Ridgelet域中基于非参数自适应密度估计理论的图像去噪方法

Ridgelet 是一种新的信号分析方法,它适合于具有直线或超平面奇异性的二维信号的描述,目前, 针对特定大小的离散图像,又提出了正交有限Ridgelet变换(FRIT)。该文在有限Ridgelet域中,结合Birge-Massart等提出的非参数自适应估计理论,提出一种新的二维图像去噪方法。实验证明,这种基于Ridgelet与Birge-Massart理论的图像去噪方法,与传统的Wavelet域去噪以及Donoho阈值去噪方法相比,去噪效果更为明显。     

加强边缘保护的Curvelet图像去噪方法

提出了一种基于Curvelet变换的图像去噪方法。我们改进了Starck等所提出的Curvelet变换，去除了“环绕”现象，并将硬阈值去噪法与基于子带相关的图像去噪法相结合，在去除噪声的同时对图像的边缘特征予以保护。实验结果表明，用该方法去噪后的图像PSNR值更高，视觉效果也更好。     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。     

基于双正交小波和边缘加权的图像去噪算法

文中针对现有去噪算法存在的问题,提出了一种基于双正交小波和边缘加权的新的图像去噪算法.该算法对图像进行基于图像移位相关性的自适应二叉分解,研究了白高斯噪声在双正交小波分解下的功率谱,并结合图像的边缘信息,对不同区域的去噪阈值以不同权重加权.实验结果表明,文中算法去噪所得图像的MSE优于小波变换全局阈值去噪,视觉效果明显优于维纳滤波去噪.     

基于非抽取小波变换的遥感图像贝叶斯去噪

图像去噪是遥感图像处理的一个重要方面。文中基于非抽取小波变换,提出了一种贝叶斯图像去噪方法。对小波系数采用广义高斯分布建模,根据贝叶斯估计理论,得到贝叶斯收缩阈值,采用软阈值收缩去噪。实验结果表明：该去噪方法能够有效地抑制正交小波变换产生的人为干扰和伪Gibbs现象,与正交小波变换阈值去噪方法相比具有明显的优越性。     

自适应小波阈值去噪方法

针对未知含噪信号的小波去噪理论,提出了一种新的阈值方程,并基于斯坦恩无偏估计(SURE)优化算法和阈值方程寻找最优门限值,以确保去噪后的信号是对未知原信号的最优估计。同时,注意到使用正交小波去噪,容易在信号奇异点处产生Gibbs振荡。为解决该问题,在信号分解和重构时使用了平稳小波变换算法。最后,应用以上方法与基于SURE的正交小波去噪方法对2种含噪信号进行去噪分析,结果令人满意。     

几种基于小波阈值去噪的改进方法

传统小波阈值去噪分为硬阈值去噪和软阈值去噪,而在其去噪过程中,硬阈值函数在一些不连续点处有时会产生伪吉布斯现象;软阈值函数中估计的小波系数与信号的小波信号之间存在恒定偏差.为了去除这些现象,本文提出了几种新阈值函数的改进方案.实验结果表明,新阈值函数消噪后的视觉特性较好,并且信噪比提高,均方根误差有所降低.从而说明这些方法的有效性.     

语音编码中的新阈值小波去噪算法

为提高语音信号的编码质量和节省宽带资源,文中在传统的CVSD编码中加入了小波闻值去噪方法.首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后提出了一种改进方案.该方案在阚值函数中加入因子,可以自适应地减少阈值函数中的恒定偏差,最后对重构后的语音信号再进行CVSD的编译码.Matlab仿真实验证明了该改进方案的有效性和优越性.     

基于NSCT-I的红外图像收缩阈值去噪算法

分析了非下采样Contourlet变换,利用基于冗余结构的非线性提升方法实现了平移不变的不可分离小波变换,提出了一种改进的非下采样Contourlet变换理论(NSCT-I).NSCT-I具有更好的细节捕捉能力、平移不变性、良好的多分辨率、局部化和多方向性,能够获得更好的图像处理效果.在分析现有阈值函数和阈值选择方法的基础上,构建了适合NSCT-I变换方法的阈值函数,提出了一种基于NSCT-I的收缩阈值去噪算法.分析和仿真实验表明:该算法具有良好的去噪效果和保持细节的性能.     

