基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

一种改进的二进小波变换图像去噪方法

本文在分析图像噪声消除与细节保持相矛盾的基础上，提出了一种改进的二进小波变换图像去噪方法。首先用自适应滤波多尺度边缘检测方法检测出图像的边缘；然后用二进小波变换去噪方法进行全局闯值去噪；最后将边缘图像嵌入到二进小波去噪后图像。实验结果表明，该方法不仅能够滤除图像的噪声，而且能够保持图像的边缘信息。     

基于水平集的并行融合图像分割

针对复杂背景和多目标空中运动物体的定位和跟踪问题,研究了基于小波变换阈值去噪方法、数学形态学去噪方法与水平集方法结合的图像分割方法,提出了基于小波变换阈值去噪与水平集结合方法以及基于小波变换阈值去噪、数学形态学去噪与水平集结合方法的并行融合图像分割方法,对运动目标进行边缘检测。实验结果说明,基于小波变换、数学形态学与水平集方法结合的并行融合图像分割方法能够有效地提取目标物体的轮廓,抑制背景噪声。     

邻域统计检测的双树复小波图像去噪

针对现有的脉冲噪声去除算法在去噪性能和计算效率上的缺陷,提出了基于邻域统计检测的双树复小波图像去噪算法。根据噪声的灰度特征、邻域像素的多数原则以及灰度偏差等统计特性进行噪声检测,充分利用双树复小波变换的优秀特性,在双树复小波域中用光滑可导的阈值函数以及自适应阈值对噪声图像进行去噪处理,最后用去噪图像中的像素,替换噪声图像中对应的噪声像素以得到最终的去噪图像。实验数据证明,所提出的方法优于部分最新提出的算法,具有较好的去噪性能和快速的计算效率。     

数字全息再现图像散斑噪声消除新方法

为了消除数字全息再现像中存在的相干散斑噪声,在去除噪声并保留图像细节的基础上,提出了基于小波变换的边缘保持散斑噪声去噪方法;通过分析小波变换模极大值边缘检测和基于Neyman-Pearson准则的小波阈值去噪方法的原理,提出并应用了一种数字全息再现像散斑噪声去噪方法,利用小波模极大值方法获得边缘图像,通过基于Neyman-Pearson准则的小波阈值去噪,去噪后的图像与边缘图像合并后得到最终再现图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

改进的基于脊波变换的图像去噪新算法

脊波(Ridgelet)变换能够克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法;在分析传统脊波阈值去噪法的原理和存在的优缺点的基础上,构造了一种新的阈值函数,并结合SURE阈值,提出了一种改进的基于脊波变换的图像去噪方法;并将其应用于受不同强度高斯噪声污染的图像中,实验结果表明该方法对噪声具有良好的噪声拟制作用,能较好地保留图像的细节信息,去噪性能优于常用方法。     

二进小波变换的图像去噪

由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,基于二进小波变换的图像去噪效果会好于基于小波级数变换的图像去噪效果。基于这个思想,该文提出了DWID方法,将基于小波级数的图像去噪方法推广到基于二进小波变换的图像去噪,比较了DWID同基于小波级数去噪效果。实验表明,DWID比小波级数去噪效果有明显改善。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染.因此,对于数字图像应该对其进行去噪音处理.传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像.实验证明具有很好的效果.     

基于小波模极大值和Neyman-Pearson准则阈值的图像去噪

首先给出了2维噪声的小波变换特性,分析图像小波变换模的极大值与小波分解级数j和李氏指数之间的关系,指出如何确定和保护图像的边缘;接着阐述了基于软、硬阈值的图像正交小波变换去噪法,然后提出一种基于Neym an-Pearson准则的小波阈值的确定,从而又提出了一种基于小波模极大值和Neym an-Pearson准则阈值的图像去噪方法,解决了图像去噪和保护图像边缘这个“两难”问题。针对期望图像叠加了不规则噪声的假设,对几种去噪方法做了定性比较,并给出了去噪性能的定量分析,仿真结果表明,此方法能提高去噪后图像的信噪比,使评价原图像与去噪后的图像近似程度的方差和相对熵为最小,同时能很好地保留原始图像的边缘信息。     

