基于小波变换的图像去噪方法研究

图像去噪问题是一个古老的难题,也是当前研究的热点问题,而图像小波去噪算法在图像去噪方面虽然已取得了一定进步,但在这一领域仍然有许多问题需要研究,为了进一步提高图像去噪质量,改善图像视觉效果。在此通过在小波阀值萎缩法、基于混合模型的小波去噪法、小波去噪与其他算法相结合的三类方法中分别选用了三种典型算法即VisuSh?rink法、基于高斯混合模型小波去噪法、中值滤波与小波去噪相结合的算法,对当前基于小波变换图像去噪这三类典型问题进行了研究。研究表明对于单一的噪声,用相应某种算法,就可能取得较理想效果。而对于混合噪声,单独的一种算法取得的效果是比较差的,只有采用几种算法相结合才能取得较好的效果,因而在此也为图像去噪指明了以后的研究方向。     

基于小波变换的图像阈值去噪分析

小波阈值去噪是小波域去噪的主要方法之一,该方法通过对合适阈值的选取,采用阈值函数对小波系数进行相应的非线性处理,获得基于均方差的最佳去噪效果。针对图像去噪,将图像分别进行软阈值、硬阈值、软硬折中法和模幂次法去噪,对各个阈值去噪效果进行了比较分析,得到相对有效的处理方法,为小波去噪方法的选择提供了参考。     

基于Contourlet变换的图像去噪方法

图像去噪是数字图像处理领域的一项重要技术.传统的基于小波变换的去噪方法,去噪效果不是很理想.为了解决这一问题,提出了一种基于Contourlet变换的图像去噪方法.实验结果表明,与传统小波去噪方法相比,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信噪比.     

基于MATLAB不同小波基的小波阈值图像去噪算法

通过介绍小波图像去噪的方法和小波阈值去噪的步骤,讨论小波基在小波阈值去噪中的作用,阐述了常见的几种小波基的特征及其相关性质的比较。最后通过在MATLAB下,分别选择了db2和sym4两种小波基,进行小波阈值去噪实现图像高频系数的滤波并重建,得到采用不同的小波基影响图像去噪效果的结论。     

一种利用像素分类的自适应小波图像降噪方法

提出了一种结合像素分类与小波变换的图像去噪方法.首先用常用方法获得初步去噪图像,并将其分割为若干图像块,分别计算每个图像块的空间频率.利用归一化的空间频率,对不同的图像块采用不同的阈值进行去噪,空间频率高的图像块采用较小的阈值,反之采用较大阈值去噪.实验结果表明:该方法可在初步去噪图像的基础上进一步提高图像去噪的效果,同时较好地保持图像细节;其去噪效果优于常用的小波图像去噪方法,峰值信噪比(PSNR)相对常用方法最高可提高3.4 dB.     

小波阈值图像去噪算法及MATLAB仿真实验

本文研究了小波闽值图像的去噪方法,并与其它图像去噪方法进行了比较。对lena图像进行MATLAB仿真实验,得到了主观效果图和客观效果的PSNR。研究发现,小波阈值图像去噪无论主观效果还是客观效果都优于其他图像去噪方法。     

一种改进的小波阈值去噪方法

在原有的小波阈值去噪方法的基础上,提出了一种改进的图像去噪方法 Fast ICA-MPSO-WTD。该方法将快速独立主元分析(Fast ICA)和WTD相结合进行图像去噪,为了使小波阈值去噪效果更好,使用改进粒子群算法(MPSO)优化小波阈值参数。为了证明该方法的有效性,选择测试图像进行去噪对比实验,实验使用峰值信噪比(PSNR)评价去噪效果,实验结果表明改进方法 Fast ICA-MPSO-WTD能够有效地提高去噪效果。     

基于图像边缘信息的多小波阈值去噪方法

基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素.基于图像边缘信息的多小波闽值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理.与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好.     

