S变换在心肌声学造影图像降噪中的应用

提出一种基于二维S变换的时频滤波方法。S变换融合了短时傅里叶变换和小波变换的优点,适合医学图像处理。该方法在局部频谱利用硬阈值去噪,可用于心肌声学造影图像降噪。降噪实验表明了该方法的有效性和临床应用价值。     

一种基于小波的图像降噪方法

通过对图像的小波变换系数进行阈值操作,可有效降低噪声,但还是保留一些噪声。Wiener滤波是一种线性滤波方法,用小波阈值方法结合Wiener滤波,可进一步对图像噪声进行降噪。实验结果表明小波阈值Wiener滤波方法是一种有效的图像降噪方法,其在图像恢复上和人眼视觉上都优于小波阈值方法。     

飞行数据改进中值滤波和自适应小波降噪

研究飞行数据预处理时提高数据质量问题.针对飞行数据易受噪声干扰,提出了改进中值滤波和自适应小波阈值降噪的降噪算法.首先以改进的中值滤波算法对飞行数据进行处理以剔除野值;然后对剔除野值后的飞行数据进行小波分解,根据各层小波系数的噪声自相关函数确定最佳小波分解层数;最后设计了新的自适应阈值函数,对小波系数进行处理并重构,得到降噪数据.采用仿真数据和飞行数据进行实验,结果表明,改进方法取得了良好的降噪效果,改善了数据质量,证明算法有效性.     

小波分析在图像降噪中的应用

针对图像在采集与传输中受到的噪声污染,为提高图像信噪比,提升图像准确性与实用性,基于小波分析应用在图像降噪领域的原理与优势,在Donoho阈值降噪方法基础上,提出了一种改进的图像降噪方法.应用改进公式,可以根据图像具体情况选择参数,获得更有效的阈值函数.该方法的优势在于计算小波系数方面,尤其是计算大的系数误差比小的系数误差要小,从而提高了降噪水平.通过Matlab仿真和实际图像降噪结果分析,该方法明显优于传统阈值降噪方法,主要体现在阈值选取灵活、边缘信息处理平滑、降噪效果好等方面.     

基于Contourlet变换和Wiener滤波的图像降噪

提出一种新的基于Contourlet变换和Wiener滤波的图像降噪方法。该方法充分利用Contourlet变换域系数服从广义高斯分布的特点,在Contourlet域采用Bayes收缩阈值法进行预降噪,采用Wiener滤波法对预降噪图像中的残留噪声进行进一步处理,以提高图像的恢复精度。仿真结果表明,该方法较传统的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量。     

基于Contourlet变换阈值的图像降噪

本文研究利用Contourlet变换阈值方法去除图像中的高斯噪声,先对图像进行Contourlet变换,然后对变换后的系数根据特点进行了划分,一类变换系数通常被舍弃;另一类通常采取保留或修正的策略,最后给出了软阈值函数和硬阈值函数,并对它们的降噪效果进行了比较。实验结果表明,与小波阈值降噪相比,Contourlet变换阈值方法能更有效地去除图像中的噪声,获得了更高的峰值信噪比。     

多级块匹配变换域滤波图像去噪

为了进一步提高非局部变换域滤波方法的图像去噪性能,提出一种多级块匹配变换域滤波方法.通过块匹配找到含噪图像中若干相似的图像块,然后执行相似图像块间的一维Haar小波变换,再用硬阈值收缩变换系数实现图像降噪;由于图像中充分相似的图像块数量是有限的,仅用一步上述操作并不能完全去除图像中的噪声,因此通过迭代策略去除剩余的噪声.实验结果表明,无论是PSNR值还是主观视觉质量,该方法的去噪结果都优于块匹配三维滤波方法.     

