改进的正交小波变换阈值去噪算法研究

研究了图像去除噪声问题.图像中噪声经常会影响图像的清晰度,造成图像模糊等.为了更好的去除图像中的噪声,特别是去除图像中细节丰富的区域中的噪声,传统的去噪方法难以完成.为了更好的去除图像噪声,保留图像细节信息,提高图像的清晰度,提出了一种改进的正交小波变换阈值去噪算法,先将噪声的数字图像进行正交小波变换,得到小波系数,然...     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染。因此,对于数字图像应该对其进行去噪音处理。传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像。实验证明具有很好的效果。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染.因此,对于数字图像应该对其进行去噪音处理.传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像.实验证明具有很好的效果.     

基于对偶树复小波域图像融合的SAR图像去噪

边缘信息是图像重要的细节信息,保护图像的边缘信息对提高图像质量非常重要.但是在图像去噪的过程中,往往会破坏图像的边缘信息.针对去除噪声和保护边缘信息的双重考虑,提出一种基于对偶树复小波域图像融合的SAR图像阈值去噪.考虑到局部硬阈值和软阈值各自的特点,利用对偶树复小波变换的优点和图像融合的特点,首先在自然对数域对SAR图像进行对偶树复小波分解,然后对小波系数分别执行局部硬阈值去噪和局部软阈值去噪,最后依次通过图像融合,对偶树复小波反变换,指数变换得到去噪以后的图像.实验结果表明,算法融合了两种周值去噪方法的优点,在明显去噪的同时,更好地保护了图像的边缘信息.     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

一种改进的小波去噪方法在红外图像中应用

针对小波软阈值去噪函数会产生恒定误差导致图像边缘模糊的缺点,提出了一种改进阈值函数的去噪算法。该算法中当小波系数较大时,阈值函数趋向于硬阈值函数;当小波系数较小时,趋向于软阈值函数,具有自适应性。采用维纳滤波消除图像小波变换中低频频带中残留的噪声。实验结果表明,改进后的阈值函数结合贝叶斯阈值的方法与传统小波软阈值去噪相比,能够有效去除红外图像中的噪声,同时保持红外图像热差细节,具有较高的峰值信噪比,非常适用于去除红外图像中的噪声。     

重复利用噪声信息的图像去噪的研究

该文主要考虑利用图像噪声再生技术来提取图像细节.其思想是利用被滤除的噪声信号进行回收再利用.通过对噪声信号和初步去噪信号进行小渡变换.比较它们的小波系数,当噪声信号的小波系数达到一定的阈值时,将噪声信号的小波系数保留叠加至初步去噪信号的小波系数,然后利用传统的软阈值去噪的方法来进行图像的去噪,从而达到既能够去除噪声,又能保留图像细节的目的.实验证明,该方法较传统的方法在去噪和细节保持上有改进.     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像。这种方法与全局Donoho软、硬阈值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显。它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑。仿真实验证明,该方法是一种有效的图像去噪方法。     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。     

基于自适应阈值的脑电信号去噪方法

脑电采集后得到的脑电信号(Electroencephalogram,EEG)中含有噪声信号,为了有效去除噪声并保留有用信息,本文在软阈值去噪的基础上,提出一种改进阈值去除EEG噪声的算法。利用小波变换对EEG信号分解,得到多层的高频系数和低频系数;根据分解层次不同,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,得到去噪后的EEG信号。以信噪比、均方根误差作为去噪效果的定量指标,将改进算法与硬阈值法、软阈值法、Garrote阈值法进行比较,结果表明,改进阈值法优于其他3种阈值法。     

基于平衡正交多小波的超声图像降噪研究

医学超声图像存在特有的斑点噪声,它大大降低了超声图像的质量,因此必须进行降噪处理。平衡正交多小波同时满足正交性和对称性,具有比单小波分解更加精确、去噪效果更好的特点。故对超声图像进行平衡正交多小波分解,然后利用模糊聚类与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于模糊聚类的小波变换图像去噪算法改进

介绍一种改进的较优的基于模糊聚类的小波变换图像去噪算法.首先分析了模糊C均值聚类算法中加权指数m的重要性,采用基于模糊决策的方法,分别构造模糊目标和模糊约束,由模糊目标和模糊约束的交集来共同确定最优的加权指数m以获取较为理想的聚类分类结果.再利用该种加权模糊聚类算法把小波系数划分成包含信号与只包含噪声的小波系数两类,将只包含噪声的小波系数置为零,将包含信号的小波系数利用软阈值法进行收缩,最后对处理后的系数根据M带小波变换的局部时频分析能力及其良好的信噪分离能力进行M带小波变换,得到去噪效果较好的图像.     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像.这种方法与全局Donoho软、硬阔值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显.它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑.仿真实验证明,该方法是一种有效的图像去噪方法.     

基于小波变换和稀疏表示的图像去噪

传统小波阈值去噪在对图像进行去噪时,并不能很好地保留图像的细节纹理等边缘信息部分.针对这一不足,结合了稀疏表示相关的理论,提出了一种基于小波变换和正交匹配算法相结合的图像去噪算法.首先选取小波函数对含噪图像进行处理,分离出图像的高频和低频小波系数,然后对高频系数结合正交匹配追踪算法,通过多次反复迭代求得高频稀疏分量,再结合低频分量,用逆小波变换得到恢复图像.实验结果表明,在相同的噪声条件下,该算法能取得较好的峰值信噪比(PSNR),获得更好的视觉效果.     

改进小波软阈值函数在图像去噪中的研究应用

常规小波软阈值去噪方法处理前后的图像小波系数有所差异,导致去噪后图像失真严重.为进一步提升去噪效果,提高去噪和细节保持能力,对阈值的选取方式和阈值函数进行改进.改进方法通过小波变换的每一级子带长度确定阈值,实现阈值自适应准确量化,改进软阈值函数采用双曲正切函数替换符号函数,对阈值绝对值范围内的小波系数应用非线性函数进行...     

基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

基于系数相关性的小波变换红外图像去噪

提出了一种基于层内邻域相关性的正交小波变换红外图像去噪算法.首先对红外图像进行离散小波变换,分别对各个分解层的高频子带进行处理;考虑到小波系数的层内邻域相关性,通过基于最小均方误差算法的邻域小波系数向量估计小波系数,然后由估计的高频子带小波系数,通过小波反变换得到去噪图像.仿真结果表明,该红外图像去噪算法能有效去除图像噪声,在峰值信噪比和主观视觉质量等方面都有明显改善.     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点,把信号分成信号象素与可能噪声象素两类,对于可能是噪声的象素,采用图像的小波软阈值去噪方法进行滤波,而对信号象素不产生影响,且能保留更多的图像细节。文中也给出了标准中值滤波,自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验,结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波,稍微优于自适应维纳滤波算法,且能够比较好保留图像的细节部分。     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。