二维小波收缩与各向异性扩散等价性框架及在图像去噪中的应用

图像去噪是图像处理中的一种重要技术。小波收缩根据噪声的小波系数幅值较小的特征通过收缩达到去噪目的。各向异性扩散在尽可能保持图像特征的同时,根据梯度方向及幅值去噪。该文首先证明二维小波收缩与各向异性扩散的等价性框架,对等价性给予验证,进而根据等价性提出综合利用两种方法优势的各向异性小波收缩去噪算法。对比实验结果表明,此算法综合利用了小波收缩与各向异性扩散的优势,去噪效果更加理想。     

二维小波收缩与各向异性扩散等价性框架及在图像去噪中的应用

图像去噪是图像处理中的一种重要技术。小波收缩根据噪声的小波系数幅值较小的特征通过收缩达到去噪目的。各向异性扩散在尽可能保持图像特征的同时,根据梯度方向及幅值去噪。该文首先证明二维小波收缩与各向异性扩散的等价性框架,对等价性给予验证,进而根据等价性提出综合利用两种方法优势的各向异性小波收缩去噪算法。对比实验结果表明,此算法综合利用了小波收缩与各向异性扩散的优势,去噪效果更加理想。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

基于小波变换的图像混合噪声自适应滤波算法

提出了一种基于小波变换的图像混合噪声自适应滤波算法.该算法首先采用中值滤波进行预处理以去除脉冲噪声,然后对图像进行二维小波分解得到高频和低频子图像.根据各高频子图像噪声分布特征,分别设计出新的结构元素进行形态学滤波,随后定义一种新型阂值判别函数对高频和低频子图像分别设定不同调节参数,以进一步滤除残余噪声.最后进行小波系数重构.仿真结果表明,该算法去噪效果明显优于其他几种算法,从而表明该算法是一种较为有效的图像混合噪声滤除方法.     

维纳滤波和非线性扩散相结合的图像去噪

提出一种基于小波和非线性扩散的新的图像去噪算法。小波域局部维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或非线性扩散去噪。     

基于复Contourlet域非线性扩散的图像去噪

提出了一种将复Contourlet变换与非线性扩散相结合的图像去噪方法。首先对图像进行复Contourlet分解,然后高频部分和低频部分分别采用自适应对比度扩散和全变差扩散,最后重构图像。给出了实验结果,并与基于小波、基于Contourlet和基于非下采样Contourlet的非线性扩散方法的图像去噪效果进行了主观视觉上的比较,同时也依据均方差(MSE)、峰值信噪比(PSNR)等评价指标作了定量分析,且对比了各算法的运行时间。结果表明,本文提出的方法去噪效果更为优越:不但抑制噪声的能力更强,而且能够更好地保留图像原有的边缘和纹理特征。     

一种基于数学形态学与小波域增强的滤波算法

为了有效滤除图像高斯噪声,将数学形态学与小波域增强相结合,提出了一种高斯噪声新型滤波算法.该算法首先将噪声图像进行二维小波分解,得到低频和高频子图像;然后保留低频子图像不变,对各高频子图像根据其噪声分布特点分别设计出多角度、多结构逐级形态学滤波器进行滤波处理,并进行小波分解系数重构;最后对经过形态学滤波后的图像进行2层小波分解,通过设计出一种新型小波增强函数对不同幅值的小波系数进行不同程度的收缩处理,在此基础上进行分解系数重构.将自适应中值滤波与数学形态学滤波与本文算法进行比较,实验证明本文滤波算法其去噪效果优于前两种算法.     

一种新的结合非下采样Contourlet与自适应全变差的图像去噪方法

该文提出了一种新的结合非下采样Contourlet变换(NSCT)和自适应全变差模型的图像去噪方法。首先通过NSCT对含噪图像进行分解,根据高斯比例混合(GSM)模型建立图像模型;然后利用贝叶斯估计进行图像去噪,重构后得到初次去噪图像;最后,结合自适应全变差模型对初次去噪图像进行重构滤波,得到最终的去噪图像。实验结果表明,该方法可以有效地消除图像中的Gibbs伪影及噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有的算法。     

基于合成孔径雷达的SAR图像去噪

针对SAR图像相干斑抑制问题.提出一种双变量收缩函数与小波系数显著性增强相结合的SAR图像的斑点抑制算法.文中将双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后.通过最大后验概率估计出滤波后图像的小波系数.再采用小波系数的模极大值准则对系数进行显著性增强.突出图像的边缘特征和点特征.仿真实验表明.与其他传统的去噪算法相比.本文提出的算法具有更好的去噪效果.     

基于同态滤波和全变差的激光图像降噪方法

针对激光主动成像图像的特点,提出了一种基于同态滤波和全变差的图像降噪方法.首先对图像进行同态滤波,提高图像的对比度并去除激光图像的散斑噪声,然后采用基于最小化全变差模型去除激光图像的高斯噪声和脉冲噪声.采用信噪比、对比度和亮度失真度作为图像降噪效果的评估,将算法与中值降噪、小波与中值滤波结合降噪等进行对比实验,实验结果...     

Moving window-based double Haar wavelet transform for image processing.

Image denoising is a lively research field. The classical nonlinear filters used for image denoising, such as median filter, are based on a local analysis of the pixels within a moving window. Recently, the research of image denoising has been focused on the wavelet domain. Compared to the classical nonlinear filters, it is based on a global multiscale analysis of images. Apparently, the wavelet transform can be embedded in a moving window. Thus, a moving window-based local multiscale analysis is obtained. In this paper, based on the Haar wavelet, a class of nonorthogonal multi-channel filter bank with its corresponding wavelet shrinkage called Lee shrinkage is derived. As a special case of this filter bank, the double Haar wavelet transform is introduced. Examples show that it is suitable for a moving window-based local multiscale analysis used for image denoising, edge detection, and edge enhancement.     

