一种基于改进阈值函数Contourlet域的图像去噪算法

针对Contourlet域中传统硬阈值函数由于函数不连续所造成的振铃和伪吉布斯现象以及软阈值函数由于恒值压缩导致的图像模糊失真的问题,文中提出一种基于改进阈值函数的Contourlet域图像去噪算法。该改进阈值函数引入了指数平滑函数法的思想,使其在Contourlet域内具备连续性、渐进性、偏差性和高阶可导性,克服了软硬阈值函数存在的问题。方法中阈值估计部分选取的是BayesShrink自适应阈值估计,能够比较精准的确定阈值大小,并且解决了传统固定阈值估计过度扼杀变换系数的现象。通过对比实验,文中提出的改进后图像去噪方法在峰值信噪比、均方根误差和图像增强因子等客观评价标准上与传统去噪方法相比具备较好的去噪效果。     

一种基于连续小波阈值的图像去噪新算法

基于图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。对比传统的硬阈值、软阈值去噪算法,介绍了新阈值函数的原理,推导了算法公式。该阈值函数连续、可导。实验结果表明,利用新阈值函数进行图像去噪,能够有效地抑制图像噪声及马赛克效应。     

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法.根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应咧值.仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息.与小波硬阈值、Contourlet硬阈值和基于非下采样Cont...     

基于NSCT子带自适应Bayes阈值图像去噪方法

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点,提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT变换域．能根据不同尺度、不同方向的子带能量,自适应调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Conto...     

一种基于小波变换的自适应阈值图像去噪方法

0 引言 由于小波变换有良好的局部特性,作为一种信号和图像处理工具,它得到了广泛应用。1995年,Donoho首次提出了小波阈值,小波阈值是一种非线性的方法,它是在小波域内通过对小波系数进行处理来达到去噪的目的,其理论前提是认为图像的小波系数是服从广义高斯分布且绝对幅值较大的小波系数主要由信号变换后得到,而绝对幅值较小的小波系数则主要是由噪声变换后得到的,这样就可以通过设定阈值将较小的噪声系数清除来达到去噪的目的。     

基于小波域Curvelet变换的湍流图像去噪算法

为了提高湍流图像的空间分辨率,提出了一种基于小波域Curvelet变换(wavelet domain Curvelet transform,WDCT)的湍流图像去噪算法。该算法根据湍流退化图像噪声的统计特性,结合贝叶斯萎缩方法优化阈值选择。首先,对含噪湍流图像进行单层二维离散小波变换,接着提取高频系数并对它作快速离散Curvelet变换,最后根据贝叶斯准则估计阈值T,改进阈值的自适应选取方法,获得最优阈值,最后给出湍流图像去噪实现过程。为验证本文算法,根据客观评价标准峰值信噪比(peak signal to noise ratio,PSNR)和均方根误差(mean square error,MSE),对模拟图像和实测湍流图像进行去噪实验。与DWT-NABayesShrink算法、UWT算法相比,视觉效果更好,PSNR值分别提高7.27%和4.92%,MSE值分别降低26.3%和23.1%。本文算法得到较清晰的目标图像,对湍流退化图像去噪有一定的应用价值。     

基于BayesShrink阈值估计的Curvelet图像去噪

提出将BayesShrink阈值估计与硬阈值方法相结合并利用Curvelet方法对图像进行去噪的方法.经验证,此法优于BayesShrink小波去噪与传统的Curvelet阈值去噪效果,特别是在较大噪声的情况下更能显示出其优势.     

基于提升小波的自适应阈值图像去噪方法

利用提升法对传统小波进行提升,给出了用提升方法构造lifting-9.7小波的实现方法.针对图像去噪传统阈值选取的不足,研究了一种基于提升小波的自适应阈值图像去噪方法.实验表明:该方法实现简单,计算速度快,处理后的图像清晰,能量保持能力强,提高了去噪后图像的信噪比,去噪效果好.     

