基于Retinex理论的小波域雾天图像增强方法

针对传统的雾天图像增强方法在增强图像的轮廓和细节的同时不能有效抑制图像噪声这一问题,在Retinex理论基础上,提出了小波域图像亮度与噪声双估计模型的图像增强方法,利用小波变换多分辨率的特点,对小波分解后的低频系数进行波动抑制,对高频系数通过多子带独立系数模型进行亮度估计,同时使用不同的软-硬估计法对图像的噪声进行抑制。实验证明该方法不但能有效地提取图像的亮度信息,而且进行图像增强的同时能有效地抑制图像的噪声,且对于不同的雾天环境也有良好的自适应性。     

基于小波域DCT变换的杂波抑制方法*

针对复杂背景中微弱运动目标检测困难的问题,提出了一种基于小波域DCT变换的背景杂波抑制方法。该方法根据背景杂波和运动目标的不同频率特性,采用低频小波子带频域滤波的方法得到有效抑制背景杂波的残差图像,从而达到抑制背景杂波的目的。该方法首先对原始图像进行小波变换,接着对低频小波子带进行二维DCT变换,再用高斯低通滤波器对DCT变换结果进行滤波,然后对滤波结果进行IDCT变换,最后对滤波前后的低频小波子带作差分处理,对差分结果进行小波逆变换。实验结果表明,该方法处理后得到的残差图像呈现出很好的高斯性和独立性,并     

基于状态权的小波边缘检测算法

提出了一种基于小波变换和各向异性扩散的图像多尺度边缘检测方法。对噪声图像进行小波变换,得到高频和低频小波系数。对高频小波系数归一化后进行各向异性扩散得到状态权,把该权值作用在原高频小波系数上,得到了既去除噪声又保持结构不变的小波系数。对低频小波系数直接用小波阈值方法去噪,利用小波系数模极大值法对去噪后的高频和低频小波系数进行边缘检测,得到最终的边缘图像。实验结果表明,该边缘检测方法由于结合了小波和各向异性扩散方法,从而有效地抑制了噪声,得到了连续、清晰的边缘。     

一种基于小波分解的新型海杂波抑制方法

针对不同分布海杂波的抑制及目标检测问题,首次将自适应噪声对消器应用在海杂波的处理中,并且将此对消器与小波分解理论相结合来抑制海杂波,提取出目标。首先,对含有目标的海杂波信号进行小波分解。然后,类比自适应噪声对消器模型,设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号,经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后,通过MATLAB仿真,分析采用不同的小波基函数和不同的分解层数的杂波抑制效果,验证此种算法对于海杂波抑制的有效性。     

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题,提出一种基于复数小波变换增强图像方法,充分利用复数小波兼具平移不变性和方向选择性的优势,首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘．并根据各层小波系数的分布设置局部阈值抑制噪声;在此基础上,自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真．实验结果表明,运用该算法增强带噪图像可以在较好地抑制噪声的同时,显著地放大细节特征．     

基于小波变换的冲击脉冲雷达图像处理方法

将小波变换的基本理论运用到冲击脉冲雷达信号的处理中，检测雷达回波信号的奇异性，同时用非线性变换方法对图像进行处理。该方法对提取目标回波信号、提升其信号强度、抑制杂波干扰和噪声有良好的效果。文章最后给出了该方法对冲击脉冲雷达图像的处理结果。可以看出，在处理后的雷达图像中，目标清晰，杂波干扰和噪声基本消除。     

小波变换和稀疏冗余表示的混合图像去噪

为改进K-SVD方法抑制强噪声的效果,提出一种小波域稀疏冗余表示图像去噪方法——单尺度低频小波K-SVD(SLWK-SVD)。首先对含噪图像做单尺度小波变换,然后用K-SVD算法对变换后的图像逼近系数学习过完备自适应字典,而对于高频小波系数则简单置零,最后用逆小波变换得到恢复图像。实验结果表明,与K-SVD方法相比,所提方法具有良好的抑制强噪声能力,在所给强噪声下(方差介于50和100),恢复图像信噪比提高了约0.5—1.5 dB,并克服了K-SVD方法去噪后图像出现的明显波动效应,具有更佳的视觉效果。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

基于小波分析的SAR图像船舶目标检测

水上船舶目标检测对于海上安全和渔业资源管理具有重要意义。SAR图像存在相干噪声以及水面背景杂波的复杂性，传统方法对于弱目标检测存在困难。该文基于船舶目标像元的空间相关性和背景杂波在不同尺度小波变换域快速递减的规律，提出了一种利用静态小波变换分量空域和尺度相关运算对原始信号加权的目标检测方法。实验结果表明，该方法可有效地抑制背景杂波，提高对船舶目标的检测能力。     

