基于小波变换的自适应阈值图像去噪技术研究

主要研究了基于小波变换的图像去噪技术在图像去噪过程中的阈值选择问题,对图像信号进行小波变换得到小波系数,选择合适阈值处理小波系数,再将处理后的小波系数经过小波逆变换得到重构后的去噪图像。仿真实验通过对基于小波变换的软阈值去噪、硬阈值去噪以及自适应阈值去噪方法对图像进行处理,达到对图像的降噪效果。仿真实验证明,基于小波变换的自适应阈值去噪技术去噪结果最优,能够清楚地保留图像中的细节,无锐化、过度平滑的现象,且它的信噪比、峰值信噪比的值为最大、均方误差的值最小,从而提升了图像的整体质量。     

基于小波的医学图像去噪方法研究

为有效地表现医学图像原有信息中有用的信息,降低医学图像受噪声干扰的现象,减少诊断误差,本文将现有的小波图像去噪方法运用于医学图像,并对各种方法进行实验分析比较,以提供医学参考。实验发现,与较常用的均值滤波与中值滤波相比,小波去噪方法有效提高了医学图像的去噪PSNR值。     

基于平稳小波的自适应阈值MR图像去噪法

针对小波空间Donoho阈值在图像去噪中的缺陷,提出一种基于平稳小波变换的自适应阈值MR图像去噪方法,即由 Lakhwinder Kaur小波阈值选取法,根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,对平稳小波变换后的各层细节信号分别进行阈值化处理.该方法能很好的抑制小波空间Donoho阈值去噪法出现的伪Gibbs现象,弥补了正交小波变换存在的不足,在滤出噪声的同时,较好地保留了MR图像的细节信息.实验结果表明该算法在性能指标和视觉质量上的优越性.     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

Contourlet域的多极化SAR图像自适应融合方法

针对不同极化SAR图像的融合,提出了一种基于Contourlet变换的自适应窗口图像融合方法．首先对原始图像进行Contourlet变换,将图像分解为一个低频予带和多个不同方向的高频子带．对分解后的低频子带进行邻域能量加权融合,对各方向高频子带采用依据SAR图像斑点噪声特征的变化自适应地调整融合窗口的方法.通过对两极化SAR图像进行融合实验并与小波变换等融合结果比较,表明本文方法融合后的图像在视觉特性以及客观评价统计因子上取得了更好的效果,融合后的图像提供了比原始图像更丰富的信息．     

基于小波变换的皮肤显微图像去噪算法的研究

在皮肤症状自动诊断系统中,为了消除图像中皮肤表面的毛发与纹理对识别系统的干扰,分析了小波变换的特点,将塔型小波变换和树型小波变换进行了比较,并根据皮肤显微图像一阶分解后得到的4个子图能量分布情况,提出了基于塔型分解的模极大值小波域的去噪声算法.实验证明,该算法对皮肤显微图像去噪效果较好.     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

基于SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

混合滤波图像去噪方法

针对传统的小波去噪方法会产生马赛克的问题,根据小波去噪理论以及阈值去噪理论,设计了一种基于小波阈值的混合滤波图像去噪方法.通过计算发现,新方法的峰值信噪比比传统的几种去噪方法更加优异.仿真实验证明,改进的去噪方法能够消除传统小波在阈值去噪时所产生的马赛克现象.最后分析了分解层数以及小波基对该方法去噪效果的影响,发现当分解层数为三层、采用Bior4.4小波基时去噪效果最为理想,此时峰值信噪比为35.670 2.     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

Parameter adaptive SAR image denoising method

In the traditional SAR image nonlocal means denoising algorithms, the patch similarity is measured by the accumulation of the pixel similarities, and a good denoising performance can be obtained for the additive noise model. This paper extends this idea to the multiplicative noise model for the SAR image, and improves the PPB (Probabilistic Patch-Based) algorithm under the weighted maximum likelihood estimation framework. Since the parameters setting in the PPB algorithm is complicated and it cannot adaptively get the best performance, this paper proposes a particle swarm optimization based parameter adaptive nonlocal means algorithm for SAR image denoising. Finally, experiments compared with the canonical PPB method on the real SAR image are carried out. Experiments demonstrate that the proposed method has a good performance in speckle reduction and details preservation.     

