A new wavelet-based fuzzy single and multi-channel image denoising

In this paper, we propose a new wavelet shrinkage algorithm based on fuzzy logic. In particular, intra-scale dependency within wavelet coefficients is modeled using a fuzzy feature. This feature space distinguishes between important coefficients, which belong to image discontinuity and noisy coefficients. We use this fuzzy feature for enhancing wavelet coefficients' information in the shrinkage step. Then a fuzzy membership function shrinks wavelet coefficients based on the fuzzy feature. In addition, we extend our noise reduction algorithm for multi-channel images. We use inter-relation between different channels as a fuzzy feature for improving the denoising performance compared to denoising each channel, separately. We examine our image denoising algorithm in the dual-tree discrete wavelet transform, which is the new shiftable and modified version of discrete wavelet transform. Extensive comparisons with the state-of-the-art image denoising algorithm indicate that our image denoising algorithm has a better performance in noise suppression and edge preservation.     

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。     

基于CLi多小波的SAR图像压缩去噪混合方法

CLi是由复小波构造的一类对称、正交、紧支撑且消失矩阶数较高的多小波.针对CLi多小波的优越特性,本文给出了基于CLi多小波的SAR图像去噪压缩混合方法,该方法在压缩的同时,对噪声也进行了抑制.仿真实验表明,该方法无论对于常规图像,还是SAR图像都具有较高的压缩性能.     

基于U-Net融合的保留纹理的图像去噪方法

图像的噪声阻碍了高级视觉任务对图像的理解,且去除图像的噪声是一个具有挑战性的任务.现有的基于卷积神经网络的图像去噪方法在去除噪声的同时,对图像纹理会引入一定程度的破坏,导致去噪后图像无法保留图像的纹理.为了解决这个问题,本文提出一种用二分支U-Net网络来融合特征和保留纹理的图像去噪方法.首先选取一种去噪方法的两个不同...     

一种基于小波变换的图像去噪新方法

为了更好地进行图像去噪,提出了一种图像去噪的方法。对图像进行小波变换以后,噪声的小波系数在不同尺度上都服从高斯分布但大小不同。由此,对各尺度各方向上的小波系数进行维纳滤波,而保持低频系数不变,先以此来估计原始图像的小波系数;然后进行小波反变换,得到去噪图像。实验结果表明了该方法的有效性。     

小波图象去噪综述

小波图象去噪已经成为目前图象去噪的主要方法之一。在对目前小波去噪文献进行理解和综合的基础上,首先通过对小波去噪问题的描述,揭示了小波去噪的数学背景和滤波特性;接着分别阐述了目前常用的3类小波去噪方法,并从小波去噪中常用的小波系数模型、各种小波变换的使用、小波去噪和图象压缩之间的联系,不同噪声场合下的小波去噪等几个方面,对小波图象去噪进行了综述,最后,基于对小波去噪问题的理解,提出了对小波去噪方法的一些展望。     

小波变换在医学图像融合中的应用研究

对不同模态的医学图像进行融合处理,可为临床提供新的诊断信息.针对V. Petrovic提出的灰度图像融合方法,给出了一种改进的多尺度图像融合算法.首先对源图像按照V.Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔表示,然后对金字塔中的两个低通分量加权平均后,再进行反变换,即得灰度融合图像.然后以此灰度融合图像作为两幅源图像的公共部分,利用Toet的伪彩色融合方法,得到最终的彩色融合图像.由于该算法兼容了灰度融合和彩色融合的优点,用不同彩色来显示灰度差,使得融合图像在色彩上更丰富,包含更多的细节.将其应用于CT和MRI图像融合,仿真结果得到了证明.     

