基于改进轮廓波变换的SAR图像增强

针对轮廓波变换（contourlet transform）中进行拉普拉斯金字塔分解时,所得的带通图像在奇异性点附近产生振荡,影响图像去噪的效果,提出一种改进的轮廓波变换。通过改进拉普拉斯金字塔分解,可消除轮廓波变换带通图像边缘附近的震荡。提出了基于改进轮廓波变换的SAR图像增强算法。实验结果表明,该算法在有效抑制SAR图像噪声的同时,较好地保持了图像边缘细节。     

结合非下采样轮廓波变换和混合阶次图像扩散的图像去噪

通过研究非下采样轮廓波变换理论及其在图像变换中的优点,提出一种新的基于非下采样轮廓波变换的图像去噪方法.该方法首先通过非下采样金字塔分解和非下采样方向滤波器组对待去噪图像进行非下采样轮廓波变换,然后采取不同阶次的图像扩散去噪算法分别对高频部分和低频部分进行去噪处理,最后将经过处理后的系数进行非下采样轮廓波逆变换便可得到去噪后的图像.通过实验结果表明,该方法不仅能有效的去除噪声,而且可以很好地保持边缘信息,整体性能优于近年来一些常见的去噪算法.     

一种改进Contourlet变换的图像去噪算法

针对Contourlet分解的细节图像在奇异点附近产生振荡,在去噪过程中会产生伪吉布斯现象,提出一种改进的拉普拉斯金字塔实现基于Contourlet变换的图像去噪算法。阈值的选取不仅考虑不同尺度中噪声含量的不同,而且在不同方向上对阈值进行了调整。实验结果表明,利用该文去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

基于改进拉普拉斯金字塔的图像融合方法

提出了一种新的基于改进拉普拉斯金字塔变换的图像融合算法。传统拉普拉斯金字塔变换的重构算法在图像在融合过程中会引入噪声,而改进的重构算法能有效抑制融合噪声。首先将图像进行拉普拉斯金字塔分解,得到各层拉普拉斯金字塔图像,针对不同的分解层图像,采用不同的方法进行融合,最后采用改进的拉普拉斯金字塔重构算法进行重构,得到最终的融合图像。通过仿真实验验证了算法的有效性。     

采用改进结构特征度度量分析的噪声标准差估计算法

提出了一种基于改进的噪声标准差估计的轮廓波去噪算法,在常用的轮廓波去噪算法基础上提出了新的解决方案。该方案将滤波法与改进的图像结构特征度度量分析算法结合起来,筛选出适合计算噪声标准差的图像子块集合,再用直方图法估计图像噪声标准差,然后将该标准差用于轮廓波去噪。在标准差估计对比试验中,将滤波法、分块法、改进的分块法与文中的标准差估计算法进行对比;在去噪对比试验中,采用基本的小波阈值去噪算法(universal阈值),由小波阈值法引申出的普通轮廓波阈值去噪算法,基于维纳滤波的轮廓波去噪算法,基于系数建模的轮廓波去噪算法与文中算法做对比。实验结果表明:文中算法能够更加精确地估计图像噪声标准差,且去噪效果与普通轮廓波去噪及其他轮廓波去噪算法相比更加稳定,鲁棒性更好。     

结合FT与NSCT的自适应阈值去噪算法

为更好地对图像进行稀疏表示,以改善去噪效果,提出一种傅里叶变换与非下采样轮廓波变换(NSCT)相结合的自适应阈值去噪算法。在傅里叶域中对含噪图像去噪,在NSCT域中利用分层噪声估计的贝叶斯阈值算法,结合多尺度多方向的能量阈值修正方案自适应地滤除剩余噪声。实验结果表明,该算法的去噪性能较好。     

基于轮廓波变换的织物疵点图像消噪新方法

为了实现织物疵点图像的有效消噪,使其更有利于特征提取和疵点检测,提出了基于轮廓波变换的织物疵点图像消噪新方法。综合考虑轮廓波方向子带能量的大小与织物疵点图像轮廓细节之间的关系,对Donoho多尺度分解阈值进行修正,改进了Donoho多尺度分解阈值对图像细节"过扼杀"的缺点。实验结果表明,对织物疵点图像进行基于轮廓波变换改进阈值消噪时,该方法更好地保留了织物疵点图像的轮廓细节,峰值信噪比显著提高。采用改进的轮廓波Donoho多尺度分解阈值消噪后的图像,可以更好地应用于织物疵点图像的特征提取和疵点识别。     

改进结构的Contourlet变换及其图像去噪应用

针对Contourlet变换基图像不具备局部频率特性的缺点,分析了在频域楔形支撑区域外部出现潜在混叠的原因,并结合易操纵金字塔结构的优良特性,提出一种改进结构的Contourlet变换.该变换采用易操纵金字塔替换了原变换的拉普拉斯金字塔,保证了其平移不变性.非线性逼近实验和基图像分析的结果表明,该变换能够稀疏表示图像,避免了频域出现混叠.去噪实验结果表明,改进结构的Contourlet变换可以有效地提高去噪图像的峰值信噪比和去噪图像质量.     