基于变换域和噪声估计的路面图像去噪研究

针对不考虑噪声的统计分布,仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题,提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同,以及图像噪声在不同变换域下的统计特性,提出先将图像进行傅里叶变换,根据噪声的统计特性构造传递函数H,使用Wiener滤波器进行降噪处理,得到一次降噪图像;再对图像再进行小波变换,根据噪声在小波的各尺度下,以及同一尺度下的不同特性,分别采用软门限降噪法和MMSE准则的降噪方法,得到二次降噪图像。仿真实验证实,该算法能有效提高降噪效果,降噪后的图像不失真,包含噪声少。     

基于高密度离散小波变换的改进图像降噪方法

为进一步提高图像质量,提出一种基于高密度离散小波变换的改进图像降噪方法。给出二维高密度离散小波变换的分解与重构快速算法,通过该算法对图像进行多尺度分解,利用相邻尺度小波系数相关性对各层小波系数进行双变量收缩阈值处理,重构降噪后的图像。实验结果表明,与其他常用小波降噪方法相比,该方法能进一步提高图像降噪效果,且在降噪过程中较好地保留图像细节。     

小波变换在身份证图像降噪中的应用研究

针对非理想身份证图像中存在的斑点噪声,利用小波变换降噪的特点,将身份证图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行降噪处理。结果表明小波指数方法是较优降噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

基于FCM算法的SAR图像相干斑噪声滤波算法研究

针对FCM分割对SAR图像斑点噪声敏感的特点,本文提出了一种新的去噪方法。所提出的方法主要分三个步骤。首先,分别对获得的两幅同源不同时相的SAR图像进行小波和lee滤波结合去噪。然后,通过对数比值检测方法获得变化信息。利用双边滤波器处理变化信息,以获得能保留图像丰富细节信息的图像降噪效果。最后,利用FCM方法把变化信息分成两类,这样就可以获得变化检测结果。Ottawa 地区的部分图像作为检测算法的性能的数据库。将去噪方法相互比较,结果表明,本文提出的算法分类正确率达到98.29%,优于其他去噪方法。     

改进阈值与尺度间相关的小波红外图像去噪

为了更有效地去除红外图像中的噪声, 提出一种基于改进阈值与尺度间相关的小波红外图像去噪方法. 一方面利用阈值修正方案和新阈值函数对通常的小波阈值去噪法进行改进; 另一方面通过对阈值邻近的小波系数进行小波变换尺度间相关性估计, 提高小波系数阈值判断的准确性.实验结果表明, 与通常的小波阈值去噪法相比,该算法能更有效地去除红外图像中的噪声, 获得更高的峰值信噪比(Peak signal-to-noise ratio, PSNR)、边缘保持指数(Edge preserved index, EPI)和更好的视觉效果,具有较好的实用性.     

基于颈动脉粥样硬化斑块的多序列MR图像去噪与配准

目的 颈动脉粥样硬化斑块成分识别是预测脑血管疾病及脑卒中临床病发的主要依据,然而在实际中斑块成分识别会受到磁共振图像固有的噪声和多序列图像空间坐标不匹配的影响,为了更加精确地识别斑块的组成成分,提出基于小波分析和中值滤波相结合的去噪方法,以及基于图形上下文(shape context)的颈动脉多序列磁共振(MR)图像配准算法。方法 针对MR图像去噪,首先在传统小波去噪的基础上改进了阈值函数,根据高、低频子带噪声分布比重自适应的选取阈值。多序列MR图像配准方面,在提取多序列图像颈动脉血管边缘的基础上,用shape context描述子做血管形状匹配,依据产生的匹配点对进行迭代校正,计算参考图像与浮动图像的血管形变场,然后采用样条插值方法得到最终的配准结果。结果 利用本文去噪方法能有效地去除图像高、低频域的噪声,同时保护图像的原始细节。本文多序列MR图像血管配准方法使得配准后血管重合度达到了96%±0.8%。本文方法能够有效地提高MR图像的质量,验证了算法的有效性。结论 本文方法能够有效去除多序列磁共振图像噪声和空间位置不匹配的情况,本文去噪方法也适用于其他模态(CT,超声等)医学图像的斑点噪声以及噪声分布不均匀等情况下的噪声去除,本文配准方法也能够有效地处理基于小目标,对精度要求较高的精细配准问题。     

