基于小波变换的非平稳信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效, 且残留的信号噪声较大。基于小波变换的去噪算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换的模极大值随尺度的变化大小不同,得到噪声在小波域中的位置以及小波系数大小。实验结果表明：该算法对平稳和非平稳的噪声都能进行较好地去噪。     

基于粒子群优化的Shearlet自适应图像去噪

研究Shearlet变换域图像去噪阈值选取的问题,提出Shearlet变换域图像去噪自适应阈值选取方法.该方法根据Shear-let变换域不同尺度和方向系数的分布特性,采用粒子群优化算法自适应地确定各尺度和方向的最优阈值,实现基于图像内容的自适应去噪.仿真实验表明,该方法能有效滤除图像的噪声,较好地保留图像的边缘信息.同时,去噪后图像具有更高的峰值信噪比(PSNR).     

基于贝叶斯估计的杂交小波图像降噪新算法

针对传统图像去噪算法易丢失细节特征、峰值信噪比低等问题,受杂交育种学启发,借鉴遗传算法思路,提出了一种基于贝叶斯估计的杂交小波变换图像去噪算法。该算法以贝叶斯小波去噪后的图像作为父本,维纳滤波处理后图像作为母本进行杂交,对挑选出的个体进行逐代杂交和变异生成子代,将最优子代作为算法的最终解,对其解码还原为去噪后的图像。本算法去噪后的图像峰值信噪比远高于传统算法;去噪后的视觉效果也好于传统方法。实验结果表明该方法不仅能有效消除图像噪声,还能较好地保留图像边缘等细节特征。     

改进的小波域耦合偏微分方程图像去噪模型

针对全变分及四阶偏微分方程图像去噪模型的不足,利用小波变换能够聚焦到图像细微变化的优势,提出一种基于小波域的偏微分方程图像去噪算法。并通过对小波的阈值和阈值函数做适当的改进以及利用加权函数将全变分和四阶偏微分方程去噪模型相结合的方法,得到一种改进的小波域耦合偏微分方程图像去噪模型。MATLAB仿真结果表明,该模型和小波软阈值去噪、全变分模型以及四阶偏微分方程图像去噪模型相比,峰值信噪比有明显的提高,而且能够在很好地保留图像的边缘和细节信息的同时提高处理噪声的效率。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

一种改进正态逆高斯分布模型的图像去噪算法*

针对传统去噪算法去除含噪声较大的图像时仍有部分噪声残留的问题,本文基于变换域提出一种改进正态逆高斯分布的图像去噪算法。该算法在非下采样剪切波变换域,利用最优线性插值阈值函数改进正态逆高斯模型作为系数分布模型,对高频子带分解系数进行统计建模,以贝叶斯最大后验概率理论实现图像去噪。实验结果表明对于添加不同标准差的高斯白噪声图像,该算法在有效保留图像细节和纹理信息的同时在峰值信噪比方面优于同类去噪算法。     

基于小波自适应阈值图像去噪方法的研究

利用小波变换对图像去噪是一种非常有效的方法。传统的小波去噪算法对图像去噪后的平滑效果不是很好,图像细节清晰度不够高,甚至会产生伪吉布斯现象。针对这些现象,文中提出了一种改进的基于小波变换的多尺度自适应阈值图像去噪方法。该方法根据图像小波分解的特性,确定适合小波分解后不同层系数去噪的较优阈值,然后结合恰当的阈值函数对各层高频系数进行处理来达到去噪效果。实验结果表明,与传统方法相比,该方法运算量较小,能有效去除高斯白噪声,进一步提高峰值性噪比,同时能够很好地保留图像细节信息。     

基于HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型（HMT）的基础上给出了一种图像去噪新方法。实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。     

基于NSCT阈值萎缩法的遥感图像去噪

针对图像去噪过程中产生的伪吉布斯现象以及峰值信噪比(PSNR)较低等问题,提出一种基于非下采样Contourlet变换(NSCT)阈 值萎缩法的遥感图像去噪算法。根据NeighShrink去噪算法中尺度内系数的邻域系数相关性,以及BiShink去噪算法中不同尺度间系数的相关性,对图像进行去噪,利用NSCT的平移不变性,抑制小波去噪中的伪吉布斯现象。实验结果证明,采用该算法去噪后的图像PSNR较高,视觉效果较优。     

平移不变的小波域近邻系数阈值MR图像去噪

传统的小波域阈值去噪方法是根据每个小波系数各自的幅度大小进行相应的阈值修正,没有考虑到尺度间以及尺度内近邻的小波系数与当前小波系数的相关性,而使信号得不到更准确的估计。根据信号和噪声在尺度间的不同传播特性和尺度内近邻小波系数的相关性,设计出一种平移不变（TI）的近邻系数阈值策略,并依据磁共振成像（MRI）噪声图像的特点,结合复数域统一体去噪方法,提出了一种新颖的基于平移不变的小波域近邻系数阈值MR图像去噪算法。实验表明该算法能更准确地估计信号,且与几种磁共振（MR）图像去噪算法相比具有更好的去噪效果。     