基于多小波—非采样Contourlet变换的自适应阈值图像去噪方法

为抑制Contourlet变换的非平移不变性和冗余性给图像去噪所带来的图像失真等缺陷,提出一种新的基于多小波—非采样Contourlet变换和基于Bayes Shrink的自适应阈值去噪算法：首先利用多小波对图像进行多尺度分解并结合非下采样方向滤波器组进行方向分解,接着根据分解所得到的各方向子带的关系,改进了Bayes Shrink自适应阈值取值方法,对图像进行去噪处理。实验结果表明：该算法去噪后图像的信噪比(SNR)与已有算法相比,有了明显的提高,有效地抑制了原Contourlet变换所造成的伪Gibbs现象,更好地保留了图像的细节信息。     

基于曲波变换和小波变换的图像去噪算法

针对应用曲波变换进行图像处理过程中所产生的伪影现象,提出一种基于快速离散曲波变换和小波变换的联合去噪算法。对噪声图片分别采用非抽样小波变换和快速离散曲波变换进行去噪,并对经过快速离散曲波变换去噪后的图像进行四叉树分解,根据分解结果对图像进行重构得到最终融合图像。实验结果表明,联合去噪算法对图像的边缘和均匀区域都有较好的去噪效果,能够有效抑制伪影,具有较高的峰值信噪比。     

一种循环平移的Contourlet变换去噪新方法

与小波变换相比，Contourlet变换等多尺度几何分析方法，可以更好地逼近含线奇异的高维函数。针对Contourlet变换缺乏平移不变性的缺陷，提出了一种基于Contourlet变换以及循环平移的图像去噪方法，即MCT方法。由于阈值去噪会在重构的图像中产生虚假成分（视觉魇像），尤其是在奇异点附近交替出现较大的上下幅值振动。而循环平移的目的就是在给定范围内寻求最佳平移量（或平均平移量），通过改变图像的排列次序，从而改变奇异点在整个图像中的位置来达到减小或消除振荡幅度，进而改善由于伪Gibbs现象所导致的蚊状噪声。实验表明，与抽样小波去噪相比，该方法明显可以更好地保持图像边缘；同时也一定程度上改进了传统Contourlet变换去嗓方法所带来的视觉魇像的缺点，较好的保留了图像的细节部分，且峰值信噪比（PSNR）也较高。     

多尺度域非线性能量保持的图像去噪新方法

提出了一种基于Contourlet多尺度分解域核主成分分析的图像去噪新方法。该方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用核主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像。实验结果表明,该方法不仅有效地降低了图像噪声,且峰值信噪比也较高。     

改进的轮廓波图像匹配算法

与小波变换相比,轮廓波变换中LP滤波器的显著缺点是存在过采样和非正交特性。提出一种改进轮廓波变换方法,首先对待处理图像实施小波变换,然后对低频子带图像进行重建,可得到一个高频子带图像,使用滤波器组进行多方向划分。该方法既保持了临界采样又利于后面使用方向滤波器组来对高频部分进行方向划分。实验证明该方法的匹配效果优于小波变换及轮廓波变换。     

一种新的非下采样Contourlet域图像去噪算法

作为新型高维奇异性分析工具,非下采样轮廓(Nonsubsampled Contourlet)变换不仅克服了小波(Wavelet)变换的非奇异性最优基缺点,而且提供了优于轮廓(Contourlet)变换的平移不变性.以性能优越的非下采样轮廓变换为基础,提出了一种新的图像去噪方法.该方法首先对图像进行非下采样轮廓变换,以得到不同尺度、不同方向上的变换系数;然后结合噪声分布特点确定多尺度阈值,并依此阚值对高频系数进行去噪处理;最后对去噪处理后的变换系数进行反变换,以得到去噪图像.仿真实验结果表明,该方法不仅拥有较强的抑制噪声的能力,而且具有较好的边缘保护能力,同时消除了图像边缘附近的伪吉布斯(Gibbs)现象,整体性能优于小波变换图像去噪和轮廓变换图像去噪方法.     

基于相关性阈值的NSCT图像去噪方法研究

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,提出一种基于尺度相关与阈值去噪相结合的非下采样Contourlet变换图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,然后采用相关系数归一的方法,结合Bayesian自适应阈值来达到更好的去噪效果。仿真实验表明,该方法在提高去噪后图像的峰值信噪比的同时,有效保留了图像的纹理信息,避免伪吉布斯现象,改善了图像的视觉效果。     

一种基于Contourlet变换的图像去噪方法

在变换域阈值去噪过程中,阈值的选取和阈值处理方法至关重要。提出一种基于contourlet变换的图像去噪方法。采用分层阈值,为每一级contourlet系数选取一个阈值。阈值处理中给出一种基于邻域的阈值处理方法,不仅考虑单个系数幅值的大小,而且考虑它的邻域系数幅值的大小。同时为了抑制在去噪图像边缘附近的伪吉布斯效应,引入cycle spin-ning来抑制这种图像失真。实验结果表明,利用文中去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

基于NSCT自适应阈值的红外图像去噪算法

提出自适应阈值的NSCT去噪算法.在对红外图像噪声特点分析的基础上,通过对NSCT构造特性的分析,提出了将自适应阈值的NSCT运用于红外去噪,并验证了其可行性.分析了图像尺寸和分解尺度对去噪的影响,获得去噪算法的优化.应用于几种不同的红外图像,对红外图像去噪视觉效果和峰值信噪比两方面进行比较,该去噪方法取得了较好的效果,尤其是在边缘保持方面.     

SAR图像的NSCT域自适应收缩相干斑抑制

提出了一种基于Nonsubsampled Contourlet（NSCT）变换域自适应收缩的SAR图像相干斑抑制算法。首先将SAR图像分解至NSCT域,其次对NSCT系数进行Pizurica自适应收缩。利用NSCT变换的良好的方向选择性及平移不变性,同时结合Pizurica自适应收缩的方向空间相关性及其局部噪声度量,自适应地得到各方向的高频子带系数对应的收缩因子,修正NSCT系数,最终将修正后的子带系数通过NSCT逆变换获得经过斑点噪声抑制的图像。实验结果表明,与小波域软阈值和Contourlet域软阈值算法相比,该算法在有效抑制SAR图像斑点噪声的同时能更好、更清晰地保持图像的边缘细节特征。