一种基于贝叶斯估计的双树复小波图像去噪算法

为了去除图像中的高斯噪声,本文根据贝叶斯最大后验概率估计,把双树复小波变换和拉普拉斯分布模型结合起来,提出了一种基于贝叶斯估计的图像去噪算法。实验表明,本文算法能明显的改善和提高主观视觉效果和峰值信噪比。     

一种基于贝叶斯估计的小波收缩方法

信号和图像的小波系数表现出很强的非高斯统计特性,其密度函数可以用广义拉普拉斯先验分布建模.此分布利用贝叶斯估计对图像去噪有较好的效果,但用于信号去噪则滤波信号不够滑.本文提出一种贝叶斯阈值估计方法,可以较好地滤除噪声,并且滤波信号较为平滑.仿真表明,该方法对于信号滤波有较好的性能.     

基于邻域多样本系数估计的小波图像去噪

根据信号估计理论推导了利用邻域系数对中心系数进行多样本最大后验概率(MAP)估计的比例萎缩公式,并结合平稳小波变换提出一种低复杂度的图像去噪方法.首先用平稳小波变换得到冗余的小波系数,再根据图像边缘在每个点的邻域内选择能共同反映物体内部或边界的同类点作为多个样本,利用比例萎缩公式对小波细节系数进行估计.实验表明,和现有方法相比,该方法具有更高的信噪比和更宽的噪声适应范围,在有效去除噪声的同时清晰的保留了图像边缘.     

基于贝叶斯估计的图像去噪技术的研究

图像消噪是图像处理的重要环节之一,传统的小波软阈值和硬阈值去噪方法存在一定的弊端。该文通过对具体测量数据的分析,得出了在较小噪声干扰下,贝叶斯软阈值法去噪可以得到较好消噪效果的结论。     

基于自适应邻域系数的小波图像阈值降噪

利用小波系数的层内相关性原理,并结合广义高斯模型,提出一种自适应邻域的阈值去噪方法。该方法通过计算以待处理系数为中心的不同邻域内的相关度系数,选择相关程度最好的邻域。对该方法中选择的邻域尺寸进行统计,发现分解的层次越高,较大的邻域出现的概率越大,这有利于保护边缘信息。实验结果表明,该方法优于固定邻域及阈值改进的邻域阈值方法,是一种有效的去噪方法。     

基于免疫算法的自适应小波阈值图像去噪

本文提出一种基于免疫算法求阈值的方法,它与小波变换及Bayesian Risk相结合,提高了图像的信噪比,减少了图像的均方误差。试验结果证明了这一点。     

小波域非参数贝叶斯估计图像去噪

提出一类新的非参数贝叶斯估计器,估计器利用正态反高斯(NIG)分布作为先验模型.与广义高斯分布(GGD)、alpha稳定分布和贝塞尔K分布(BKF)相比,正态反高斯分布能更加精确地对图像小波系数分布进行拟合.在二次型贝叶斯规则下,推导出基于正态反高斯分布的后验条件均值估计.最后,对图像进行去噪实验.实验结果表明,与最新提出的算法相比,该方法获得更高的峰值信噪比增益和好的视觉效果.     

一种改进的小波域贝叶斯图像去噪方法

基于对小波分析理论的深入学习,本文对小波测值萎缩去噪方法的关键环节进行了研究。本文在分析小波系数的分布特点的基础上,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,行基于空间自适应例值和边缘检测的思想改进了一种新的自适应贝叶斯阈值萎缩去噪算法,仿真实验效果良好。     

变分贝叶斯估计图像滤波去噪算法

图像在拍摄获取、存储和传输等过程中,由于操作、光线等会造成各种噪音.变分贝叶斯估计图像滤波去噪算法,是通过平均场理论将隐变量的后验按维度展开得到计算框架,并按维度迭代更新估计结果至算法收敛,引入新的隐变量,给出过程噪声后验分布.输入向量X(n)和期望响应d(n)被用来计算估计误差e(n),并利用此误差信号构造一个自适应...     

基于贝叶斯估计与虚拟力导向混合遗传算法的无线传感网络定位方案

针对目前无线定位算法普遍存在的低精度问题提出一种新的定位及校正方法.首先利用贝叶斯估计法对多传感器传回的测量数据进行融合,初步确定各无线传感节点的所在位置;然后利用虚拟力导向方法对节点局部校正,利用混合遗传算法对节点全局校正.仿真结果表明,所提出方法与其他基于测距的算法相比,定位精度大大提高.     

