SAR图像滤波的小波域多尺度HMM方法

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了基于小波域多尺度隐马尔可夫模型(HMM)的去噪方法.该方法首先分析了小波域系数的统计特性,利用B样条小波基所生成滤波器的线性相位性对图像系数进行了统计建模,通过将1D信号的处理技术应用到2D信号,实现了图像系数建模更为准确、参数训练速度更快、斑点噪声抑制更加有效的目的.与常用的几种滤波算法相比,实验结果也表明该方法在平滑噪声和保持有用信号细节两方面均显示出了较好的效果.     

多尺度图像迭代去噪

为了解决传统图像去噪算法仅对平稳噪声或缓慢变化噪声有效，且存在残留图像噪声较大的问题。研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及图像和噪声小波模极大值随尺度的变化大小不同，运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小，完成了多尺度图像去噪。实验结果表明：对峰值信噪比较低的图像去噪，本方法去噪后峰值信噪比比传统的方法高，并且保留较多的图像细节。该算法对平稳和非平稳的噪声都能进行较好地去噪。     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。     

小波变换在图像匹配技术中的应用研究

针对单一图像匹配算法抗噪声能力和抗几何形变能力差、以及计算量较大等问题,提出一种基于小波变换后图像统计特征的图像匹配识别算法.利用小波对图像进行多个尺度的二维小波变换,分析反映图像在不同尺度和不同方向上能量分布情况,通过计算统计特征量和标准图库中图像统计特征量之间的夹角,确定待识别目标,利用该方法对图书条形码进行识别.研究结果表明:采用小波变时频特性对图像进行去噪处理以及边缘检测,能够剔除图像噪声干扰并充分保留原始图像信息;将小波变换后的近似系数、水平、垂直和对角部分的细节系数作为统计特征量,提取的特征量跟模板图像的统计特征量进行相似度匹配,将两个特征向量的夹角余弦作为相似度的衡量指标,根据夹角余弦的大小确定该区域是否目标区域.     

图像噪声方差的小波域估计算法

为提高噪声方差估计准确度,在Donoho经典估计方法基础上,提出一种基于原始图像小波系数估计的算法.该算法通过挖掘小波尺度间的相关性,估计出原始图像小波系数,将含噪图像小波系数与之相减,得到较纯粹的噪声系数,再利用Donoho的方法进行估计.实验结果表明,该方法性能明显优于传统方法,尤其在噪声幅度较小或图像细节较丰富时性能表现更佳.     

基于多尺度自适应小波阈值的SAR图像降噪

为了抑制合成孔径雷达(synthetic aperture radar,SAR)成像系统所固有的相干斑噪声,提出一种小波域的多尺度自适应阈值滤波算法.本算法基于BayesShrink阈值,利用多尺度小波系数的局部统计量估计参数和阈值,并结合空域增强Lee算法的思想,平滑均匀区域,保留斑点发育不完全区域.实验结果表明,相对于传统的空域滤波算法、小波软阈值去噪算法和BayesShrink软阈值算法,本算法等效视数(equivalent number of looks,ENL)和边缘保持指数最高,能有效抑制斑点噪声,并且很好地保存了边缘细节。     

图像噪声方差分段估计法

为了提高对较小噪声估计的准确性,提出一种图像噪声估计的新方法.该方法基于图像小波细节系数的统计特性,用分段函数进行分析处理.将原始图像进行小波变换,根据传统的Donoho方法得出噪声标准方差的初始估计值,将初始估计值根据提出的公式进行处理.实验结果表明,所提方法比传统的小波噪声估计方法更准确,特别是对于图像噪声较小（标准差小于20）和细节较多的图像.将所提方法和传统方法估计出的噪声方差分别代入小波阈值去噪方法中,所提方法去噪效果更好,能更好地保持图像细节,当噪声标准差等于10时,峰值信噪比（PSNR）至少比传统方法高0.6 dB.     

