基于父系数及邻域系数的DTCWT图像去噪方法

目前小波变换（DWT）在图像去噪中的应用取得了较好的效果,但DWT不具有位移不变性和良好的方向性。而二维双树复数小波变换（DTCWT）由于具有良好的平移不变性和方向选择性,比传统的二维离散小波变换具有更好的图像去噪能力。根据基于当前系数与父系数及邻域系数间的关系,本文构造了DTCWT图像去噪阈值计算公式,提出了一种去噪声新方法PNDTCWT（Parental and neighboring coefficients of DTCWT）。该方法在对图像进行二维DTCWT变换后,利用阈值公式根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理。最后经过二维DTCWT反变换,得到去噪结果。实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法。和基于父系数的DTCWT去噪方法相比,PNDTCW的PSNR平均提高了0.5dB左右。从视觉效果来看,PNDTCW在去除噪声的同时,能较好的保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象。     

基于BEMD与双树复小波-局部Wiener滤波的毫米波图像去噪

为了有效地去除毫米波图像中含有的噪声,提高目标识别的精度,提出一种将二维经验模式分解(BEMD,Bidimensional Empirical Mode Decomposition)与基于双树复小波变换(DTCWT)的加窗局部Wiener滤波相结合的图像去噪算法。首先,对毫米波图像进行BEMD分解,得到不同特征尺度的本征模函数(IMF,Intrinsic Mode Function)子图像集;其次,利用双树复小波变换对中高频IMF子图像进行多尺度、多方向分解,并结合带有椭圆方向窗的局部Wiener滤波算法对各个高频方向子带进行去噪;最后通过DTCWT逆变换重构得到去噪后的IMF,并与残差图像相加进行BEMD重构。实验结果表明,该融合算法与单独的BEMD,DTCWT-Wiener滤波及离散小波变换-Wiener滤波算法相比,去噪后图像的视觉效果更好,提取的目标的边缘及细节特征更清晰,因而峰值信噪比最高。     

一种新型图像变换方法在图像去噪中的应用

新型Contourlet变换取代第二代Bandelet变换中的二维小波变换,获得了一种新的图像变换方法--CBlet变换.其中新型Contourlet捕获图像边缘的几何结构,Bandelet化过程自适应地搜索到最佳的几何结构并去除它们的相关性,以获得更稀疏的图像表示.采用分层多阈值去噪方法,并且引入cycle spinning操作来减少伪Gibbs和皱波效应,提高了去噪图像质量.实验表明,无论在峰值信噪比(PSNR)还是视觉质量,基于CBlet变换的去噪方法均优于基于新型Contourlet变换的方法.     

一种具有边缘保持特性的超声图像小波域阈值去噪新方法

超声图像去噪是医学图像处理的研究热点之一,基于小波域阈值去噪技术及阈值选取方法的分析,提出一种新的医学超声图像小波域阈值去噪方法.这种方法采用半-软阈值去噪技术和广义交叉确认函数寻找阈值,在有效去噪的同时较好地保留了图像边缘细节.首先, 把对数超声图像小波分解;然后,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值,对所有的高频段采用半-软阈值去噪; 最后, 经小波反变换和指数变换获得去噪后的超声图像,文末对超声图像小波域阈值去噪方法作出定性比较,并对算法的去噪性能给出定量分析.仿真实验和实际测试结果表明此方法是有效的、可行的.     

基于改进双树复小波的光谱去噪算法研究

为了消除可见光近红外光谱噪声,提高利用光谱曲线进行信息提取的精度,提出一种改进双树复小波变换(DTCWT)的后验估计及广义形态滤波的光谱去噪方法。首先对带噪信号进行双树复小波分解,将信号的高频部分和低频部分进行分离。然后分别采用最大后验(MAP)估计算法和广义形态学滤波(GMF)对高频系数和低频系数进行去噪处理。最后对去噪后的高频系数和低频系数进行DTCWT反变换,得到去噪光谱。对USGS光谱库中的植被光谱以及铁铝榴石光谱进行实验,结果表明该方法易于实现,去噪效果理想,是一种很好的可见光近红外光谱去噪方法。     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

应用二维双通道滤波器组的合成孔径雷达相干斑抑制模型

为了提高合成孔径雷达(SAR)图像相干斑抑制能力,建立了二维双通道滤波器组多级结构的相干斑抑制模型.对双通道一维滤波器组进行Mcclellan变换,得到相应的二维双通道滤波器组;由于Mcclellan变换采用零相位映射方式,使二维双通道滤波器组保留了原一维滤波器组的相位和频率响应的特点.建立了双通道二维滤波器组的多级结构,在分解结构中,每级都采用非下采样方式,使其具备平移不变性;最后建立相应的SAR相干斑抑制模型,即对SAR图像先进行同态变换,将乘性噪声变为加性噪声,再利用双通道二维滤波器组多级结构进行分解,对得到的各级高频部分利用简单阈值方法实施信噪分离.模拟实验结果表明,对实验中受噪声污染的航拍图像,本文方法比二维向量积小波降噪方法的信噪比提高了近1 dB;而对原始SAR图像,去噪后等效视数相近,峰值信噪比提高了4.5 dB.因此该方法在噪声抑制和细节保持上要优于二维小波变换.     

基于Contourlet变换在图像去噪中的应用

Contourlet变换是小波变换的新发展,能更有效地捕捉图像中的几何结构。本文提出一种基于Contourlet变换的图像去噪方法。该方法通过对阈值去噪中的统一阈值和阈值函数进行分析,构造出一个新的阈值函数,新阈值函数在一定程度上改进了统一阈值"过扼杀"Con-tourlet系数的缺点,同时也使硬阈值去噪中出现的伪吉布斯现象得到解决。实验结果表明,本文采用的方法提高了去噪后图像的PSNR值,同时有效地保留了图像纹理信息,使视觉效果更好。     

二维小波变换在磨粒图像处理中的应用

将小波理论用于磨粒图像处理,基于磨粒及磨粒图像处理的特点与要求,提出以二维小波分解重构和小波系数矩阵变换为核心的磨粒图像除噪、压缩和增强实现步骤与算法。结果表明,二维小波变换能有效去除噪声,突出图像细节,改善图像质量,提高磨粒特征提取的可靠性;压缩后的图像能保持磨粒特征,且恢复质量好。     

航空图像的小波去噪

航空图像,除了含有一般数字图像的噪声之外,还有大气扰动产生的噪声,线阵CCD产生的积分条纹噪声等,所以去除噪声对于航空图像来说尤为重要.本文采用二维离散小波sym4阈值降噪的方法对图像进行去噪,实验中将原始航空拍摄图像加入了σ=15的高斯白噪声,对含噪图像进行二维离散小波变换分解成不同分辨率子图像,并对各子图像进行阈值化处理,处理后图像又进行了小波逆变换,从而获得了降噪后的航空图像.含噪图像的PSNR(峰值信噪比)为27.53,去噪后PSNR为29.14.该方法有效降低了噪声,又保持了图像的细节,与传统的滤波降噪相比,降噪效果有较大改善.由实验结果证明了这是一种有效的航空图像降噪手段.