图像的小波指数降噪法及其应用

在图像降噪处理中,采用小波阈值降噪法会产生马赛克现象,造成降噪后图像失真。为此,提出了小波指数降噪法,即利用指数降噪因子除小波系数。降噪因子大于1,且随小波系数绝对值的增大而减小。实验表明,该算法在保持较高信噪比的条件下,减轻了马赛克现象。     

扩展方向树的遥感图像小波包压缩算法

针对遥感图像纹理丰富、空间相关性弱,普通压缩算法容易造成高频信息丢失的特点,本文利用小波包优良的高频分析能力,提出一种结合SPIHT的小波包编码算法.该算法采用类似SPIHT算法的零树结构,通过重新定义方向树,即扩展方向树,改变小波包各节点之间的对应关系,解决小波包分解时产生的"父冲突"问题.同时,对扩展方向树的合理性进行了实验验证,并结合SPIHT算法实现了整个编解码.实验结果表明,对于富含纹理的遥感图像,在1bpp的压缩率下,该算法峰值信噪比(PSNR)超出SPIHT算法0.5-1dB,且视觉效果更好.     

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...     

基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。     

架构于抗混叠轮廓波的红外图像插值放大算法

为了在放大红外图像时保持边缘或轮廓的正则性,提出一种基于抗混叠轮廓波变换的图像插值放大算法.该算法首先结合抗混叠塔式滤波器组和方向滤波器组,构造出抗混叠的轮廓波变换;然后将原始图像的小波域线性插值结果看成是放大图像的初始估计,输入到一个迭代过程;在每次迭代中,将放大图像看成是理想高分辨率图像的含噪逼近,并对其实施抗混叠轮廓波变换,根据变换系数的稀疏性约束实现降噪处理;最后,经过若干次迭代得到理想的红外放大图像.实验表明,对于测试图像,经过迭代处理后峰值信噪比平均提高了0.837 dB;且该算法在视觉质量上明显优于双线性插值算法及基于小波的算法.     

小波域隐Markov树模型降噪算法的改进

提出了适应于更一般情况的基于小波域隐Markov树(HMT)模型信号降噪的改进算法。通常算法以数个零均值高斯函数加权之和描述信号小波系数统计分布,在有些情况下可能带来严重失真。改进算法以一般统计模型描述信号小波系数分布,以最优估计方式对其降噪,能够避免不适当统计模型可能带来的潜在失真。数据仿真表明该算法有时可以减少降噪信号的MSE(均方误差)80％以上。     

基于小波系数相关性和局部拉普拉斯模型降噪方法

提出了一种基于小波系数尺度间相关性和局部拉普拉斯模型降噪方法.首先利用小波系数相邻尺度间的相关性对各尺度上系数进行分类,将小波系数分为有效系数和无效系数两类;然后将两类小波系数分别采用相应规则进行处理:对无效小波系数直接进行置零;而对有效系数邻域内的小波系数统计分布进行局部拉普拉斯建模.在此先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出信号的小波系数;最后利用真实信号小波系数的估计值来重构信号,便得到降噪信号.分析结果表明,与传统的软、硬阈值去噪方法相比,该方法可以更有效地消除信号中的噪声,提高信号信噪比.     

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。     

提高光斑图像质心精度的去噪方法

在空间光通信中,光斑图像噪声直接影响质心精度。利用小波的方法估计出这种噪声属于广义的高斯噪声,因此,提出了一种基于Bayesian估计的小波降噪方法。该方法以“Haar”函数为小波基,对带噪图像作正交小波变换;通过对小波系数的概率密度函数建模,用Bayesian方法估计无噪原始图像的小波系数;用估计出的小波系数重构得到消噪图像。实验表明,对同样的光斑图像,中值滤波降噪法质心偏离1.8μm;全局阈值法小波图像消噪法质心偏离0.8μm;而Bayesian估计的图像小波消噪方法,峰值信噪比从-12.084 dB提高到10.048 dB,质心偏离仅0.03μm。     

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。     

非下采样Contourlet变换域统计模型红外图像去噪

对红外图像进行非下采样Contourlet变换,分析其系数的统计特征,采用广义高斯分布来模拟系数的概率分布。根据非下采样Contourlet变换的带通子带各方向能量不同的特点,提出修正的贝叶斯阈值公式,为了克服软、硬阈值函数的缺点,又提出一种具有可调节自适应性的新阈值函数,最后利用新阈值函数估计出不含噪声的变换系数,并通过非下采样Contourlet逆变换得到去噪后的红外图像。仿真实验表明,文中方法在峰值信噪比及视觉效果上均优于经典的小波阈值去噪算法。     