基于PDE的非线性图像去噪与增强

应用偏微分理论,提出一种改进的基于偏微分方程的非线性图像去噪与增强方法,对传统的P-M非线性扩散模型进行改进。首先将图像变换到梯度域,然后通过改变梯度域扩散函数来达到去噪和增强的目的。与以往的时域和频域图像去噪方法相比,本文方法不仅能有效去除噪声,还能很好地保留图像的纹理细节。文章采用有限差分法将偏微分方程离散化,并结合热方程简化计算复杂度,从而实现简单快速的计算过程,为实时的图像去噪与增强处理提供保证。     

非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取，提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上，结合神经网络的非线性双曲线正切函数和BP训练方法，首先对含噪图像进行二进小波分解，然后对分解系数进行小波重建，并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理，得到最优阈值，最后对阈值处理的重建系数进行叠加，得到原始图像信号的估计值，即去噪后的图像信号。仿真实验表明，该方法具有较好的重建图像视觉效果，信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

基于提升小波与粒子群相结合的混沌信号降噪

提升小波变换用于混沌信号降噪具有良好的效果,阈值选取与混沌信号降噪后信号的畸变具有紧密联系。为了提高混沌信号中提升小波的自适应能力,降低降噪后信号的畸变率,提出了一种基于提升小波和粒子群相结合的混沌信号降噪方法。该方法在对提升小波变换后的细节部分进行阈值处理时,采用阈值自适应选择方法,并结合粒子群算法全局搜索最优阈值。通过对Colpitts模型进行仿真分析,与标准的软阈值降噪相比,能更好地对混沌信号降噪,并且降噪后信号失真度较小,具有很好的应用价值。     

基于微分算子的Eno-haar小波变换及其应用

该文首先引入微分算子并结合Haar小波的特点,提出了一种遗传性算法,用于2D信号奇异性检测。其次,将该算法与Eno-haar(Essentially non-oscillatory-haar)小波相结合,得到了一种基于微分算子的Eno-haar小波变换算法,并通过仿真实验说明了其在图像压缩中的可行性和有效性。     

一维小波变换在时域光学相干层析成像中的应用

时域光学相干层析(OCT)系统通常采用短时傅里叶变换(STFT)完成干涉信号的解调和图像重构。短时傅里叶变换算法简单,但是在干涉信号解调时难以获得好的去噪效果,通常还需在二维(2D)图像域对重构图像进行去噪。该方法数据运算量大,集成度不高。将一维(1D)小波变换(WT)应用于时域光学相干层析成像技术,同时实现干涉信号解调、去噪和图像重构。算法将时域光学相干层析的干涉信号分解到各个不同的频率空间,保留包含调制频率的频率空间的小波系数,对保留的小波系数进行滤波去噪后进行逆变换即可实现对干涉信号的解调和去噪,对解调信号等间距采样实现图像重构。该方法数据运算量小,集成度高,结合先进的小波去噪技术可以大大提高重构图像的分辨率,具有良好的应用前景。     

Medical image enhancement algorithm based on wavelet transform

Low contrast and poor quality are main problems in the production of medical images. By using the wavelet transform and Haar transform, a novel image enhancement approach is proposed. First, a medical image was decomposed with wavelet transform. Secondly, all high-frequency sub-images were decomposed with Haar transform. Thirdly, noise in the frequency field was reduced by the soft-threshold method. Fourthly, high-frequency coefficients were enhanced by different weight values in different sub-images. Then, the enhanced image was obtained through the inverse wavelet transform and inverse Haar transform. Lastly, the image's histogram was stretched by nonlinear histogram equalisation. Experiments showed that this method can not only enhance an image?s details but can also preserve its edge features effectively.     

Super-resolution reconstruction based on linear interpolation of wavelet coefficients

High resolution image reconstruction is an image process to reconstruct a high resolution image from a set of blurred, degraded and shifted low resolution images. In this paper, the reconstruction problem is treated as a function approximation. We use linear interpolation to build up an algorithm to obtain the relationship between the detail coefficients in wavelet subbands and the set of low resolution images. We use Haar wavelet as an example and establish the connection between the Haar wavelet subband and the low resolution images. Experiments show that we can use just 3 low resolution images to obtain a high resolution image which has better quality than Tikhonov least-squares approach and Chan et al. Algorithm 3 in low noise cases. We also propose an error correction extension for our method which can lead to very good results even in noisy cases. Moreover, our approach is very simple to implement and very efficient.     

基于邻近像素点和小波去噪的岩心图像修复

针对破损的岩心图像修复问题,提出了一种基于邻近像素点和小波去噪的岩心图像修复算法。计算待修复像素点的优先权来确定填充修复的顺序;利用待修复像素点周围的邻近信息和改进的加权函数进行像素点修复;对修复后的岩心图像进行小波去噪处理。算法将图像修复和小波去噪相结合,更好地实现了图像修复的目的。     

局部高斯尺度混合模型的傅里叶-小波图像降噪

提出了一种基于局部高斯尺度混合统计模型的傅里叶-小波图像降噪方法.所提出的降噪方法综合了两者的优点,考虑到噪声小波系数间的相关性,小波系数统计特性通过局部高斯尺度混合统计模型来刻画.实验结果表明,此法可有效去除噪声,并且能够克服传统的小波去噪效果与选用的小波基函数相关的局限性,和其他方法相比,无论从视觉上还是峰值信噪比上比较,此方法降噪效果明显较好.