一种基于Contourlet变换的图像去噪方法

在变换域阚值去噪过程中，阈值的选取和阚值处理方法至关重要。提出一种基于conmurlet变换的图像去噪方法。采用分层阈值，为每一级contourlet系数选取一个阈值。阈值处理中给出一种基于邻域的阈值处理方法，不仅考虑单个系数幅值的大小，而且考虑它的邻域系数幅值的大小。同时为了抑制在去噪图像边缘附近的伪吉布斯效应，引入cycle spinning来抑制这种图像失真。实验结果表明，利用文中去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

基于context模型的contourlet域图像去噪

在分析contourlet域系数分布特征的基础上提出了一种基于context模型的contourlet域图像去噪算法。算法的关键点在于:基于contourlet变换系数的分布特性,确定合适的去噪门限;利用context模型建立图像contourlet变换后的系数分类模型并根据分类使用不同的门限去噪。实验表明,本方法能较好地去除图像噪声,在提高去噪图像PSNR值和改善主观视觉效果方面都表现出了良好的性能。     

一种红外图像去噪的多尺度几何分析法

针对红外图像处理中的去噪问题,提出了一种基于多尺度几何分析的去噪方法;首先给出了一种改进的模糊阈值选取方法,然后对图像进行bandelets变换,在此过程中对系数进行改进的模糊阈值处理,最终实现图像去噪,同时针对去噪问题给出了bandelets变换过程中压缩率阈值的选取方法;仿真结果表明,对于被加性高斯白噪声污染的图像,该方法的去噪性能要好于正交小波硬阈值去噪方法,并且能够获得很好的边缘保持效果。     

一种新的具有增强效果的小波域图像去噪方法

为了使去噪后的图像具有更佳的视觉效果,基于新近出现的一种小波域阈值去噪方法——NeighShrink,提出了一种具有细节增强效果的小波域图像去噪方法——增强型邻域收缩方法(enhanced NeighShrink,ENS)。该方法一方面继承了NeighShrink方法的优点,在对小波系数进行阈值处理时,由于考虑了其与邻域系数的相关性,从而大大减少了误判图像细节为噪声的情况,同时,通过改变NeighShrink方法中小波系数收缩因子的计算方法,用该方法去噪后的图像取得了高于NeighShrink方法的峰值信噪比;另一方面,通过引入一个细节增强因子P,使得该方法能够对图像细节进行增强,从而得到了更佳的视觉效果。通过实验证明,该方法能够在去噪和细节增强这两方面优于普通软阈值去噪方法和NeighShrink方法。     

基于平稳小波变换邻域系数萎缩的图像去噪法

为消除图像去噪过程中普遍存在的边缘失真,先利用Canny边缘检测算子提取含噪图像的边缘特征,使边缘图像的像素点和含噪图像的像素点一一对应,将含噪图像中边缘像素点的值设零,再将得到的去掉边缘信息的含噪图像进行二维离散平稳小波变换,对小波系数采用基于邻域的方法进行系数萎缩.该算法充分考虑了平稳小波系数的邻域性质,对处理后的小波系数进行平稳小波反变换得到平滑去噪图像,最后将边缘图像嵌入平滑图像中得到去噪后的图像.该算法能够在去除噪声的同时较好地保护图像的边缘,是一种有效的图像去噪法.     

基于小波变换的图像去噪研究

鉴于传统的去噪方法难于在时频域得到很好的兼顾,提出一种基于小波变换的去噪方法.通过对图像实施二维离散小波变换,在小波域中,选取适当的阈值对小波系数进行处理.Matlab仿真试验表明,具有很好的效果.     

非下采样Contourlet变换自适应图像去噪方法

提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比,该方法在保留图像边缘细节的同时,能提高图像的PSNR值,减少了Gibbs现象。     

一种基于非下采样Contourlet变换的自适应阈值去噪方法

文章提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整Bayes去噪阈值。实验结果表明：与小波阈值去噪方法对比,非下采样Contourlet自适应阈值去噪算法在保留图像边缘细节的同时,不仅能明显提高图像的SNR值,而且还减少了Gibbs现象。     

基于Contourlet变换的红外图像去噪技术

研究了一种基于Contourlet变换的红外图像去噪技术。在Contourlet域中使用硬阈值函数对Con-tourlet变换后的系数进行处理,经反变换即可得到较好的去噪图像。实验结果表明:与传统的小波阈值去噪方法相比,该方法能够更有效地保留红外图像的细节和纹理,具有更好的视觉效果和较优的信噪比。     

基于NSCT变换的遥感图像快速自适应去噪方法

针对遥感图像受噪声影响导致质量较低的问题,提出了基于NSCT变换的遥感图像快速自适应去噪方法.将Gibbs效应添加至Contourlet变换的图像处理环节,利用非下采样拉普拉斯金字塔与方向滤波器组构建NSCT变换.根据NSCT变换后遥感图像信号能量汇聚至小部分变换系数的特征,利用硬阈值快速去噪方法和NSCT变换系数邻域...     