基于多小波变换的SAR图像压缩

在实数域,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支集、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。利用上述特点将多小波变换应用于SAR图像压缩。实验结果表明,在改进现有的基于小波变换的多级树集合分裂(SPIHT)编码算法的基础上,选用适当的多小波基及预滤波方法,能够得到与小波变换相当甚至略优于小波变换的编码性能。这说明若针对多小波变换系数的特点设计相应的编码方案,SAR图像编码的性能还可进一步提高。     

基于小波变换的SAR幅度图像压缩算法

针对合成孔径雷达信号处理的幅度图像压缩问题,提出一种基于小波变换的幅度图像压缩方法,对幅度图像进行离散小渡变换,实现幅度图像的多级分解,达到良好的压缩效果.使用星载合成孔径雷达RADARSAT的图像作为测试图像进行实验,压缩比CR=10∶1,峰值信噪比PSNR=31.86 dB.仿真实验结果验证了所提出算法的有效性和实用性.     

基于局部相似性测度的SAR图像多层分割

针对谱聚类算法计算复杂度高,不适用于合成孔径雷达图像分割的问题,利用谱聚类算法与权核k均值之间的等价性,提出一种基于局部相似性测度的SAR图像多层分割算法．首先提取图像中每个像素的小波纹理特征,利用每个像素点的纹理特征计算各自的局部尺度参数,进而构造像素点之间的邻接关系,然后利用最近邻规则对此邻接关系进行逐层合并,进行基础聚类和逐层细化实现像素点聚类,最终得到图像的分割结果．对人工纹理图像和SAR图像的分割结果表明了新算法避免了传统谱聚类算法对尺度参数的敏感性,获得了更优的分割性能．     

一种基于局部窗口的SAR图像目标检测算法

针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求,设计了一种基于局部窗口的SAR图像目标检测算法。该算法在对获取的SAR图像进行去噪和分割处理的基础上,基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略;同时,通过SIFT特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测。实验结果表明,该算法对复杂背景和光照、旋转变化有较强的自适应性,获得了理想的目标检测效果。     

视觉特征方向流邻域加权PCM的SAR图像分割

应用聚类方法对合成孔径雷达(SAR)图像进行分割时,受SAR图像斑点噪声的影响,在聚类过程中应当既要考虑聚类原型的空间自适应性,又要考虑像素间强相关性,这就要求聚类隶属度与空间信息的有效结合．针对此问题提出了基于方向流场构建自适应邻域空间加权可能性c-均值聚类(PCM)算法,通过可操纵小波变换和视觉特征预测编码模型建立方向流场,用基于方向流场的Markov随机场(MRF)描述当前像素与其邻域像素间的相互关系,在像素的聚类隶属度估计中直接引入这种邻域信息,使聚类隶属度得到有效修正．实验表明这种方法在抑制噪声的同时可以保留图像的细节信息,对SAR图像有较好的分割结果．     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

利用DT-GrowCut的MSTAR SAR图像自动分割技术

结合Delaunay三角剖分理论,提出了一种DT-Growcut全自动SAR雷达图像分割技术.首先将MSTAR数据图像进行Delaunay三角剖分.由于背景噪声是随机相干斑噪声,所以选择两个最大的连通域,引导设置GrowCut种子函数,依据自动细胞机竞争机制,对SAR图像进行分割处理.该方法不需要预先设置类别,能够消除相干斑噪声,能有效地提取SAR图像边沿,大大降低图像的边缘模糊.通过对MSTAR数据库进行仿真实验,并对分割结果进行分析,证明了该方法的有效性和可行性.     

加权空间函数优化FCM的SAR图像分割

传统模糊c-均值聚类算法没有考虑图像像素空间信息特征,在应用于合成孔径雷达图像分割时,由于合成孔径雷达图像中斑点噪声的影响,通常不能得到正确的分割结果．基于此问题提出加权空间隶属度和加权空间函数并应用于c-均值聚类算法,加权空间隶属度是多尺度条件下空间各相邻像素的位置和强度信息的加权隶属度值,加权空间函数中各加权空间隶属度的影响系数由自适应遗传算法优化,最终的隶属度值由加权空间函数修正．由于在这种聚类过程中融入了优化的空间信息,因此弱化了斑点噪声的影响,提高了分割精度．这种算法应用于实际合成孔径雷达图像分割实验,结果表明此算法对初始分类结果不敏感,具有较强的抗噪性能,改善了SAR图像的分割结果．     

姿态图像缺失情况下的SAR目标识别

针对目标姿态图像缺失的情况,提出通过姿态图像合成的方式增加训练集的姿态覆盖程度,并将扩充后的图像也用于训练目标分类器.受稀疏表示模型的启发,建立了一种合成孔径雷达图像姿态合成模型.该模型根据少量已知姿态的图像,线性组合出缺失姿态下的近似图像.在运动和静止目标获取与识别数据集上的实验表明,通过合成缺失姿态下图像的方法可有效提升目标识别的精度,特别是在训练数据集中姿态缺失严重时,文中方法提升尤为明显.