基于自适应收缩因子的SAR图像去噪

针对合成孔径雷达 (SAR)图像固有的斑点噪声 ,提出了基于自适应收缩因子的去噪方法 .该方法首先将图像分解至平稳小波域 ,利用与信号相关小波系数的空间及尺度相关性 ,自适应地得到收缩因子 ,修正小波系数 .与基于Mallat分解的阈值去噪及Wiener滤波相比 ,该方法在有效抑制SAR图像噪声的同时 ,较好地保持了图像边缘细节 ,达到了理想的去噪效果     

最优小波尺度空间的图像边缘检测方法

根据图像和检测算子的特性,以相关性为准则,使用遗传算法对图像小波变换的尺度进行选择,从而构成一种自适应的高斯小波尺度空间.融合该空间下不同尺度检测的图像边缘,使得整幅图像的边缘细节丰富清晰,具有更好的抗噪性能.对测试图像使用Canny算法、单尺度、二进尺度和自适应尺度小波进行边缘检测,验证了该算法在去除噪声和准确定位方...     

一种用于医学图像恢复的紧小波标架算法

为更好地消除噪声,保留细节信息,根据图像和噪声的小波系数在频域呈现的不同特性,提出了一种基于区域的消噪方法.将该消噪算法插入到小波标架算法中,在消除噪声的同时恢复了部分丢失的系数.实验结果表明,在没有增加计算复杂度的情况下,无论是峰值信噪比还是视觉效果都有了明显改善.     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

利用小波变换技术星载SAR图像的斑点噪声

利用小波变换技术对星载合成孔径雷达（SAR）图象斑点噪声进行抑帛与滤除。选择合适的小波基对SAR图像进行小波分解,分析噪声对小波系数的贡献;针对噪声与图象灰度之间的乘性关系和SAR图象斑点噪声在空间上相关的特点设置适当的阈值,在小波域内滤波;通过小波重构技术获得滤波后的SAR图象。实验证明,该方法能有效地抑制SAR图象中的斑点噪声。     

小波域中的广义非局部平均去噪算法

图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述．使用广义高斯分布对图像子带小波系数进行建模并估计广义高斯分布模型的参数,根据参数确定了非局部平均权值的广义表达式,在此基础上提出了一种基于广义高斯分布的小波域广义非局部平均去噪算法．仿真结果表明,相比小波域阈值去噪和小波域非局部平均去噪算法,该方法的峰值信噪比平均提高1.5～3.3dB,在边缘特征方面保持了良好的视觉效果．     

基于EMD小波阈值化的SAR图像斑点抑制

为有效抑制SAR图像斑点噪声,提出了基于EMD小波阈值化的斑点抑制方法．该方法首先用EMD方法将含斑点噪声的SAR图像分解为若干层基本分量,对前几个分量用小波阈值化方法进行处理,然后重构图像,从而达到抑制斑点噪声的目的．实验结果表明,该方法同小波阈值方法和二维EMD方法相比,去噪效果较明显,在抑制斑点噪声的同时,较好地保持了边缘和细节信息．     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

一种复合的SAR图像去噪算法

针对SAR图像噪声影响分辨率的问题,提出一种新的复合SAR图像增强和去噪方法．该方法首先利用信号的小波相邻尺度相关性将信号和噪声分离,然后根据SAR图像近似瑞利分布的特点把SAR图像转换为近高斯分布,再分别利用复数扩散震动滤波器对SAR图像信号部分进行增强,用各项异性扩散方程对含噪部分进行去噪,最后用小波平稳变换对图像进行重构．实验结果表明,与传统的SAR图像去噪算法相比,新算法在边缘增强和噪声去除能力方面均有显著提高．     

基于视觉掩蔽的二维数字水印算法

提出一种基于视觉掩蔽的小波域二维数字水印新算法.该算法先将水印和图像进行多尺度分解,将分解的水印低频系数嵌入到具有相同尺寸的图像的低频系数中,重构得到水印图像,而水印分解中的高频系数将被保留,在水印检测过程中作为密钥使用.为了实现视觉掩蔽,在嵌入过程中,利用图像小波分解人眼的视觉系统特性,使得水印在不可见和鲁棒性都得到提高.检测水印时需要原始的未加水印的图像.实验结果表明,算法对压缩、加噪、线性滤波、剪裁等具有较高的鲁棒性.     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。