数,优化求解去噪模型,还原清晰图像.将所提方法与其他去噪算法进行仿真实验对比,并采用峰值信噪比和结构相似性2种评价指标对去噪效果进行客观评价.实验结果表明：与传统去噪方法相比,该方法的峰值信噪比至少提升了0.18 dB,去噪性能显著优于其他方法,能更好地保留图像的细节信息.     

一种新型阈值函数在图像去噪中的应用

在D.L.Donoho提出的小波阈值去噪方法的基础上,构造了一个新的阈值函数,它与软阈值函数一样具有连续性,同时还克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷.仿真结果表明,利用新阈值函数进行图像去噪,克服了硬、软阈值函数的缺点,能够较好去掉噪声并且保留图像的细节.     

基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

小波域中视频图像的Bayesian消噪

消噪是图像处理中的重要问题之一。正交小波的正交性保证了白噪声干扰图像的小波系数所包含的噪声是白色的。新近的研究表明视频图像的小波系数趋于Laplacian分布,用Bayesian估计对图像小波系数滤波可以达到消噪的目的。本文研究了Bayesian估计与线性估计两种消噪方法,实验表明Bayesian估计有较好的消噪性能。     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

图像阈值去噪中的小波特性分析及算法改进

选取合理的小波和阈值算法能够获得理想的图像阈值去噪结果;分析了小波正交性、消失矩以及滤波器结构等特性对图像阈值去噪的影响,提出了图像闽值去噪中小波特性的选取依据．按照噪声与图像信息在小波多尺度分解中传递特性的不同,提出基于信息量的自适应分层阈值算法;仿真结果表明,在进行图像阈值去噪时应优先选取双正交小波,且其消失矩阶数近似于图像的最高次奇异性,去噪小波的高通分解滤波器应具有偶对称性质,低通分解滤波器长度不宜过短．自适应分层阈值算法的图像去噪效果要明显优于全局阈值算法,图像信噪比能够提升至27．86（bior2．6,SNR0=20）;具有偶对称高通分解滤波器的双正交小波能够获得较好的图像去噪效果,其消失矩阶数应近似等于图像的最高次奇异性,基于信息量的小波自适应阈值算法在提升图像信噪比的同时,能够有效保留图像的细节信息．     

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

一种新的自适应多阈值小波去噪算法

小波阈值法在图像去噪中应用较广泛,该方法最重要的一个环节是最优阈值的确定.为此,提出一种新的自适应多阈值的阈值计算方法.由于小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同尺度不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值.实验表明,使用本方法从RMSE和SNR两个客观指标上看,能得到更好的效果,同时更适合人眼的视觉特性.     

基于多小波的局部背景隐马尔可夫模型图像去噪

小波域局部背景隐马尔可夫模型(LCHMM)可获得尺度内的相关性和局部的统计特征,并且复杂度小,多小波分析在图像去噪方面有很好的性能。利用多小波分析和局部背景隐马尔可夫模型各自在图像去噪方面的优势,将两者结合起来,提出了一种基于多小波的局部背景隐马尔可夫模型(M-LCHMM)图像去噪算法。算法主要有两步:局部背景隐马尔可夫模型去噪处理和均值处理。该算法简单有效,仿真试验表明M-LCHMM的去噪效果优于目前许多已有的去噪算法。     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.