基于迭代算法的小波阈值图像去噪研究

在图像的小波阈值去噪中,为了提高阈值的准确度,引入了迭代算法。实验结果表明,与普通的小波阈值去噪方法相比,该方法不但可以大量保留图像的边缘信息,而且减小降噪图像与原图像的误差。     

一种新的基于小波变换的多聚焦图像融合算法

提出了一种基于小波变换的多聚焦图像融合算法（简记为WMFFA）。首先综合源图像求得参照图像,并对源图像和参照图像分别做小波变换,将其分解成低频和高频图像,然后求出源图像的每个小波系数与参照图像中对应位置上的小波系数之间的距离,按照距离特征从源图像中选取小波系数,组成融合后的小波系数并进行小波反变换,得到融合图像。对提出的融合算法性能进行了评价与分析,结果表明提出的算法对多聚焦图像融合是有效的。     

基于混合优化算法和小波变换的图像配准研究

互信息被广泛地应用于图像配准,通常采用优化算法来优化互信息。提出了粒子群优化算法和单纯形法相结合的混合优化算法,该混合算法实现简单,粒子群优化算法具有极强的全局搜索能力,能够有效地跳出局部极值,而单纯形法又能够有效地 进行局部搜索,将两种方法相结合进行图像配准能大大提高配准精度。为了减少运算量,提出了利用小波变换的方法来缩小搜索范围,配准精度达到亚像素级。     

小波变换在三维EM图像复原中的应用

提出了一种新的基于小波变换的三维EM（Expectation Maximum）图像复原算法,并将该算法用于显微光学切片的图像复原中。该算法分别在傅里叶域和小波域内交替进行,在傅里叶域进行解卷积,在小波域进行去噪。实验表明,通过对参数的合理选取,可很好地对三维图像进行复原。同时和已有的调整EM图像复原算法相比,迭代的次数少,效率明显提高。     

基于小波变换的图像去噪优化算法

提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。     

基于小波变换的多聚焦图像融合算法

针对基于小波变换的多聚焦图像融合算法,改进融合规则和融合算子,低频分量采用以相关系数作为阈值的加权平均算法,高频分量采用基于区域特征的融合算法,并对最佳分解层数与最佳小波基的选取进行优化验证。通过对实验结果的分析,选用bior4.4小波,进行最佳分解层数小波分解,并应用改进的融合规则,在融合多聚焦图像的效果上,与其他多种融合算法相比,各项评价指标都比较理想。     

一种基于小波变换的多尺度图像融合方法

近年来图像的数据融合技术在图像处理领域中得到了广泛的重视和应用。如何对同一目标的多源遥感图像数据进行有效的融合,最大限度地利用多源遥感数据中的有用信息,提高系统的正确识别、判断和决策能力,是遥感数据融合研究的重要内容之一。在小波变换金字塔结构的基础上,提出了一种基于小波变换的多尺度图像融合方法,对热红外与可见光图像进行了融合处理。实验结果表明,该融合方法十分有效,获得的融合图像更符合人们的视觉特性,更有利于机器视觉。     

一种基于小波变换的图像融合新算法

给出了一种基于小波变换的图像融合方法,对小波分解后的低频分量通过度量其图像块空间频率和对比度来确定融合图像的低频分量,对分解后得到的高频分量,选择高频系数时,基于绝对值最大的原则,并对选择结果进行一致性验证,最后重构得到融合图像。从仿真结果可以看出,给出的方法很好地保留了多幅原图像的有用信息,融合图像清晰度和对比度都较好,是一种有效的图像融合算法。     

基于小波变换的图像增强新算法

传统的小波增强算法应用于光照不足或不均匀的图像时处理效果一般,针对该问题提出了基于小波变换的图像增强新算法。首先,对图像进行多级小波分解,得到尺度系数和多个层次的小波系数;然后,对不同层次的小波系数采用不同的增强算法进行处理,同时,对图像的尺度系数采用多尺度方法进行处理;最后,利用得到的小波系数和尺度系数进行小波逆变换。实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法,同时对光照不足或不均匀的图像具有较好的处理效果。     

一种新的图像恢复遗传算法

针对简单遗传算法在进行图像恢复时,存在“过早收敛”现象,及计算量过大的问题,设计了一种新的二维染色体编码方法,并将传统遗传算法与模拟退火算法相结合。实验结果表明,该方法能较好克服“过早收敛”,降低计算复杂度,改善退化图像恢复质量。