基于PCA和总变差模型的图像融合框架

为了能够抑制融合图像中的噪声且提升融合效果,提出一种在进行融合时去噪的新框架,并在此基础上提出一种基于主成分分析(PCA)的融合框架.首先将源图像进行PCA操作,依据前几个主成分重建图像,再经下采样过程得到近似图像;然后通过上采样得到与上层图像的差异图像,即细节图像;最后将最底层近似图像与各层细节图像累加,完成图像的重构.将该框架纳入总变差模型后形成一种新的具有融合和去噪效果的框架.实验结果表明,该方法不仅能对同分辨率图像融合,获得较好的融合效果,而且在全色图像和多光谱图像的融合中可较好地保持光谱信息和空间信息,并能够抑制图像中存在的噪声.     

一种基于小波分解的图像融合方法

在图像配准的基础上,提出了一种利用小波分解和Gabor小波滤波器提取能量测度进行加权的图像融合方法.该方法中,首先对图像进行小波分解,对每一层分解系数使用Gabor滤波器集进行滤波,求取其相应的能量测度,进而使用能量测度值对融合图像相应层的小波系数进行加权处理,从而得到融合后图像相应层分解系数,最后对每一层分解系数进行小波逆变换,得到融合图像.试验结果表明,这种简单的加权系数关系是可行的,而且该方法可以取得较好的图像融合效果.     

基于抖动的导航路径图像无缝拼接方法仿真

由于传统导航路径图像拼接法受尺寸大小、视觉角度以及光照变换等外界因素的影响,导致抖动图像匹配效果差,无法得到有效图像。因此,提出并设计一种基于抖动的导航路径图像无缝拼接方法。首先使用傅里叶变换方式对初始图像做变换处理,得到经过粗糙拼接的抖动结果,获取导航路径抖动后图像,再采用仿射映射与矩阵分解法对抖动图像做配准处理,修正该图像畸变,并得出两幅图像变换关系,然后使用ASIFT方式对其做特征点匹配计算,同时依据RANSAC原理去除匹配错误点,最后通过加权平滑方式对两幅抖动图像拼接线处理,实现抖动导航路径无缝拼接图像。通过仿真证明,所提方法计算简便、图像清晰、拼接效果具有较高实效性等优点。     

基于局部特征的图像融合算法评价

图像种类很多,不同的图像适合不同的融合算法,如何去选择最合适的算法是目前存在的一个问题,本文提出了一种新的图像融合质量评价方法,文章利用融合图像与标准图像的相同极值点的相似率来评价融合图像质量,实验表明该方法是一种实用有效的方法。     

提升小波变换及其在图像处理中的应用

提升算法是一种新的双正交小波构造方法,此方法大大降低了计算的复杂程度,因此该算法可以有效地减少程序运行时间.详细说明了提升算法的原理及实现步骤,并结合该算法介绍了它在图像处理中的一些应用.实验表明基于提升算法设计的图像处理系统有很好的性能.     

彩色结构光系统高低强度条纹的颜色聚类方法

基于De Bruijn序列的彩色结构光编码作为空间编码的一种,具有测量速度快的特点。其中,彩色条纹的识别是关键问题之一。针对高低强度相间的4色De Bruijn序列条纹投射模式的特点,在L*a*b*颜色空间中,通过L值的线性二次差分滤波实现了对捕获的彩色结构光高低强度条纹的分割。利用主成分分析和K均值聚类思想,设计了自适应颜色聚类方法,实现了对4种高低强度颜色的识别。实验结果表明,该方法对环境光等因素具有较好的鲁棒性,满足彩色结构光视觉测量对精度要求高以及信息提取简单的要求。     

局部结构自适应的图像扩散

提出一种新的局部结构自适应图像扩散算法. 在图像扩散过程中, 传导系数不仅与梯度值有关, 而且受到局部结构的影响. 首先根据局部结构将像素分成三种类型, 对不同类型定义不同的传导系数函数, 再由这些函数根据梯度计算出扩散流量. 由于考虑到了局部结构信息, 可以在保留图像精细结构的同时快速、有效地滤除无规则的噪声. 在合成测试图和实际图像上的实验结果表明, 本文所提出的算法优于一些典型的图像扩散算法.     

