共查询到19条相似文献,搜索用时 109 毫秒
1.
如何选取阈值是小波图像去噪的关键,在图像去噪的同时,还应尽量保留图像的边缘信息,基于这一思想,提出了一种基于形态学的小波去噪算法。用数学形态学算子对图像小波变换后的小波系数进行处理,并结合半-软阈值去噪技术。实验表明,该算法在去噪的同时,很好地保留了图像的边缘信息。 相似文献
2.
3.
一种基于图像边缘检测的小波阈值去噪方法 总被引:3,自引:0,他引:3
边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。 相似文献
4.
一种基于边缘检测的图像去噪优化方法 总被引:4,自引:2,他引:2
为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比. 相似文献
5.
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。 相似文献
6.
基于小波变换的图像去噪优化算法 总被引:4,自引:2,他引:4
提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。 相似文献
7.
8.
为解决套损检测情况图像中的噪声污染对测井解释的影响,文中分析了几种图像去噪的方法,详细介绍了双正交小波理论的提出背景、基本原理、分解与重构、阈值去噪过程,利用双正交小波的正交性、多尺度性等优点,将其应用于套损检测情况图像去噪中,在频域上对图像进行去噪处理.试验结果表明,双正交小波去噪相比正交小波去噪有效地提高了图像的质量和信噪比,同时能够最大限度地保留原有图像的边缘特征,有利于后续的目标特征提取与识别. 相似文献
9.
图像去噪是图像处理中最基本、最重要的前期工作,本文提出一种基于衰减法的Garrote阈值函数,并将基于该改进阈值函数的小波阈值法用于图像去噪过程,最后通过MATLAB仿真实验验证了本文所提出算法的有效性.本文在分析小波阈值法对图像去噪效果影响的基础上,针对该去噪算法在去除噪声的同时也损失了一定量的图像细节信息的问题,改进了传统阈值函数未考虑阈值以下的小波系数可能含有图像细节信息而对阈值以下小波系数盲目置零的缺点,对Garrote阈值函数阈值以下的小波系数采取衰减方法,以保留更多的图像细节信息,并加入三个调整因子以提高其性能和灵活度,实验表明本文提出的改进小波阈值去噪算法能够有效地去除噪声,且能够保留大量的图像边缘及细节信息. 相似文献
10.
11.
12.
边缘特征是图象最为有用的高频信息,因此,在图象去噪的同时,尽量保留图象的边缘特征,应是图象去噪首要顾及的问题。基于这一思想,提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前,先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,而不必担心损害图象的边缘特征。理论分析和实验结果都表明,与普通的小波阈值去噪方法相比,该方法不但可以保持图象的边缘信息,而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声,又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来,在一定程度上解决了这种两难的问题。 相似文献
13.
基于MAP准则的红外图像小波域比例萎缩降噪和增强算法 总被引:1,自引:0,他引:1
针对小波域比例萎缩降噪方法在去除噪声的同时也弱化了图像细节和边缘的缺陷,提出了具有增强效果的基于最大后验概率准则的小波域自适应降噪算法,并将之应用于红外图像降噪中。该算法在假定图像系数和噪声系数先验为高斯分布的基础上,利用最大后验概率准则计算小波系数的萎缩因子,然后在考虑尺度因素和方向能量因素的基础上对萎缩因子进行修正并将之应用于小波系数萎缩过程中,最后通过逆变换得到降噪和增强的图像。试验结果表明,在损失较小峰值信噪比值的情况下,提出的方法在增强图像细节和边缘、加大图像对比度等方面要优于直接比例萎缩,能够获得较好的视觉效果。给出的小波系数增强思想可以应用于基于其它降噪准则的比例萎缩算法中。 相似文献
14.
文章提出了一种基于小波包分解的图像分类去噪方法,即首先用高斯-拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用小波包对图像平滑区域进行阀值去噪,同时对图像进行邻域平滑处理;最后将边缘图像嵌入平滑图像。此种方法不但可以保持图像的边缘信息,而且能够去除图像的噪声,提高了图像的去噪效果和清晰度。 相似文献
15.
16.
Ricardo Dutra da Silva Rodrigo Minetto William Robson Schwartz Helio Pedrini 《Pattern Analysis & Applications》2013,16(4):567-580
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. 相似文献
17.
18.
19.
图像小波阈值去噪方法研究 总被引:2,自引:0,他引:2
郭建峰 《数字社区&智能家居》2014,(8):5291-5292
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。 相似文献