图像小波阈值去噪中马赛克现象的处理

在图像去噪处理中，采用小波阈值去噪法会产生马赛克现象，造成图像失真．为此作者提出了利用指数函数处理小波系数的去噪方法，可以保证在与阈值去噪法获得同样信噪比条件下，减轻马赛克现象，并利用超声C扫描粘接检测图像验证了该算法的有效性．     

采用零树结构分类小波系数的红外图像降噪

红外图像易受噪声污染,为了改善红外图像的质量,提出了一种基于零树结构分类小波系数的红外图像降噪算法.该算法利用小波零树结构表达尺度间的相关性,通过空间自适应阈值将小波系数进行分类,并根据不同类系数的统计特性采用不同的先验分布模型,在贝叶斯框架下实现降噪.实验结果表明,本文算法在峰值信噪比(PSNR)指标上优于传统算法;从视觉效果来看,该算法在有效去除图像噪声的同时能较好地保持空间细节,可以满足当前红外图像降噪的需求.     

基于粒子群优化的多小波图像降噪

提出一种基于粒子群优化的多小波图像降噪方法.该方法首先根据图像降噪的特点,采用粒子群算法优化CL多小波的前置滤波器,实现了图像多小波变换的自适应预滤波;接着对一幅含噪声图像进行多小波分解,根据多小波分解后的能量分布特性,对小波系数进行阈值处理;后经多小波反变换,得到重构图像.实验表明,本文方法的客观性能(PSNR)和主...     

基于Matlab小波分析的图像降噪研究

波包理论是在小波基础上发展起来的时频分析理论,在图像降噪中取得了较好的应用。介绍小波分析和小波包的基本理论,分析几种基于小波和小波包的图像降噪的方法,并且在此基础上,利用Matlab R2008b编程与仿真,对其结果进行分析与比较,实验表明,图像降噪效果与阈值的选取密切相关,小波包降噪后的效果比小波更好。     

基于模极大值和尺度理论的音频降噪方法

在数字化时代,音频的转录或录制都会引入噪音,但是历史音频保存和音频资料处理需要纯净的音频信号,因此音频降噪研究有着重要的现实意义。该文首先介绍了二进小波和奇异性指数,并阐述了尺度跟踪和模极大值重构等理论,在Mallat工作的基础上,提出了一种基于小波滤波的音频降噪方法。该方法首先引入补偿因子削减二进小波变换对系数造成的影响,并计算带噪音频的小波系数和模极大值;然后基于信号和噪声奇异指数不同的特点,结合阈值降噪和尺度跟踪理论,采用层间相关搜索去除噪声的模极大值;最后利用交替投影算法,重建音频信号。本文用该方法处理带click和hiss噪声的音频信号,跟小波阈值方法和小波包方法相比,能达到较好的听觉效果和信噪比。同时观察信号的波形图及模极大值演示图,发现本方法都表现出优异的降噪效果。     

复数小波统计模型在图像降噪中的应用

复数小波变换具有平移不变性和多方向选择性,适用于图像去噪。对自然图像复数小波系数统计分布进行建模,提出了一种新的概率密度函数。在此先验分布的基础上,通过运用最大后验概率估计方法从含噪系数中恢复原始系数,来达到滤出噪声的目的。数值实验表明本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下(n=30),较其他常见方法至少高1.9dB左右。     

多小波阈值降噪法在钢丝绳缺陷检测中的应用

在介绍多小波理论和分析传统多小波阈值函数存在的问题的基础上,提出了一种新的多小波阈值函数. 详细地讨论了该函数的数学性质,该函数对大于阈值的小波系数采取缓变的压缩策略,压缩量随着小波系数的增大而减小. 将其应用于钢丝绳缺陷信号的降噪中,与传统多小波阈值函数的降噪进行了比较. 实验结果表明,该阈值函数降噪后重建信号的信噪比(SNR)高,能检测到钢丝绳缺陷信号中的全部小奇异点,其降噪效果优于传统多小波阈值函数法.     

医学B超图像降噪处理的三种方法比较

针对医学B超图像的噪声特点，将采集到的医学B超图像输入计算机，然后用Matlab语言编制中值滤波、自适应滤波和小波阈值降噪程序，分别对同一图像运用3种方法降噪，并比较结果，得出其图像质量都有所改善，且自适应滤波和小波阈值降噪方法处理的效果更好，尤其是小波方法更优越一点．     

K-SVD小波降噪在齿轮故障诊断中应用

针对早期齿轮故障诊断中噪声干扰大,故障特征难以提取的问题提出基于K-SVD稀疏表示小波降噪算法。该算法克服传统小波阈值降噪算法只对小波系数进行逐点处理,而忽略小波系数整体架构的缺点,充分考虑小波系数结构特点,在强噪声下仍具有很好稳健性。通过对模拟信号和实测发动机减速器齿轮毂信号分析,证明小波降噪算法正确性和在实际工程应用中的价值。     

基于小波降噪算法的动态测试系统

针对目前陀螺导航装备缺乏动态性能测试方法的状况,本文提出并实现了车载动态性能测试系统.并根据航向数据非连续变化的特点,提出了基于周期平移的小波阈值降噪算法.该算法通过对信号的分段周期平移、阈值降噪、逆平移的方法实现降噪,有效地克服了常规小波阈值降噪算法带来的Pseudo-Gibbs现象.仿真及实测数据表明采用该算法能够在有效剔除异常点、消除噪声的同时,消除降噪信号中的Pseudo-Gibbs现象.跑车实验表明车载动态性能测试系统为陀螺导航设备提供了有效的解决方案和统一的测试平台.     