Contourlet变换系数加权的医学图像融合

目的 由于获取医学图像的原理和设备不同,不同模式所成图像的质量、空间与时间特性都有较大差别,并且不同模式成像提供了不互相覆盖的互补信息,临床上通常需要对几幅图像进行综合分析来获取信息。方法 为了提高对多源图像融合信息的理解能力,结合Contourlet变换在多尺度和多方向分析方法的优势,将Contourlet变换应用于医学图像融合中。首先将源图像经过Contourlet变换分解获得不同尺度多个方向下的分解系数。其次通过对Contourlet变换后的系数进行分析来确定融合规则。融合规则主要体现在Contourlet变换后图像中的低频子带系数与高频子带系数的优化处理中。针对低频子带主要反映图像细节的特点,对低频子带系数采用区域方差加权融合规则;针对高频子带系数包含图像中有用边缘细节信息的特点,对高频子带系数采用基于主图像的条件加权融合规则。最后经过Contourlet变换重构获得最终融合图像。结果 分别进行了基于Contourlet变换的不同融合规则实验对比分析和不同融合方法实验对比分析。通过主观视觉效果及客观评价指标进行评价,并与传统融合算法进行比较,该算法能够克服融合图像在边缘及轮廓部分变得相对模糊的问题,并能有效地融合多源医学图像信息。结论 提出了一种基于Contourlet变换的区域方差加权和条件加权融合算法。通过对CT与MRI脑部医学图像的仿真实验表明,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度。     

Curvelet变换在图像处理中的应用综述

近年来,Curvelet变换由于其独特性而受到研究人员的日益关注．Curvelet变换由小波变换发展而来,克服了小波变换在表达图像边缘的方向特性等方面的内在缺陷．目前的应用已经显示出它在图像处理中巨大的发展潜力．总结了Curvelet变换的原理及实现方法,介绍了它在图像处理中的典型应用,并通过与一些相关算法的比较分析了它在不同应用中的效果和特点,最后对它的应用发展趋势进行了展望．     

基于数据融合及小波变换的医学超声图像去噪方法

医学超声图像固有的斑纹噪声,极大地降低了超声图像的质量,严重影响了对病灶的识别。经典的去噪方法在抑制斑纹噪声时丢失了图像中大量的细节和微弱的边缘信息。本文提出一种基于数据融合的小波变换去噪算法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声,然后对同一原始信号含噪声的两幅同源图像分别进行小波分解,对两幅图像中小波系数的低频分量作加权融合;对水平、垂直与对角方向高频分量取两幅图像中各尺度下对应小波系数绝对值较大者各自分别融合,使高频分量中信号得以最大限度地保留,最后,经小波逆变换和指数变换得到去噪后图像。该方法在去除噪声同时能够有效保持边缘信息,较好地改善去噪后图像的视觉效果,取得了良好的效果。     

基于小波分解的图像融合方法及性能评价

给出了一种新的基于小波多尺度分解的分层图像融合方法.其基本思想是先对源图像进行小波多尺度分解;其次,按照融合规则,采用基于区域特性量测的选择及加权算子去构造融合图像对应的小波系数;最后,通过逆小波变换重构融合图像.该方法被成功地用于图像的融合处理.此外,利用熵、交叉熵、互信息、均方根误差、峰值信噪比等参量,对该融合方法的融合性能进行了评价与分析.实验结果表明,该融合方法是十分有效的.     

多光谱遥感图像与高分辨率全色图像融合研究

介绍了遥感图像融合的一般过程和特点,研究了像素级融合的常用算法,归纳了融合图像的基本步骤,采用四种融合方法对高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级融合实验,发现基于小波变换的图像融合提供更多细节信息,Brovey变换法融合全色图像与多光谱图像目视效果最好,速度最快。