基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

基于分数阶小波变换的心电信号去噪处理研究

为了能够快速简单的滤除心电噪声,提高信号的信噪比,采用分数阶小波变换对心电信号进行处理,并利用"Arrhythmia Database"和"Noise stress Test Database"数据库中的数据和对其进行验证.仿真结果表明,运用这种方法能够有效地提高心电信号的信噪比,清晰的还原出心电信号的波形及其特点.所以分数阶小波变换在心电信号去噪处理中具有很好的应用.     

可变阶次分数阶微分实现图像自适应增强

为了改善图像增强的效果,提出了一种可变阶次的分数阶微分图像自适应增强算子.该算子的数学原理是根据图像的局部统计信息和结构特征来动态调整分数阶微分的阶次.在图像增强的过程中,分数阶微分的阶次满足在图像“强边缘”处具有较大的微分阶次,在图像“弱边缘”或纹理处具有较小的微分阶次,在图像平滑处具有微小的微分阶次,在判断为噪声处具有负阶次.建立了图像增强效果和分数阶微分阶次之间的非线性量化关系,构造了相应的自适应函数,实现了图像的自适应增强.实验结果表明,在无噪声的情况下,该方法较传统的分数阶微分算子在图像增强方面效果更好;在有噪声的情况下,该方法具有一定的噪声免疫能力.     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

基于中值滤波和小波变换的织物图像预处理

图像采集过程中不可避免地会受到随机噪声干扰,在对图像进行特征值提取前,需对其进行预处理。根据织物疵点图像随机噪声的类型,提出了一种基于中值滤波与小波变换相结合的织物疵点图像预处理方法。深入研究了小波基的选择、分解层数的确定及小波阈值选取准则,并选用拉普拉斯算子对去噪图像进行锐化,最后利用LabVIEW平台对掉扣图像进行预处理实验。此方法结合了中值滤波去噪与小波去噪的优点,取得了较好的效果。     

图像二维小波变换系数分布的实验研究

小波变换编码是目前研究较多的图像压缩方法 ,变换系数的量化是获得低比特率、高信噪比压缩图像的关键步骤。为了设计最优量化器 ,必须确定变换系数的分布规律。选择“Face”、“Girl”、“Lena”和“Panda”4幅标准图像数据进行统计研究 ,用长度L =1 8的Vetterli双正交小波将 2 5 6灰度级 2 5 6× 2 5 6图像分解为 3层1 0个子带 ,使用“KS”测试统计方法确定图像小波变换系数的分布规律。给出了瑞利分布、高斯分布和拉普拉斯分布假设下的“KS”测试统计结果。统计结果表明 ,低频部分符合高斯分布 ,其余部分符合拉普拉斯分布。模拟结果显示 ,假设高频部分符合拉普拉斯分布可获得比高斯分布假设更高的恢复图像信噪比。     

分数阶积分的图像去噪算法

为了在去噪的同时更好地保留图像的细节纹理信息,提出一种分数阶积分的图像去噪算法FIDA。论述了FIDA在135°、90°、45°、0°、180°、315°、270°、225°这8个方向上的分数阶积分掩模的构造,及FIDA的数值运算规则。实验以视觉感知和PSNR值两个主、客观标准对FIDA的去噪性能进行度量,表明FIDA去噪算法的有效性:在去噪的同时对图像的边缘纹理细节信息保留较好,尤其是对灰度变化不大的弱边缘和弱纹理细节信息的有效保留。     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

基于2D小波变换的图像消噪算法

利用2D小波变换对含噪图像进行消噪处理。基于小波变换具有的多分辨率特点,分析图像信号的局部特征,滤除掉含噪图像中的高频成份,达到降低噪声的目的。文中给出了含噪二维图像信号模型,以及利用2D小波分析对图像信号消噪的步骤。同时介绍了MATLAB6．5中小波分析支持的图像格式。经噪声图像仿真测试,小波变换中独立阈值法具有较好的消噪效果。     

基于IHS变换、小波变换与高通滤波 的遥感影像融合

基于IHS变换、小波变换与高通滤波的遥感影像融合方法。利用IHS变换法来增强结果影像的空间细节表现能力；利用小波变换法来保留多光谱影像的光谱特性；在使用小波变换法的同时，利用高通滤波法对小波变换的低频部分进行融合，以便尽量多保留全色影像的细节信息，避免融合后的影像出现细节模糊。新方法不仅很好地保留了多光谱影像的光谱信息，而且增强了结果影像的空间细节表现能力，提高了结果影像的信息量与清晰度。     

基于小波的同态滤波算法在ICT图像增强中的应用

针对ICT图像对比度低、边缘模糊、细节不清晰等问题,提出采用基于小波的同态滤波算法来对图像进行增强。同态滤波可以有效地减少亮度不均匀,并对感兴趣的景物进行有效增强。首光使用基于照明反射模型的同态滤波方法,介绍模型的原理、实现过程和特点,给出了适用的滤波模型和表达式。引入基于小波变换的同态滤波方法,采用高通滤波对小波变换系数进行处理,在保持图像总体原貌的基础上对图像局部对比度增强,效果显著。     

基于块自适应窗的小波域维纳滤波图像去噪

基于图像经小波分解后细节子带能量簇的主方向由边缘方向、纹理方向和子带滤波器的方向选择性共同决定这一事实,提出了基于块自适应窗的小波域维纳滤波图像去噪算法。对含噪图像进行离散小波变换后,对每一层三个细节子带分别无重叠分块,利用细节子带块能量相关函数确定每一块中能量簇的主方向及相应的块自适应窗口,在得到的块自适应窗口中估计不同方向块中各点信号方差,进而对子带系数进行维纳滤波,得到细节系数的估计,然后进行小波逆变换,得到去噪图像。实验结果表明了该方法比基于矩形窗口的小波域局部维纳滤波有更好的去噪效果。     

基于小波变换的图像处理技术研究

小波变换由于自身具备的时频域局部化特性,能有效地克服Fourier变换在处理非平稳的复杂图像信号时所存在的局限,已成为图像处理的一种重要手段。在简单介绍小波变换基本原理的基础上,举例说明了小波变换在图像去噪、压缩、增强和融合等方面的应用。实验结果表明：将小波变换应用于图像处理可获得良好的处理效果。     

基于最优FRWT的非平稳信号去噪新方法

研究非平稳信号的去噪,提出一种基于最优分数阶小波变换（FRWT）的信号去噪方法.该方法根据输出信号信噪比采用遗传算法寻找FRWT的最优分数阶值,实现非平稳信号的去噪.以带噪语音信号为例的去噪实验结果表明,采用新方法的去噪效果明显提高.