基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

新小波阈值函数在医学图像去噪中的应用

为了提高小波阈值去噪算法中的软阈值和硬阈值以及已有改进阈值函数存在的不足,提出了新的分层阈值函数的方法。该算法首先对噪声图像进行分解,从而得出小波系数。然后用改进的阈值函数对高频部分系数进行分层阈值处理。最后根据所得估计的小波系数在小波基的条件下,对图像进行重构,得到去噪后图像。该阈值函数具有优良的数学特性,通过对医学图像仿真实验结果表明,该算法去噪的效果无论是在视觉效果上,还是在均方差和信噪比性能分析上均优于常用的阈值函数,所以该算法在解决实际去噪问题中值得推广与应用。     

一种基于形态学的小波自适应去噪算法

针对常规的去噪算法会引起图像边缘模糊,而在保留和增强图像边缘时又会影响图像的去噪效果的缺陷,提出了一种基于形态学的小波自适应去噪算法,利用多种结构元复合形态滤波器对噪声图像预处理,然后对处理后的图像采用小波自适应阈值进行二次滤波去噪,最后对图像进行重构得到去噪后的图像.实验表明,该算法能对受不同程度、类型的噪声污染的图像进行有效地的处理,并且在去噪时能保持更多的图像边缘.     

基于改进小波阈值函数的仪表图像去噪方法研究

传统小波去噪的软阈值函数和硬阈值函数在去噪过程中产生的恒定偏差与抖动会导致去噪后的图像存在模糊和伪吉布斯现象。基于此问题，该文提出了一种软硬兼顾的加权平均阈值函数，此阈值函数避免了传统阈值存在的“一刀切”问题，降低恒定偏差的同时具有连续性与渐进性。其次在改进传统阈值门限上，设计了一种随着分解层数增加而减少的自适应门限阈值，避免消除深层数的高频边缘信息。最后通过对含有不同高斯白噪声的仪表图片进行去噪，计算峰值信噪比与均方误差并对结果图像进行的客观分析评估，实验结果表明，该阈值函数方法相比于其他方法，去噪结果更为清晰，均方误差最小，峰值信噪比最大，去噪效果更佳。     

三次样条插值在小波去噪中的应用

针对传统小波阈值函数在图像去噪中的不足,结合三次样条插值提出一种新的阈值函数。该函数具有很好的光滑性,既克服了硬阈值函数不连续性造成的吉布斯效应,也解决了软阈值函数引起的恒定偏差问题,而且能够根据图像噪声方差的大小,自适应地改变函数系数以达到最佳的去噪效果;最后,利用人工蜂群算法构造新的阈值进行去噪。实验结果表明,该去噪方法无论是主观感受,还是客观评价均优于软阈值及硬阈值的去噪效果,与其他改进的小波去噪方法相比该算法也具有较好的效果。     

基于SURE估计的图像块稀疏收缩去噪算法

针对图像过完备稀疏收缩去噪的阈值选取问题,根据图像的常规稀疏模型,提出一种基于SURE无偏估计的自适应阈值选择算法。在一阶可导收缩函数的基础上,推导阈值选择的优化目标函数,证明该函数是关于阈值的凸函数,利用黄金分割法搜索其全局最小值。仿真结果表明,该算法选择的阈值接近峰值信噪比-阈值曲线的极大值点,将该算法应用于图像的块稀疏模型,可取得比常规稀疏模型更好的去噪效果。     

一种改进的小波去噪方法在红外图像中应用

针对小波软阈值去噪函数会产生恒定误差导致图像边缘模糊的缺点,提出了一种改进阈值函数的去噪算法。该算法中当小波系数较大时,阈值函数趋向于硬阈值函数;当小波系数较小时,趋向于软阈值函数,具有自适应性。采用维纳滤波消除图像小波变换中低频频带中残留的噪声。实验结果表明,改进后的阈值函数结合贝叶斯阈值的方法与传统小波软阈值去噪相比,能够有效去除红外图像中的噪声,同时保持红外图像热差细节,具有较高的峰值信噪比,非常适用于去除红外图像中的噪声。     

自适应去噪函数性能研究

提出一种新自适应去噪函数。与经典的硬阈值函数与软阈值函数相比,此函数具有明显优点。首先,此函数表达式简单易于计算,连续并有无穷阶导数,便于进行各种数学处理;其次,本文证明了新函数具有收敛性、连续可导性及自适应性,为信号的自适应去噪提供了新的方法。仿真结果表明新函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的信噪比和更好的视觉效果,去噪后图像相对硬阈值函数去噪图像较光滑,相对软阈值函数去噪图像则更多地保留了图像边缘等局部特征,同时其均方误差最小,优于经典的两种阈值函数。     

自适应模糊阈值的图像去噪算法

小波阈值去噪是小波域去噪的主要方法之-,该方法通过选取合适的阈值,采用阈值函数对小波系数进行非线性处理,获得基于均方差的最佳去噪效果.在Dohono提出的小波阈值去噪的基础上,提出了将自适应模糊阈值函数和中值滤波相结合的去噪方法.仿真结果表明,该方法具有良好的去噪性能,并且在去除高斯白噪声和脉冲噪声的同时,能够获得良好的边缘保持效果.     

