平移不变小波变换在图象降噪中的应用研究

文中主要研究平移不变小波变换在图象降噪中的应用。标准的正交小波降噪方法是通过对图象的小波变换系数进行阈值操作来降低图象噪声,但它的结果中会出现诸如吉布斯现象之类的情况。为消除此类影响,文中将平移不变小波变换的概念引入到小波图像降噪应用中。文中讨论了这种降噪技术的理论基础和技术细节,给出了实际图象的应用结果,实验结果显示这种方法在性能上优于标准正交小波降噪方法。     

基于先验模型的小波图象降噪方法

本文提出了一种基于小波系数先验模型的小波降噪技术。这种模型认为整个小波系数空间由服从零均值高斯分布的局部区域组成，具有空间自适应和局部化的性质，模型的参数可以利用实际观测数据(包含噪声成分)来估计。基于估计得到的小波系数先验模型可以设计小波域上的经验Wiener滤波器，并应用到图象降噪任务中。实验结果表明，此种
种方法可以取得比较好的降噪效果。     

改进离散平稳小波变换在压力信号消噪中的应用

提出基于离散平稳小波的改进自适应降噪方法,并将该方法应用于压力信号消噪,取得了优于传统小波消噪的效果。方法利用平稳小波的冗余特性,解决了传统二进小波变换降噪方法在奇异点存在振荡效应的不足,同时将尺度系数的噪声与各层噪声强度不同纳入分析。利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪。将该方法应用于压力信号消噪,并与传统离散二进小波进行比较,证明了方法的可行性和有效性。     

一种基于小波变换各尺度相似性的静止图象压缩方法

小波变换具有良好的空间 -频率局部化性能 ,主要表现在频率压缩特性、空间压缩特性、系数分布的相似性 3个方面 ,这些特性都有利于进行图象压缩 .但是早期的小波压缩算法大多没有利用系数分布的相似性 .该文借鉴了零树算法和 Rinaldo块预测的思想 ,提出了一种新的旨在压缩重要小波系数结构性冗余的静止图象压缩方法 ,实验结果证明了这种方法的有效性 .     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

图象压缩双正交小波滤波器的优化设计

为了提高图象压缩效果 ,提出了一种比较新颖的基于图象压缩系统的构造最优双正交小波滤波器的设计方法 ,即在图象编码中 ,从选择小波基的原则出发 ,并以最常用的 Antonini's 9/ 7小波基为参考 ,选择 SPIHT为压缩方法 ,以压缩效果为准则来构造最优的双正交小波基 ,并且采用 L ena为标准训练图象 ;然后以压缩比为参数 ,通过得到最大的峰值信噪比来寻找最优的双正交小波基 ,从而将复杂的多输入 ,两输出问题简化为多输入单输出的最优化问题 ;最后用遗传算法解决这种最优化的问题 ,得到了最优的双正交小波基 .训练和检验的结果表明 ,这种最优的双正交小波基比 Antoninis 9/ 7小波基压缩效果有所提高 .     

Lifting Scheme及其在小波图象编码中的应用

Lifting Scheme是构造第二代小波的关键技术。相对于第一代小波而言,Lifting Scheme是一种比Mallat算法更快、更简单和更容易操作的算法,也是JPEG2000推荐的算法,为了将其应用到小波图象编码中,提出了一种对Lifting Scheme作适当改进以用于小波图象编码的方法。该方法就是先用Lifting Scheme来实现D9/7双正交小波变换,然后再用这种技术实现的D9/7双正交小波变换来进行图象压缩编码。在将Lifting Scheme算法用于小波图象编码的过程中,对该算法做了必要的简化,以便保证每个提升(lifting）环节都是FIR滤波。同时,根据能量守恒的原则,重新调整了尺度因子。实验结果表明,这种经过改进的Lifting Scheme取得了比Mallat算法更好的图象编码效果。     

基于FPGA的医学影像实时降噪系统的设计

图象的降噪处理是DSA、DSI等医学影像系统中图象处理的首要任务。为了实现动态图象的实时降噪,根据自适应时域递归滤波的原理,并结合DSA、DSI影像系统的特点,设计了基于阈值分割的时域递归滤波器。给出了用FPGA实现的原理及设计方案,递归计算16帧图象以保证运算精度。实验结果表明:降噪效果十分明显,提高了系统的信噪比,克服了动态图象的降噪与拖尾的矛盾。     