小波阈值法在图像去噪中的应用

介绍了小波去噪的基本理论以及小波阈值法去噪的原理。小波阈值法去噪的关键是阈值的设置和阈值函数的选择。本文归纳了阈值的设置方法和阈值函数的选择方法,并针对图像去噪进行了仿真实验,将一幅混有不同水平高斯白噪声的图像分别进行软、硬阈值函数去噪。实验得出软阈值函数的去噪效果比硬阈值函数的去噪效果好这个结论。     

一种高效的小波变换去噪方法

小波变换用于图像去噪的思想已经提出了很久,然而前人所提出的这种方法对于去噪的效果并不理想。图 像经这种小波变换去噪后,纹理特征被弱化,图像的边缘出现较明显的Gibbs效应,图像变模糊。针对以上问题,本文提 出了一种高效的小波变换去噪方法(HPID)。此去噪方法是基于小波变换的新方法,与经典的小波去噪方法不同,该方法不 依赖图像大小来判定去噪门限,不需方差信息,且适用于不同类型噪声。采用本方法处理的噪声图像与经典方法相比,不 仅消除了Gibbs效应,而且图像的边缘信息更清晰,纹理特征增强,去噪能力得到改善。     

一种适用于图象去噪的三通道正交完全重建滤波器组

小波变换作为一种多尺度信号分析方法,在图像处理中得到了重要的应用.图像处理的一个重要研究方向就是去噪.由于图像含有大量的边缘,因此用于图像处理的小波基必须具有良好的边缘检测性能和较强的平滑噪声能力.但是,目前还难以找到具有这样特性的正交小波基.本文利用信号的多相位表示理论,提出了一种基于Haar小波的三通道正交完全重建滤波器组,并推导出它在图像去噪中的软门限方法.试验表明,该滤波器组用于图像去噪可以得到很好的结果.     

基于小波分解的计算机图像去噪算法

计算机图像在形成过程中较易受到外界因素的干扰而形成噪声,对图像质量噪声较大的影响,小波分解可对图像信号在频域中进行细致的划分,选择合适的阈值可实现图像去噪的目的。文中分别对图像质量,小波分解、Mallat算法和小波阈值去噪进行阐述,并利用Matlab仿真软件对应用小波分解的图像信号进行去噪。仿真结果表明,该方法具有较好的图像去噪效果。     

小波去噪在太赫兹无损检测中的应用

提出了层析短时积分成像法,并通过实验验证了该方法的数据质量更高,成像效果优于传统的层析成像法;在小波去噪理论方面,结合太赫兹信号的特点提出δ-σ评价规则,利用该评价规则遴选出最优的小波去噪组合(即sym7小波,分解尺度为5),并以此为基础设计酚醛塑料样件进行无损检测层析短时积分成像实验,对比不同的小波去噪组合,从识别缺陷数量、缺陷识别率这两个主观评价指标和韦伯对比度这一客观评价指标上对比小波去噪的效果,结果表明:sym7小波(分解尺度为5,软阈值处理)对酚醛楔形缺陷无损检测信号小波去噪具有良好的效果,信号预处理后的样件无损检测图像背景噪声带得到了有效抑制,预制缺陷与背景区域的对比效果更加明显,能够清晰准确地获取样件的内部结构变化。     

双密度双树小波变换的闪电信号去噪研究

为了克服噪声对闪电信号数据处理的影响,提出了一种基于双密度双树小波变换的闪电信号去噪方法.采用该方法分别对标准闪电波和实测的闪电信号进行了去噪研究,实验结果表明双密度双树小波变换能够有效滤除闪电信号中的噪声,效果优于传统的小波阈值法,而且比硬件去噪更加经济、方便和实用,值得进一步的推广和应用.     

用偏微分方程作图像分析与处理

从偏微分方程去噪模型出发,论述了噪声抑制的原理,去噪方法与正则化方法和小波萎缩方法之间的联系;并根据这种联系,从正则化模型的角度分析了用偏微分方程进行图像复原以及超分辨等方面的应用。最后展望了发展前景。     

Wavelet domain denoising method based on multistage median filtering

There are two main problems in the threshold denoising method based on wavelet transform. One is the difficulty of threshold selection, and the other is the inconsistence of the dip and curved events in the low signal-to-noise ratio (SNR) seismic data after denoising. In image denoising, multistage median filtering can preserve the details of the signal. So we proposed a denoising algorithm in wavelet transform domain based on multistage median filtering. Using this method the flat region and the edge region are differentiated by the difference between the maximum mid-value and the minimum mid-value, which preserves the details, thus improves the denoising effect. The simulation data and the real data processing results reveal that this method has stronger ability in separating signal from noise than that of the threshold denoising method.     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。