基于统计特性的小波噪声抑制在低剂量CT中的应用

较高的照射剂量限制了X线断层成像(computed tomography,CT)技术在筛查及体检中的应用,目前临床常采用降低剂量的解决方案,但CT图像质量亦有明显下降。为提高低剂量CT的重建质量,提出了一种基于投影数据统计特性的小波去噪算法。通过分析低剂量投影数据的噪声特性,发现在投影域其噪声均值和方差接近非线性高斯分布,根据非平稳噪声在平稳小波域中的性质,结合贝叶斯估计方法对小波系数进行基于最小均方误差的自适应滤波,实现了图像信噪分离的目的。滤波完成后,采用常规滤波反投影(FBP)法重建CT图像。较传统算法,该方法具有较高的信噪比,实验结果表明,该算法能够有效地抑制噪声,且较好地保留图像细节。     

基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定阈值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阈值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

基于小波多尺度的图像增强新算法

传统图像增强算法在增强对比度的同时,也很大地提升图像噪声,需要对图像进行降噪处理。小波增强方法兼顾图像信号的空域和频域特性,但没有充分考虑到视觉的非线性特性。针对现有图像增强技术的这一缺陷,在分析小波变换对噪声影响规律的基础上,结合小波多尺度的特性,提出了一种基于小波多尺度的图像增强新算法,利用不同尺度上的小波系数间的相关性和小波分析的时频局部化特性来有效区分噪声和图像信息,有效改善了图像增强过程中的噪声放大问题。     

一种改进的小波域维纳滤波的图像降噪算法研究

针对小波域维纳滤波图像降噪存在计算速度慢和降噪效果较差,本文提出一种改进的小波域维纳滤波算法,将阈值化处理引入小波域维纳滤波,通过阈值化处理小波变换后的系数来提高降噪效果。依据改进算法的具体过程和算法步骤,运用MATLAB进行算法仿真,仿真结果表明,改进的小波域维纳滤波算法进行图像降噪可以有效地提高图像的信噪比,降噪效果良好,同时计算速度较快,节约时间。     

降质图像高密度斑点批量智能识别仿真

针对降质图像中高密度斑点识别速度慢、识别位置不精准问题,提出了一种基于频域滤波法和相交测定中心法的降质图像高密度斑点批量智能识别技术。首先使用小波域内非线性软门限选取方法对图像进行去噪处理,选取小波域内非线性软门限,根据门限剔除图像冗余干扰,并确保滤除斑噪的同时保证边缘信息安全,然后使用相交测定中心算法对去噪后图像进行梯度识别,获得高密度斑点的中心面积,最后通过斑点细来设定阈值,从而完成降质图像高密度斑点批量智能识别的目的。仿真证明,相对于传统方法,所提方法在降质图像高密度斑点的批量智能识别上效率更高,并且识别精准度较高。     

基于小波域反正切变换的红外图像增强算法

针对红外图像对比度低、噪声大的特点,利用由信息熵、信噪比和图像标准差构成的评价函数,提出一种平稳小波域的红外图像增强算法。以反正切变换为基础,设计在平稳小波域内增强红外图像对比度的非线性变换函数,并利用差分演化算法与评价函数,寻找最优的非线性变换参数。实验结果表明,与传统的小波域增强算法相比,该算法在有效增强红外图像对比度的同时,对噪声具有较强的鲁棒性。     

基于阈值的小波域语音增强新算法

提出了一种新的基于阈值的小波域语音增强算法,采用Bark尺度小波包对含噪语音进行分解,以模拟人耳的听觉特性.采用结点阈值法,用基于谱熵的方法估计结点噪声,实验表明,该算法在多种噪声,尤其是有色噪声和非平稳噪声条件下均有较好的语音增强效果.     

基于混沌序列的整数小波域鲁棒水印算法

首先对图像的蓝色通道进行整数小波分解,然后将二值化后的混沌序列经扩频处理作为水印信息,将此水印信息叠加在中频系数上,最后进行整数小波逆变换重构蓝色通道,合并三通道得到水印图像。由于混沌序列对初值具有极强的敏感性,攻击者很难从一段有限长的序列推断出混沌系统的相关参数,确保水印信息的安全性。整数小波变换的优良特性使图像在嵌入适量水印信息后拥有较低的细节损失率,实现了对彩色图像的高保真水印嵌入。实验结果表明,水印信息具有很好的透明性,对有损压缩、噪声干扰等常见的水印攻击具有较强的鲁棒性。     

A new wavelet-based fuzzy single and multi-channel image denoising

In this paper, we propose a new wavelet shrinkage algorithm based on fuzzy logic. In particular, intra-scale dependency within wavelet coefficients is modeled using a fuzzy feature. This feature space distinguishes between important coefficients, which belong to image discontinuity and noisy coefficients. We use this fuzzy feature for enhancing wavelet coefficients' information in the shrinkage step. Then a fuzzy membership function shrinks wavelet coefficients based on the fuzzy feature. In addition, we extend our noise reduction algorithm for multi-channel images. We use inter-relation between different channels as a fuzzy feature for improving the denoising performance compared to denoising each channel, separately. We examine our image denoising algorithm in the dual-tree discrete wavelet transform, which is the new shiftable and modified version of discrete wavelet transform. Extensive comparisons with the state-of-the-art image denoising algorithm indicate that our image denoising algorithm has a better performance in noise suppression and edge preservation.