基于小波分形特征提取的图象分割方法

提出了一种基于小波分解和分形纹理特征计算的图象分割方法,首先考虑对图象进行小波变换,然后对不同通道的子图象提取纹理的分形特征和能量特征,最后用直方图阈值分割方法实现图象的分割,实验表明,该方法对模拟纹理图象以及多少谱遥感图象的分割都取得了满意的效果。     

基于提升的自适应图像消噪

信号经过小波分解后采用软阈值处理具有良好的降噪效果，提升结构是小波技术的新发展。从提升小波出发，通过引入正交性等约束条件得到了具有良好子带分解特性的一族小波；将这些小波应用到软阈值降噪处理中去，依据信号特性自适应的选择滤波器参数，可以明显地提高PSNR．     

基于贝叶斯最大后验估计的局部自适应小波去噪

利用图像小波子带内系数的相关性，提出了一种局部自适应小波去噪方法。首先在贝叶斯最大后验概率准则下推导出基于拉普拉斯先验分布的MAP估计表达式和子带MapShrink阈值。为得到局部自适应的MapShrink阈值和去噪算法，提出将子带内的每个小波系数建模为具有不同边缘标准差的拉普拉斯分布，而边缘标准差又假设为强局部相关的随机变量，可通过邻域局部窗口进行估计。实验结果表明，与经典的子带自适应去噪算法相比较，该方法获得了明显的峰值信噪比增益，主观视觉效果也得到了改善。     

一种基于自适应阈值的图像去噪新方法

Selecting threshold is the most important in threshold-based nonlinear filtering by wavelet transform. In this paper, a novel adaptive threshold is proposed by minimizing a Bayesian risk(It is adaptive to subband because it depends on data-driven estimates of the parameters). Combining this thresholding method with Wiener fitting can re-sult a new denoising method. Expermental results show that the proposed method indeed remove noise significantly and retaining most image edges. The results compare favorably with the reported results in the recent denoising liter-ature.     

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。     

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。     

一种基于非局部思想的改进图像降噪算法

数字图像因噪声的影响会严重降低其视觉效果,图像降噪算法的研究是数字图像处理领域的一个重要研究方向。本文在基于稀疏和冗余字典的图像降噪算法基础上,提出了一种基于非局部思想的改进图像降噪算法。与传统的基于稀疏表达的图像降噪算法KSVD相比,本文算法增加了一个相似块聚合的过程,使得学习的字典更小且更准确。利用自然图像包含很多的自相似,相似样本聚合学习出的字典比传统KSVD算法能更准确更稀疏的表示样本。稀疏度的提高使得重建后的信号更加的准确,适应性更好。实验证明本文算法取得了更好的视觉效果。     

基于小波的自适应快速图像降噪算法

本文提出了一种基于小波变换的、自适应阈值确定算法。较之著名的SureShdnk算法,它降低了算法复杂度,提高了降噪效果,更快更好地实现了图像降噪。实验结果表明,在大多数场合,本算法的降噪效果优于SureShdnk,同时,算法时间复杂度有了很大的降低。     

基于最小Bayes风险的小波域局部自适应图像去噪

简要介绍了广义高斯分布的基本概念和小波系数的分布特性,分析了BayesShrink法的原理并指出其存在的不足。以冗余小波变换为基础,利用子带内小波系数之间的相关性,提出了一种局部自适应的图像去噪策略。以当前小波系数为中心,选取尺寸合适的邻域窗口,以该窗口为单位估计相应的理想标准差和局部阈值,再通过软化处理达到系数收缩的目的。实验表明,该算法能有效滤除图像噪声,较好地保留了图像纹理和细节等重要信息,取得了较高的峰值信噪比和较好的视觉效果。     

改进的自适应小波阈值法及其在测井曲线去噪上的应用

对测井曲线的各种去噪方法进行总结,根据小波阈值去噪法的优越性,提出一种改进的自适应小波阈值去噪法。选取Matlab工具箱里自带的曲线和测井曲线进行小波阈值去噪测试,改进的自适应小波阈值方法去噪方面表现优秀。新方法在滤除噪声的同时还能更好地保留信号的细节。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。