基于小波阈值和全变分模型的图像去噪

针对小波阈值函数去噪不彻底并且造成图像边缘模糊的问题,提出一种自适应小波阈值和全变分模型相结合的去噪方法。利用小波变换的时频域特性将含噪图像分解得到各维度小波系数,对低频小波系数利用全变分模型去噪,对于高频系数根据不同分解尺度选择不同的最佳阈值去噪,克服了统一阈值的不足,增强了算法的自适应性。理论分析和仿真实验结果表明,所提方法兼顾了小波变换和全变分模型的去噪优点,在有效去除噪声的同时更完整地保留了图像的边缘和细节信息,有较高的结构相似度和峰值信噪比。     

一种基于领域阈值的小波图像去噪算法

为了去除图像中的噪声,文章利用图像分块的思想,结合阈值去噪法和最小均方误差估计(MMSE),给出了一种基于领域阈值的小波域图像去噪算法。该算法与经典的子带自适应阈值去噪法BayesShrink算法相比,本文算法在峰值信噪比和视觉效果上都好于BayesShrink算法。     

基于改进阈值函数的自适应图像去噪方法

经典的BayesShrink通过软阈值函数对小波系数进行修正,使得原小波系数和修正小波系数存在恒定偏差,降低了去噪图像质量。文章利用噪声系数幅值随小波系数幅值的增大而相对减小的特点,构造了具有伸缩性的自适应阈值函数,该方法克服了软阈值函数产生的恒定偏差,依赖小波系数幅值对原始系数和修正系数间的恒定偏差自适应调节。伸缩因子m根据不同图像特点采用二分法自适应寻得最优值。实验结果表明改进后的阈值函数相比经典软阈值函数去噪效果较优。     

基于正交小波变换的图象去噪算法的改进

本文在BayesShrink阈值的基础上,提出了一种计算更有效的自适应的阈值估计,并针对传统的软、硬阈值函数在去噪中的不足,提出一种新的去噪阈值函数,最后将所提出的图象去噪方法与传统方法进行了实验比较,实验结果表明该方法在图象去噪中取得较好的效果,有效地提高了信号去噪所得信噪比增益。     

基于非高斯分布和上下文法模型的小波阈值去噪算法

提出了一种新的空间自适应小波阈值去噪算法,该算法是基于非高斯二元分布的贝叶斯统计模型和上下文法模型。非高斯二元分布由两个变元和一个参数组成,能够完全体现小波系数之间相关性,这是广义高斯分布所不能体现的特性。上下文法模型是图像编码技术,用来求取小波系数的方差。试验数据显示该算法不仅在直观视觉上去噪效果明显,而且在信噪比方面也要优于SureShrink、BayesShrink、Wiener2等方法。     

基于多层小波阈值函数的彩色图像边缘检测

针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。     

基于灰色关联度改进的Contourlet变换图像去噪算法

为了更有效降低图像中的噪声,提出一种基于灰色关联度改进的Contourlet变换图像去噪算法。一方面考虑到Contourlet变换尺度内各相邻方向子带之间的灰色关联度、尺度间的影响及噪声强度的因素,对贝叶斯阈值进行改进;另一方面根据Contourlet系数的特点对折中阈值函数进行改进,以达到自适应去噪的目的。实验结果表明,该算法能有效地降低图像噪声,获得更高的峰值信噪比(PSNR)和更好的视觉效果,具有较好的实用性。     

基于图像局域特性的小波收缩去噪算法

传统的小波收缩去噪算法采用单一的阈值，它没有考虑到小波系数的类聚性，图像中重要小波系数类聚的局部具有重要的奇异特性，应降低阈值以保留图像的边缘；反之含有不重要小波系数的局部应提高阈值以消除更多的噪声，因此该文提出了一种基于图像局域特性的小波收缩自适应阈值去噪算法，这种算法根据图像局部的奇异性大小，选择适当的阈值进行去噪。实验结果表明，相对于传统的单一阈值去噪算法来说，新的算法可使滤波后图像的峰值信噪比有所提高，在一定程度上克服了单一阈值去噪算法无法滤除高质量图像中噪声的缺陷。     

基于改进小波阈值法的图像去噪算法

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.     

全变分的分块小波阈值图像去噪

针对全变分算法对平滑区域抑噪不充分及小波阈值算法易造成边缘模糊的缺陷,提出了全变分的分块小波阈值算法。首先利用全变分粗去噪算法对含噪图像去除幅度较大的噪声,再利用分块小波阈值算法抑制残余噪声。实验结果表明,在图像边缘得到保护的同时较好地抑制了平坦区域的残余噪声,与传统算法相比,峰值信噪比和视觉效果都得到明显提高。     

广义模糊熵图像阈值分割参数选取的ADE方法

针对广义模糊熵图像阈值分割参数不能自动选取,提出自适应差分进化（Adaptive Differential Evolution,ADE）的广义模糊熵图像阈值分割方法。利用自适应差分进化算法作为优化工具来选取广义模糊熵阈值分割所需要的最佳参数,引入自适应变异算子和提出交叉概率自适应函数对优化过程进行控制,通过把参数带入广义模糊熵的补函数得到图像的阈值,进而得到图像最优分割。为验证其有效性与可行性,分别同基本图像质量评价准则的模糊熵图像阈值分割算法和粒子群优化广义模糊熵图像阈值分割算法相比较,实验表明,针对不同细节的图片,该算法所得分割结果多数情况下背景信息更少,目标信息更清晰,用时更短,分割更稳定且效果良好。