基于小波域局部统计模型的图像去噪方法

提出了一种基于小波域局部统计模型图像去噪方法.该方法利用图像小波子带的方向性特点以及小波系数尺度内和尺度间的相关性:将小波系数尺度内的相关性建模为一种各向异性马尔可夫随机场(Markov Random Field,MRF)先验概率模型,将小波系数尺度间的相关性建模为局部奇异性的条件概率模型.通过在贝叶斯框架中采用这种先验概率模型和条件概率模型可以得到一种具有自适应性的贝叶斯萎缩函数.利用这种萎缩函数可以实现对小波系数的修正.实验结果表明利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节.     

基于小波变换和均值滤波的图像去噪方法

将小波变换和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行小波分解,获得不同频带的子图像.将低频近似图像保持不变,对水平、垂直和对角三个方向高频细节图像根据其特性采用三种不同形状的模板进行均值滤波,最后将低频近似图像与三个均值滤波后高频细节图像合成得到去噪后的图像.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单一小波阈值法和均值滤波法.     

采用离散余弦变换的小波图像去噪方法

提出一种通过对小波域中噪声能量的估计来进行去噪的新方法。算法采用离散余弦变换(DCT)提取小波系数的主要特征,无需对噪声方差进行估计。对图像进行小波分解,利用 DCT对高频子带进行局部特征提取;利用部分 DCT 系数对小波系数进行重建,并以重建系数的平均能量作为局部噪声能量的估计;去除原小波系数中的噪声分量后,进行小波逆变换,得到去噪后的图像。实验证明,其峰值信噪比(PSNR)比通常的阈值萎缩法提高了 2-4dB。     

一种基于小波变换的多聚焦图像融合方法

提出了一种基于低频系数局部区域梯度信息的多分辨率图像融合方法。根据局部梯度信息对源图像的小波低频系数进行选择,获取融合图像的对应低频系数。依照平均误差、峰值信噪比、均方根误差以及偏差度、熵等评价标准,将该方法的多聚焦图像融合效果与其他三种常用低频系数融合方法的效果进行了比较。实验结果表明,该方法获得的大部分评价指标都优于其他三种方法,且其最佳小波分解层数为2层,而其他三种方法的最佳小波分解层数为5层。最佳小波分解层数越少,图像融合的计算量越小。该方法在减少计算量的同时,提高了融合质量。     

Wavelet‐based denoising and its impact on analytical SPECT reconstruction with nonuniform attenuation compensation

In single photon emission computed tomography (SPECT), the nonstationary Poisson noise in projection data (sinogram) is a major cause of compromising the quality of reconstructed images. To improve the quality, we must suppress the Poisson noise in the sinogram before or during image reconstruction. However, the conventional space or frequency domain denoising methods will likely remove some information that is very important for accurate image reconstruction, especially for analytical SPECT reconstruction with compensation for nonuniform attenuation. As a time‐frequency analysis tool, wavelet transform has been widely used in the signal and image processing fields and demonstrated its powerful functions in the application of denoising. In this article, we studied the denoising abilities of wavelet‐based denoising method and the impact of the denoising on analytical SPECT reconstruction with nonuniform attenuation. Six popular wavelet‐based denoising methods were tested. The reconstruction results showed that the Revised BivaShrink method with complex wavelet is better than others in analytical SPECT reconstruction with nonuniform attenuation compensation. Meanwhile, we found that the effect of the Anscombe transform for denoising is not significant on the wavelet‐based denoising methods, and the wavelet‐based de‐noise methods can obtain good denoising result even if we do not use Anscombe transform. The wavelet‐based denoising methods are the good choice for analytical SPECT reconstruction with compensation for nonuniform attenuation. © 2013 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 23, 36–43, 2013     

基于复小波变换与层间模型的图像去噪

很多小波去噪方法认为小波系数是相互独立的,然而大量实验表明实际图像的小波系数之间是有较强的依赖性。在本文中,我们将利用复小波变换的优势以及小波系数之间的依赖性,提出一种新的图像去噪方法。该方法先确定滤波器系数,再对复小波变换系数建模,并根据MAP准则给出系数的收缩方法进行去噪处理,最后作复小波逆变换。同时在变换的系数抽取之前估计系数的方差,可以使方差估计更准确。     

第二代曲波变换的图像降噪新算法

Curvelet变换表示曲线奇异函数的异向性及图像边缘时,具有比小波变换更优的表示特性。针对小波图像降噪存在的不足,分析基于wrapping算法的快速离散曲波变换的特点,提出结合循环平移、厄尔迭代方法和蒙特卡洛阈值规则的新消噪方法。该算法充分利用曲波系数的相关性,消除了因Curvelet变换缺乏平移不变性引起的图像＂划痕＂失真和＂振铃＂效应。实验结果表明,该算法与传统的小波消噪、二代小波消噪、小波包消噪和曲波硬阈值消噪相比,得到降噪图像的峰值信噪比更高,视觉效果更好。     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

基于线性混合小波基的图像去噪

单小波基由于时频特性难以与复杂的图像特征相匹配,限制了小波闽值算法在图像去噪效果上的进一步提高.提出了一种基于线性混合小波基的图像去噪方法,将多个不同特性的正交小波基进行线性混合构成一个新的小波基,用该混合小波基对图像进行分解后再通过阈值处理实现去噪.调节混合系数,可使混合小波基的时频特性与图像特征相匹配,从而提高小波阈值去噪效果.实验结果表明,该方法去噪效果优于参与混合的各单小波基去噪效果,其峰值信噪比(PSNR)最大可提高3.5 dB.