基于提升小波的MEMS陀螺去噪方法研究

微机电系统(MEMS)陀螺的随机漂移误差是传感器的主要误差,传统硬、软阈值去噪法在去噪效果和实时性方面存在不足。该文从提升小波变换的基本理论出发,分析了提升小波阈值去噪原理,提出了基于提升小波的改进阈值去噪算法,并结合MEMS陀螺输出数据,并对硬、软阈值去噪法与改进阈值去噪法的仿真实验进行比较分析。仿真结果表明,改进阈值去噪法获得了更高的信噪比83.532 7dB,其去噪效果明显优于硬、软阈值,且运算速度较快,更适合实际运用。     

紧缩能量分层有限Ridgelet图像去噪新方法

有限Ridgelet变换是一种为了克服Wavelet在高维信号处理中的不足而提出的图像处理新方法。通过Radon变换将图像边缘奇异性转变为点奇异性,再利用Wavelet变换针对点奇异性进行处理。根据图像经Radon变换后能量分布紧缩集中,该文提出一种新的Ridgelet改进算法,该算法在图像Ridgelet变换过程中,按能量高低分为两种能量系数矩阵再分别进行降噪处理,并在融合重构以后,再次利用Wavelet变换提取低能量图像中的细节信息并将之融合,二次加强图像细节。使得输出信噪比及图像细节保持上得到大幅度提高。仿真试验表明在受噪声干扰严重情况下,该方法的输出信噪比及视觉效果均优于其他算法。     

基于有限脊波变换的图像融合研究

将有限脊波变换(FRIT)应用于图像融合能更好地提取图像边缘特征,为融合提取更多的特征信息.基于FRIT的图像融合算法是将图像进行FRIT,在不同的频率域利用融合规则融合有限脊波系数,最后通过重构得到融合图像.通过对多聚焦图像的实验,对比了基于FRIT的图像融合算法和基于小波变换的融合算法,并对实验结果进行了主观和客观的评价,试验结果表明,基于FRIT的图像融合算法取得了比基于小波变换算法更好的融合结果,是一种有效可行的图像融合算法.     

基于NSCT域各向异性双变量萎缩图像去噪

提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法,这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系,同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征,基于这种统计模型,文中先推导出了一种各向异性双变量收缩函数的近似形式,然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域,实验结果表明文中提出的方法同小波域BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比,能够有效地去除图像的高斯噪声,提高了图像的峰值信噪比;并较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。     

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法.根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应咧值.仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息.与小波硬阈值、Contourlet硬阈值和基于非下采样Cont...     

基于双树复数小波变换的SAR图像噪声抑制方法

利用双树复数小波变换(Dual Tree Complex Wavelet Transform,DTCWT)的近似平移不变性和多方向选择性,提出了一种基于DTCWT变换的SAR图像噪声抑制方法。首先对无噪声污染图像的复数小波系数的统计概率分布进行建模;然后利用此先验概率模型,采用最大后验概率方法从含噪小波系数中估计出无噪声污染的小波系数;最后经重构得到滤波后的图像。实验结果表明,此方法优于其他一些相干斑抑制方法。     

基于改进脊波变换的红外视频图像高质量复原

为了实现红外视频降质图像高质量复原,采用一种基于改进脊波变换的图像复原算法来进行处理。该算法首先对降质图像进行改进脊波变换,然后提出一种具有加权改进自适应伪中值滤波算法对脊波系数进行处理,最后针对滤波后图像中时常出现的"环绕"现象,引入自适应Wiener滤波算法来抑制。进行了理论分析和实验验证,取得了相关模拟降质图像、真实降质图像以及峰值信噪比的测试数据。结果表明,该算法性能优于伪中值滤波以及两类脊波变换去噪算法。这对于实现红外视频降质图像复原研究是有帮助的。     

对称延拓小波变换矩阵用于FRIT去噪

给出了对称延拓方式下有限长信号不需逐级计算而直接得到小波系数的分解矩阵和由这些小波系数重构原信号的重构矩阵的构造方法,并给出了常用的相应于9/7小波的分解矩阵和重构矩阵及其基向量,它们可广泛用于基于小波的图像分块处理中.作为一种应用实例,将构造的小波变换矩阵用于FRIT图像去噪,不仅计算大大简化,而且相对于周期延拓的小波变换而言边界效应明显减少.     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。