一种基于多小波变换的自适应图像去噪算法

介绍一种新颖的自适应图像去噪算法.通过将图像变换到多小波域,并利用分形几何和图像的偏微分方程知识,提出一种新的图像软阈值去噪算法.对于欲去噪的图像,该算法能够在多小波域中,自动确定去噪阈值.实验结果表明,该算法不仅去噪效果好,而且运行稳定.     

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     

基于级数优化的小波去噪MAP图像复原方法

介绍了MAP超分辨力复原方法的原理以及小波滤波去噪的原理和具体方法,由于小波变换具有多分辨率分析和在时频(空频)两域都具有表征信号局部特征的能力,基于小波阈值去噪的图像超分辨力复原方法对于低信噪比图像处理具有独特的优越性,证明了其应用于超分辨率复原算法的有效性,并提出了基于级数优化的小波去噪超分辨力复原算法。     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

基于几何多尺度方向窗的小波图像去噪

针对小波变换处理1-D信号十分有效，但处理2-D信号由于具有方向的缺失，不能做到最优逼近的问题，提出了基于几何多尺度方向窗的小波图像去噪方法．该方：去利用图像的几何特征，在小波域中按照最小逼近误差的原则，在初始化方向窗内寻找图像几何方向信患，并在峰值信噪比规则下合并不同大小方向窗内的几何方向．最终选择出图像的去噪方向．在获得每个方向窗内去噪方向的基础上，沿去噪方向作2-D向1-D系数投影，进而对产生的1-D信号作小波去噪，重构后即实现了对图像的去噪处理。     

多小波图像去噪算法的研究

尽管多小波相比于单小波,具有正交性、紧支撑、实对称、高阶消失矩等性质,但是多小波进行图像去噪效果并不是很理想,其主要原因是没有充分利用图像在多小波域内所特有的性质.通过将含噪图像变换到多小波域,在小波域内应用Laplace算子的一种特殊差分格式,并考虑小波域内各个子带的分形维数,提出了一种自适应的多小波阈值算法,即AMT算法.对于欲去噪的图像,AMT算法能够在多小波域内自动确定去噪的小波伸缩阈值,而不需要知道图像的任何先验知识,例如图像中噪声的方差等等.仿真实验结果表明,该算法去噪效果好,特别是对于高度污染的图像,AMT算法的去噪效果更加显著.     

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.     

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。     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于双树复数小波的结构相似度测量法

以人类视觉系统更符合提取图像结构信息为前提的结构相似度评价模型,因其高效特性受到广泛重视,但与传统图像质量评价方法一样,其性能易受比较图像几何变化的影响.为了有效地评价各类图像质量,提出了一种双树复数小波与结构相似性测量相结合的全参考客观评价方法.基于双树复数小波的平移不变性、方向选择性和低冗余特性,首先对图像进行双树复数小波变换,并在复数域计算结构相似度,然后经平均获得客观质量评价分,改善了对几何失真图像的评价性能,且实现简单、计算量小.在LIVE图库上的实验结果表明,提出的模型对亮度、对比度以及几何变化具备更强的稳定性.     

Robust background subtraction in traffic video sequence

For intelligent transportation surveillance, a novel background model based on Marr wavelet kernel and a background subtraction technique based on binary discrete wavelet transforms were introduced. The background model kept a sample of intensity values for each pixel in the image and used this sample to estimate the probability density function of the pixel intensity. The density function was estimated using a new Marr wavelet kernel density estimation technique. Since this approach was quite general, the model could approximate any distribution for the pixel intensity without any assumptions about the underlying distribution shape. The background and current frame were transformed in the binary discrete wavelet domain, and background subtraction was performed in each sub-band. After obtaining the foreground, shadow was eliminated by an edge detection method. Experimental results show that the proposed method produces good results with much lower computational complexity and effectively extracts the moving objects with accuracy ratio higher than 90%, indicating that the proposed method is an effective algorithm for intelligent transportation system.     

Wavelet Transform Approach to Segment Thermal Image

An efficient multi-threshold approach to segment thermal image is given based on wavelet transform. Thegray-level histogram of original image is obtained. In order to reduce the effect of noise, the gray-level histogram issmoothed by Bezier curve and Bezier histogram is obtained. One dimension stationary wavelet transform is done to thecurvature curve of Bezier histogram. Positions of peak values of curvature curve in wavelet domain are adjusted from"fine-to-coarse" at all scales. The gray level values, which are located in adjusted peak values at all scales, are     

基于脊波变换的量化水印算法

利用比小波变换域更适合表示图像边缘轮廓特征的脊波变换域设计一种新的图像水印算法.将图像分块脊波变换,在脊波系数最大能量方向选择细节系数,设计合理的量化水印方法.采用奇偶量化方法嵌入水印,利用归属量化区间法提取水印.在较强的攻击下,该方法能够很好地恢复原始水印,采用该方法嵌入水印不易导致水印化图像失真.攻击实验结果表明,与小波域水印算法相比,该算法不仅可以较好地抵抗各种常见攻击如压缩、加噪、滤波和剪切等,还能较好地抵抗几何旋转攻击.     

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。     

Novel Spatially Adaptive Image Denoising Algorithm Based on Covariance Estimation in Wavelet Domain

A new method for image denoising is proposed. By analyzing image‘s statistical properties in wavelet domain, it is shown that the natural image has a strong and spatial variable covariance structure relationship in local space of sub-band. A non-direct estimation method is suggested to make an adaptive estimate of spatial variable covariance by estimating the correlation coefficient and variance of subband image separately. It can be used to estimate adaptive filtering of subband image. The experiment shows that this method can improve the image‘s SNR, and has strong ability to preserve edges.     

基于小波域自适应高斯混合模型的图像去噪方法

提出了一种基于小波系数局部统计模型的图像去噪方法。该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明,利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节。     

基于双树复小波和广义高斯密度的纹理图像检索

提出了一种基于双树复小波变换结合广义高斯密度和Kullback-Leibler距离的纹理图像检索新方法。该方法运用双树复小波变换对检索图像和目标图像进行分解,在每层生成6个方向子带的小波系数,并对小波系数的边缘分布函数进行高斯建模,生成纹理特征,再通过计算相应子带间纹理特征的Kullback-Leibler距离度量图像的相似性。实验表明,该方法比基于能量特征和欧氏距离的检索方法以及在3层分解层数下比基于小波变换、Contourlet变换等结合广义高斯模型的检索方法有更高的检索率。     

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.