基于双树复小波二元统计模型的图像去噪方法

为了更有效地进行图像去噪,提出了一种基于双树复小波二元统计模型的图像去噪方法,该方法先用带参数的二元广义高斯分布(GGD)来模拟原图双树复小波系数的统计分布;然后结合最大似然估计(MLE)得到优化的参数估计;最后在此先验分布的基础上,运用最大后验概率(MAP)来估计从噪声图的小波系数中恢复原图的系数,从而达到去噪的目的。实验表明该新方法不仅可以干净地去除图像的噪声,还可以有效地保留图像细节,取得了良好的去噪效果,尤其是去噪图像的视觉效果要明显优于目前的很多算法。     

一种能保留图像边缘信息的去噪新方法

图像处理的目标是消除噪声的同时能保留图像所固有的信息.针对保留边缘信息有效去噪问题,提出了双密度双树复数小波变换的图像去噪方法,该方法综合了双密度小波、双树小波和复数小波的优点,具有更好的方向性,将双树复数小波的6个方向,提高到12个方向,并采用了自适应软阈值对小波变换的系数进行处理,消除图像干扰噪声.本文对加噪图像进行去噪仿真试验,并进一步进行边缘检测,仿真试验结果表明,该方法能有效消除图像噪声并保留图像原有边缘信息,与双密度双树小波相比,去噪效果明显改善,均方误差减小了2.4%.     

应用小波系数GSM统计模型的混合傅里叶-小波图像降噪

提出一种混合傅里叶-小波图像降噪算法,该算法的主要步骤是：先在傅里叶域中降噪,然后在小波域中滤除剩余的噪声。小波域中要滤除的是有色噪声,为了考虑有色噪声小波系数间的相关性,采用GSM（Gaussian scale mixture）统计模型描述图像小波系数的统计特性。实验证明该算法能有效提高降噪效果。     

Adaptive image denoising using cuckoo algorithm

This paper presents a novel denoising approach based on smoothing linear and nonlinear filters combined with an optimization algorithm. The optimization algorithm used was cuckoo search algorithm and is employed to determine the optimal sequence of filters for each kind of noise. Noises that would be eliminated form images using the proposed approach including Gaussian, speckle, and salt and pepper noise. The denoising behaviour of nonlinear filters and wavelet shrinkage threshold methods have also been analysed and compared with the proposed approach. Results show the robustness of the proposed filter when compared with the state-of-the-art methods in terms of peak signal-to-noise ratio and image quality index. Furthermore, a comparative analysis is provided between the said optimization algorithm and the genetic algorithm.     

Image quality based comparative evaluation of wavelet filters in ultrasound speckle reduction

This paper presents the comparative study of various wavelet filter based denoising methods according to different thresholding values applied to ultrasound images. An original image is transformed into a multi scale wavelet domain and the wavelet coefficients are processed by a soft thresholding method. The denoised image is the output image obtained from the inverse wavelet transform of the threshold coefficients using Donoho's method. It has been observed that such denoising methods are effective in the sense that they preserve the edge details besides suppressing the noise. The comparative evaluation of the denoising performance is shown using statistical significance tests for different wavelet filters. Image quality parameters such as peak signal-to-noise ratio, normalized mean square error, and correlation coefficient have been used to evaluate the performance of wavelet filters. The performance has also been compared with the adaptive weighted median filtering method.     

Adaptive edge-preserving image denoising using wavelet transforms

Image denoising is a relevant issue found in diverse image processing and computer vision problems. It is a challenge to preserve important features, such as edges, corners and other sharp structures, during the denoising process. Wavelet transforms have been widely used for image denoising since they provide a suitable basis for separating noisy signal from the image signal. This paper describes a novel image denoising method based on wavelet transforms to preserve edges. The decomposition is performed by dividing the image into a set of blocks and transforming the data into the wavelet domain. An adaptive thresholding scheme based on edge strength is used to effectively reduce noise while preserving important features of the original image. Experimental results, compared to other approaches, demonstrate that the proposed method is suitable for different classes of images contaminated by Gaussian noise.     

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。