Fusion of noisy images based on joint distribution model in dual-tree complex wavelet domain

Source images are frequently corrupted by noise before fusion, which will lead to the quality decline of fused image and the inconvenience for subsequent observation. However, at present, most of the traditional medical image fusion scheme cannot be implemented in noisy environment. Besides, the existing fusion methods scarcely make full use of the dependencies between source images. In this research, a novel fusion algorithm based on the statistical properties of wavelet coefficients is proposed, which incorporates fusion and denoising simultaneously. In the proposed algorithm, the new saliency and matching measures are defined by two distributions: the marginal statistical distribution of single wavelet coefficient fit by the generalized Gaussian Distribution and joint distribution of dual source wavelet coefficients modeled by the anisotropic bivariate Laplacian model. Additionally, the bivariate shrinkage is introduced to develop a noise robust fusion method, and a moment-based parameter estimation applied in the fusion scheme is also exploited in denoising method, which allows to achieve the consistency of fusion and denoising. The experiments demonstrate that the proposed algorithm performs very well on both noisy and noise-free images from multimodal medical datasets (computerized tomography, magnetic resonance imaging, magnetic resonance angiography, etc.), outperforming the conventional methods in terms of both fusion quality and noise reduction.     

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。     

Multifocus noisy image fusion using contourlet transform

Abstract

Image fusion is a challenging area of research with a variety of applications. The process of image fusion collects information from different sources and combines them in a single composite image. The composite fused image can better describe the scene than any of the source images. In this paper, we have proposed a method for noisy image fusion in contourlet domain. The proposed method works equally well for fusion of noise free images. Contourlet transform is a multiscale, multidirectional transform with various aspect ratios. These properties make it more suitable for image fusion than other conventional transforms. In the proposed work, the fusion algorithm is combined with a denoising algorithm to reverse the effect of noise. In the proposed method, we have used a level dependent threshold that is based on standard deviation of contourlet coefficients, mean and median of the absolute contourlet coefficients. Experimental results demonstrate that the proposed method performs well in the presence of different types of noise. Performance of the proposed method is compared with principal components analysis and sharp fusion based methods as well as other fusion methods based on variants of wavelet transform like dual tree complex wavelet transform, discrete wavelet transform, lifting wavelet transform, multiwavelet transform, stationary wavelet transform and pyramid transform using six standard quantitative quality metrics (entropy, standard deviation, edge strength, fusion factor, sharpness and peak signal to noise ratio). The combined qualitative and quantitative evaluation of the experimental results shows that the proposed method performs better than other methods.     

一种结合小波变换和维纳滤波的图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

一种采用多个小波基的图像融合去噪方法

提出了一种新的基于多个小波基的图像融合去噪方法.首先利用多个不同的小波基对含噪图像进行阈值去噪,得到多幅恢复图像.然后对这些图像采用小波融合方法进行融合.对于低频系数采用基于边缘的融合算法,在多幅恢复图像中选择最有可能是边缘的点加以保留;对于高频系数,采用了平均的融合算法.最后得到一幅去噪图像.实验结果表明,无论是在视觉效果上还是在峰值信噪比定量指标上该方法去噪效果均明显优于单一小波基去噪.     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

基于Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明，信号的变换域系数在尺度间相关性高，而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数，并结合阈值函数，提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明，新方法去噪后的图像比小波相关去噪算法的PSNR值更高，视觉效果更好，尤其适用于纹理轮廓丰富的图像去噪。     

应用轮廓波和稀疏编码收缩法消噪毫米波图像

结合以峭度为稀疏标准的稀疏编码算法的高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和稀疏编码收缩技术的毫米波图像消噪方法。稀疏编码是一种有效的模拟视觉系统的图像特征提取方法,根据提出的特征系数的稀疏先验分布知识,能够自适应地确定收缩阈值。把该收缩技术应用到轮廓波变换域,能够很好地减弱毫米波图像中的未知噪声。采用相对信噪比评判消噪图像的质量,仿真实验表明,与标准稀疏编码收缩方法、轮廓波变换域降噪方法以及小波软阈值收缩方法相比,该降噪方法能够获得较好的图像恢复质量。     

一种结合时间轴滤波的视频消噪新方法

为了提高含噪视频图像的质量,提出了一种二维小波域自适应滤波与时域时间轴滤波相结合的视频图像消噪新方法。首先,对视频序列的各帧在二维小波域中进行自适应滤波,之后在时域中进行时间轴滤波。对于二维小波域滤波算法,提出了一种高效的自适应阈值选取方案;时间轴滤波器则是结合了运动检测和递归平均。实验结果表明,其消噪效果要优于单纯的二维小波域滤波方法。