基于广义高斯最大似然估计的小波域类LMMSE滤波算法

基于小波系数服从广义高斯分布,该文采用最大似然(ML)准则估计普通图像在子带上的系数方差。该文提出的估计子是一个子带自适应因子和一个次幂均值的乘积。与最近提出的SI-AdaptShr,LAWMAP和其它一些算法相比,所提出的算法取得了更好的去噪效果。进一步,一种简化的算法产生用于去除SAR图像的斑点噪声。这种新算法可以大大减少运算量,对大尺度的SAR图像后处理有帮助。     

改进的小波域阈值算法在图像去噪中的应用

针对传统小波阈值函数在阈值处间断、小波估计系数与实际系数存在恒定偏差,导致去噪后的图像出现失真,产生伪吉布斯等问题,在对软、硬阈值和几种具有代表性的改进阈值去噪法分析的基础上,提出一种新的改进阈值算法,并对阈值进行改进。最后用Matlab客观性能分析上均优于常用阈值函数。     

非子采样Contourlet变换系数统计建模及图像去噪应用

融合拉普拉斯分布及广义高斯分布模型对非子采样Contourlet变换(NSCT)系数进行了统计建模分析。研究发现,NSCT作为平移不变Contourlet变换,系数在不同尺度和方向上均存在较大冗余,在广义高斯分布性等方面需引入参数加以约束。根据建立的统计模型进行了医学图像去噪实验。结果表明,和Contourlet及NSCT软硬阈值去噪等比较,该建模方法提高了噪声估计精度,增加了峰值信噪比,改善了图像视觉效果。     

一种新的图像自适应阈值去噪方法

针对小波变换缺乏平移不变性产生的伪吉布斯现象(Gibbs-like phenomena)和Donoho阈值去噪方法阈值单一的缺陷,提出了基于Cycle Spinning的图像自适应阈值去噪方法,Cycle Spinning能抑制伪吉布斯现象,并且给出了阈值自适应因子,阈值能根据不同高频子带自适应改变。实验显示,该方法提高了去噪图像峰值信噪比(PSNR),降低了均方误差(MSE),去噪图像清晰,获得较好的视觉效果。     

基于第二代bandelets的图像去噪

本文提出一种基于第二代bandelets,并结合多层阈值和自适应Wiener滤波的图像去噪方法.第二代bandelets能充分利用图像内在的几何正则性,自适应获得图像的最优表示;多层阈值符合小波多尺度域的系数统计特性;维纳滤波可以有效去除阈值去噪带来的纹理效应.实验结果表明:该去噪方法与基于小波变换的方法相比,作用于含有加性高斯白噪声的光学图像时,避免了小波变换带来的边界的振铃效应,并在峰值信噪比上有一定的改善;作用于合成孔径雷达图像中的相干斑抑制时,不论从视觉效果还是等效视数和比值图等衡量指标上都取得了较好的效果.     

基于DM642的微光图像小波阈值降噪

介绍了一种在实际设计中比较有效的小波阈值降噪方法,可以在保持图像细节信息的前提下尽可能提高微光图像的信噪比.     

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。     

基于双变量阈值的非下采样Contourlet变换图像去噪

系数阈值是流行的去噪方法,其中阈值方式与大小的选择是一个重要的技术问题。该文依据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布,对该模型应用Bayes估值理论推导得到相应的非线性双变量阈值函数,综合非下采样Contourlet分解和双变量阈值函数,提出一种基于双变量阈值的非下采样Contourlet变换图像去噪方法(NSCTBI)。对于被加性高斯白噪声污染的图像,实验中将NSCTBI方法与非下采样Contourlet变换、小波域双变量阈值去噪等方法进行了比较,结果表明在大多数情况下,NSCTBI的PSNR结果相比这些方法高出0.5至2.3dB,在边缘特征方面保持了良好的视觉效果。     

基于高斯比例混合模型的图像非下采样Contourlet域去噪

为改善图像的去噪效果,该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet域去噪算法。该算法首先建立非下采样Contourlet系数邻域的高斯比例混合模型,然后在模型基础上应用贝叶斯最小二乘法对系数进行估计,最后反变换得到恢复图像。算法结合了非下采样Contourlet变换对图像边缘的高效表示能力、非下采样变换的移不变性质以及GSM模型对非下采样Contourlet系数邻域相关性的概括能力。实验结果表明,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。     

基于主成分分析的图像自适应阈值去噪算法

主成分分析（PCA）是一种将多个变量通过线性变换选出较少个数重要变量的一种多元统计方法。在图像去噪中,由于图像的局部相似性,提出一种新的有效的去除噪声的算法。通过块匹配法寻找出相似块作为训练样本,利用主成分分析提取信号的主要特征,然后根据统计理论中最小均方误差方法构造线性自适应阈值方程,对含噪图像的每一块进行自适应阈值去噪。实验结果表明,该方法能有效去除图像的高斯白噪声,并同时能很好的保持边缘等的细节信息。     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。