基于小波变换的SAR图像斑点噪声降噪研究

SAR图像上周期性出现斑点噪声,影响图像的解译。小波变换具有多分辨分析特点。在分析SAR斑点噪声模型的基础上．利用小波变换方法对SAR图像斑点噪声进行抑制,同时给出噪声去除性能评价。实验结果表明,小波变换方法具有较好的斑点噪声去除性能。     

基于小波域层次Markov模型的图像分割

针对两个状态的有限高斯混合模型逼近小波系数的不足和小波域隐马尔可夫树标号场相互独立的缺点,提出了一种基于小波域层次马尔可夫模型的图像分割算法,这种模型用有限通用混合模型逼近小波系数的分布,使有限高斯混合模型只是其一种特殊情况;在标号场的先验模型确定上,利用马尔可夫模型描述标号场的局部作用关系,给出标号场的具体表达式,克服了小波域马尔可夫树模型标号场相互独立的不足,然后利用贝叶斯准则,给出相应的分割因果算法。该模型不仅具有空域马尔可夫模型有效的递归算法的优点,同时具有小波域隐马尔可夫树模型中的马尔可夫参数变尺度行为。最后用真实的图像和合成图像同几种分割方法进行了对比实验,实验结果表明了本文算法的有效性和优异性。     

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法,小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性,由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解,同时,提出了一种规整化参数和HMT模型参数的自适应选择方法,实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高。     

空时域联合差分检测可见光图像的运动小目标

可见光图像背景常常表现出时域和空域的双重相关特性。针对可见光图像背景下的运动小目标检测,提出了一种空时域联合差分的检测方法。以可见光图像序列模型为基础定性分析了目标、背景和噪声的基本特性和差异;在此基础上提出了空时域联合差分的背景抑制方法,结合流水线结构给出了一种实时性好的具体实现方案。实验结果证实了该方法的有效性。     

基于四元数小波变换HMT模型的图像去噪

实小波变换域中的图像去噪会产生伪Gibbs现象,为此,提出一种基于四元数小波变换的隐马尔可夫树模型(Q-HMT),并应用于图像去噪。模型结合四元数小波变换理论与HMT模型,体现小波系数层间的相关性,捕获小波系数邻域的统计特征。实验结果表明,该模型的图像去噪效果在峰值信噪比以及视觉效果上均优于经典的去噪方法。     

联合形态滤波和MRF模型的红外小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于自适应形态滤波和Markov随机场(MRF)模型的小目标检测算法。设计基于图像局部熵优化的自适应形态滤波器,采用该滤波器进行背景杂波抑制和目标增强,利用MRF理论描述图像像素间关系,构造新的势函数和能量函数,建立目标检测识别模型,通过模型计算自动识别出红外图像中的小目标。理论分析和实验结果表明,该算法可在复杂背景下自适应地抑制背景杂波,成功检测出红外小目标。     

基于小波域HMT模型的图像超分辨率重构

小波域HMT模型采用混合高斯分布，并通过多尺度小波系数隐状态之间的Markov依赖性刻画自然图像小波系数随尺度减小呈指数衰减的特性．由于小波域HMT准确刻画了自然图像小波变换的统计特性，因此文中算法以此作为自然图像的先验模型，并把图像超分辨率问题表述为一个约束优化问题，采用Cycle-Spinning方法抑制重构出的高分辨率图像中可能存在的震铃和锯齿等失真，最后，进行了定量误差分析并给出了一些实验图像供主观评价。     

基于隐马尔可夫复合树模型的图像纹理分析

提出了一种纹理图像隐马尔可夫捆绑树(HMT-b)模型的建模方法。该方法通过对小波分解后的三个子带(HH，HL，LH)中相应节点捆绑后作为一棵复合树进行建模，改进了迭代算法，所建模型能更好地描述三个子带问实际存在的小波系数相关性；对于每个尺度中的小波系数分布，HMT-b采用高斯混合分布来拟合。同时研究了尺度系数基于小波域泊松分布的统计建模方法。     

小波域HMT模型参数的快速估计及其在图像降噪中的应用

小波域隐马尔可夫树(Hidden Markov Tree，HMT)模型可以很好地刻画尺度内与尺度间小波系数的相关性，但模型参数的训练过程复杂，计算量大。针对这个缺点，提出了一种不经训练的HMT模型参数快速估计方法。该算法首先用一种自适应阈值将每个子带小波系数分成不同的类，然后分别对每类进行统计，这种统计是局部的，因而有很好的局部自适应性，最后模型参数可以利用这些局部的统计特性来描述。将估计出的参数模型运用到图像降噪中，实验结果表明这种快速估计的HMT参数模型不仅可以大大提高计算速度，降低计算复杂度，而且从峰值信噪比和主观视觉效果上都不逊于传统的经过迭代训练的HMT模型降噪算法。