能量回归尺度空间滤波法在图像去噪中的应用

如何有效地增强图像边缘信息,消除图像的噪声是图像处理和计算机视觉研究中的基本问题。利用多尺度二进小波变换,对2维噪声图像进行了研究,提出了能量回归尺度空间滤波方法。利用一些图像进行了数值实验,实验结果表明,能量回归尺度空间滤波法可以较好地保留图像边缘特征,较多地去除噪声。与典型的小波萎缩去噪方法：“硬阈值”滤波法、“软阈值”滤波法相比较,能量回归滤波算法的峰值信噪比（PSNR）提高了2~3dB,从而证实了能量回归尺度空间滤波方法具有良好的去噪性能。     

一种基于小波阈值函数的交通图像去噪算法

针对高速运动条件下交通实时监测图像的失真和去噪问题,介绍小波阈值图像去噪过程和传统GCV阈值的原理,引入整数小波变换和合并递推运算的思想,提出一种快速递推GCV阈值的小波图像去噪方法。仿真实验分析了传统GCV阈值和快速递推GCV阈值去噪的效果,并比较了两种算法的复杂度。结果表明,快速递推GCV阈值算法不仅保留了传统GCV阈值算法去噪效果明显的特点,而且很好地解决了算法复杂度较高的问题,具有良好的应用前景。     

基于二阶导数算子与小波变换的图像去噪

二阶导数算子噪声定位的图像去噪法对椒盐噪声有很强的去噪能力,但对高斯噪声去噪效果较差,基于小波变换的图像去噪法能有效去除高斯噪声,但几乎不能去除椒盐噪声。针对上述问题,采用二阶导数算子降噪与小波变换去噪相结合的方法对图像去噪,利用2种方法进行优势互补,能较好地去除椒盐、高斯噪声和椒盐-高斯混合噪声,降低选择阈值的难度,有利于提高图像去噪精度。实验结果表明,该算法是有效可行的。     

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。     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

非线性小波变换在图像去噪中的应用

本文基于一种非线性小波变换阈值改进法，结合离散正交小波变换系数分解计算和阈值处理，实现二维图像去噪，并用Mallat算法对加噪图像进行了验证。     

图像对比度增强的小波变换法

提出一种基于离散正交小波变换和非线性增益的图像对比度增强方法。对图像进行离散正交小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强。实验结果表明,论文提出的方法在有效地增强图像对比度的同时,又能很好地抑制图像中的白噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。     

新阈值二进小波去噪算法在齿轮信号中的应用

在齿轮的激光检测过程中,由于各种噪声源的影响,原始信号会出现特征信息弱化的现象,影响了齿轮检测的准确性。为解决该问题,在分析传统软、硬阈值函数不足的基础上,提出了一种新阈值函数和二进小波变换相结合的去噪方法。在该方法中构建了一个可以调节的新阈值函数,该阈值随二进小波分解系数的变化以指数形式动态调整,克服了传统硬阈值函数不连续和传统软阈值函数存在偏差的问题。经仿真实验验证,该方法的信噪比和适用性具有明显的改善。     

图像小波阈值去噪方法研究

该文介绍了小波阈值去噪的基本原理,描述了图像小波阈值法去噪的过程,并通过仿真实验结果比较了小波阈值去噪方法在选取不同阈值函数下的去噪效果,证明了小波阈值去噪法是一种非常有效的变换域图像去噪方法。     

基于虚警概率最大准则的小波阈值去噪算法研究

本文分析了随机噪声的小波变换系数在不同尺度上的传递特性和噪声信号奇异性与小波模极大值的关系,阐述了基于阈值的正交小波变换去噪法,在此基础上提出了一种基于能量元和Neyman-pearson准则的小波阈值去噪算法。其小波阈值的选取是依据设定虚警概率后得到的检测概率最大的准则,并且阈值是随各尺度独立的。通过仿真实验,验证了该算法的有效性和优异性。