一种循环平移的Contourlet变换去噪新方法

与小波变换相比,Contourlet变换等多尺度几何分析方法,可以更好地逼近含线奇异的高维函数。针对Contourlet变换缺乏平移不变性的缺陷,提出了一种基于Contourlet变换以及循环平移的图像去噪方法,即MCT方法。由于阈值去噪会在重构的图像中产生虚假成分（视觉魇像）,尤其是在奇异点附近交替出现较大的上下幅值振动。而循环平移的目的就是在给定范围内寻求最佳平移量（或平均平移量）,通过改变图像的排列次序,从而改变奇异点在整个图像中的位置来达到减小或消除振荡幅度,进而改善由于伪Gibbs现象所导致的蚊状噪声。实验表明,与抽样小波去噪相比,该方法明显可以更好地保持图像边缘;同时也一定程度上改进了传统Contourlet变换去嗓方法所带来的视觉魇像的缺点,较好的保留了图像的细节部分,且峰值信噪比（PSNR）也较高。     

基于边缘检测的Contourlet变换图像去噪

为了实现较好保留图像边缘特征的有效去噪,提出了一种基于边缘检测的Contourlet变换去噪方法。该方法先用LOG算子提取图像边缘,进而在Contourlet变换域上对图像的边缘部分和非边缘部分分别选取不同阈值进行最佳软阈值去噪处理。实验表明,与采用Donoho软阈值的Contourlet变换去噪方法相比,该方法可有效地保留图像的边缘信息,达到了更好的去噪效果。     

一种基于非抽样LP的Contourlet变换图像去噪方法

由于提高Contourlet变换冗余性可以抑制去噪结果中的伪Gibbs现象,因此为了提高变换冗余度和避免数据量过大,以进行快速有效的图像去噪,提出了一种基于非抽样LP的Contourlet变换图像去噪方法。该方法首先对带噪图像进行非抽样LP多尺度分解;然后对各子带图像进行临界抽样的DFB分解,再采用尺度相关的分层模型对各子带图像进行阈值处理;最后对处理后的子带图像进行DFB和LP重建,以得到去噪后的图像。与同类型有关方法进行的对比实验表明,在去噪后图像的PSNR值上,该方法比常规Contourlet变换方法至少提高1dB;在完成时间方面,该方法比其他改进方法快1倍以上。     

基于非下采样Contourlet的多传感器图像自适应融合

提出了一种基于非下采样Contourlet变换的多传感器图像自适应融合方法,采用黄金分割法搜索最优的低频融合权值.自适应地对多传感器图像的低频子带系数进行融合.非下采样Contourlet变换是一种新的图像多尺度、多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像,且该变换具有平移不变性,可以避免一般方法对融合图像引入的振铃效应,它的高频方向子带捕获了多传感器图像的显著特征,文中采用同一尺度下方向子带信息和取大的规则对高频系数进行融合.实验结果表明,与基于拉普拉斯塔、小波、平稳小波和Contourlet变换的方法比较,文中所提出的方法可以获得较好的融合效果.     

Image denoising in contourlet domain based on a normal inverse Gaussian prior

This paper presents a new image denoising algorithm based on the modeling of contourlet coefficients in each subband with a normal inverse Gaussian (NIG) probability density function (PDF). This PDF is able to model the heavy-tailed nature of contourlet coefficients and the local parameters model the intrascale dependency between the coefficients. Within this framework, we describe a novel method for image denoising based on designing maximum a posteriori (MAP). Furthermore, the cycle spinning algorithm is employed to modify the Gibbs phenomenon around edges caused by the lack of translation invariance of the contourlet transform. Experimental results prove that the new method can remove Gaussian white noise effectively, reserve image edges better and enhance the peak signal-to-noise ratio.     

改进的轮廓波图像匹配算法

与小波变换相比,轮廓波变换中LP滤波器的显著缺点是存在过采样和非正交特性。提出一种改进轮廓波变换方法,首先对待处理图像实施小波变换,然后对低频子带图像进行重建,可得到一个高频子带图像,使用滤波器组进行多方向划分。该方法既保持了临界采样又利于后面使用方向滤波器组来对高频部分进行方向划分。实验证明该方法的匹配效果优于小波变换及轮廓波变换。     

基于Contourlet变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题。Contourlet变换具有多尺度多方向性,将其引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出了一种基于区域统计融合规则的Contourlet变换多聚焦图像融合方法。先对不同聚焦图像分别进行Contourlet变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行反变换得到融合结果。文中给出了实验结果,并对融合结果进行了分析比较,实验结果表明,该方法能够取得比基于小波变换融合方法更好的融合效果。     

基于冗余Contourlet变换的图像相关法去噪

Contourlet变换是多尺度几何分析中十分重要的一种方法,可以实现灵活的多分辨、局部、多方向图像表示,但是由于不具有平移不变性,在图像去噪中易产生伪吉布斯现象,这里应用冗余Contourlet变换,具有平移不变性,且能有效表示图像几何纹理信息。在去噪应用中考虑分解系数的层间信息,将BivaShrink方法推广到冗余Contourlet变换中。实验结果表明,本文方法提高了去噪后图像的峰值信噪比(PSNR),同时有效保存了图像纹理信息,视觉效果更好。     

一种基于Contourlet的图像低码率SPIHT算法

Contourlet是一种优于小波的不可分离图像表示方法,它除了具有一般小波变换的多尺度、局部性外,还具有方向性、各向异性。为此,本文提出了一种基于Contourlet变换的SPIHT编码方法。首先,对图像Contourlet变换各子带系数的分布情况进行了统计分析;进而设计了一种基于Contourlet变换的空间方向树结构,该结构具有类似图像小波变换域中“零树”的特性;在此基础上实现了一种基于Contourlet变换的渐进式编码算法（CSPIHT）,该算法除了具有一般基于小波变换的零树编码算法的特性外,还具有方向性和各向异性的特点,特别对图像的边缘方向信息和纹理信息具有很好的捕捉能力和解码的视觉效果。实验结果表明,所提出的算法CSPIHT在低码率下其重构图像的PSNR要高于SPIHT算法;而对于中等码率,尽管重构图像的PSNR略低于SPIHT,但重构图像纹理和边缘区域的视觉效果要优于SPIHT。