一种新的自适应多阈值小波去噪算法

小波阈值法在图像去噪中应用较广泛,该方法最重要的一个环节是最优阈值的确定.为此,提出一种新的自适应多阈值的阈值计算方法.由于小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同尺度不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值.实验表明,使用本方法从RMSE和SNR两个客观指标上看,能得到更好的效果,同时更适合人眼的视觉特性.     

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．     

阈值改进算法在小波去噪中的应用

针对用小波变换进行图像去噪的阈值设定问题,本文在经典的小波软、硬阈值消噪方法的基础上,提出了一种新的阈值选取方法。该算法采用一个矫正因子来构造新的阈值函数,调整了软硬阈值的恒定偏差。Mat-lab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,其去噪效果也有了显著提高。     

基于改进小波阈值的去噪方法

针对以往小波阈值图像去噪法出现的去噪不彻底、噪声残留、和噪声误判等问题,对阈值函数和阈值进行了改进,保留了传统的软阈值和硬阈值的优点,改进它们各自的缺点,提出一种新的阈值函数和阈值选取方式,使它在处理小波系数时更加灵活,以达到更好地去除噪声的目的.通过MATLAB仿真实验和对算法的精度分析表明,用改进后的阈值去噪法可以很好地去除图像噪声,使图像的对比度和峰值信噪比均得到很大的提高.     

基于改进小波阈值的去噪方法

针对以往小波阈值图像去噪法出现的去噪不彻底、噪声残留、和噪声误判等问题,对阈值函数和阈值进行了改进,保留了传统的软阈值和硬阈值的优点,改进它们各自的缺点,提出一种新的阈值函数和阈值选取方式,使它在处理小波系数时更加灵活,以达到更好地去除噪声的目的。通过MATLAB仿真实验和对算法的精度分析表明,用改进后的阈值去噪法可以很好地去除图像噪声,使图像的对比度和峰值信噪比均得到很大的提高。     

基于上下文的高阶可导图像阈值去噪方法

针对传统的硬软阈值函数不连续以及非自适应的缺陷,分别探讨了具有连续性和高阶可导特性的阈值函数、基于局部上下文自适应的阈值函数的构造,并提出基于局部上下文的连续高阶可导阈值函数的构造,并用于图像去噪,实验结果证明了这些方法的有效性。     

图像的几种小波去噪方法的比较与改进

对Mallat算法强制去噪、小波变换模极大值去噪、非线性小波变换阚值法去噪及基于小波域相关性的去噪法的原理进行了阐述，并比较了这几种小波去噪方法的优缺点，给出了两种改进方法，仿真结果表明有效可行．     

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。     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

图像小波系数的自相似性在图像去噪中的应用

讨论了图像小波系数的四叉树结构及统计规律,指出在四叉树各层节点的小波系数具有自相似性,利用这种自相似性建立混合高斯模型对小波系数进行描述;此外,四叉树层与层间的节点之间具有相关性,利用小波域系数间的自相似性信息和相关性建立隐式马尔科夫树模型(HMT),用于去除图像信号中的高斯白噪声,并利用Lenna图像进行试验仿真;与传统的低通滤波方法相比,该方法在滤除噪声的同时更好地保存了图像的细节和边缘信息.结论表明,隐式马尔科夫树(HMT)模型较精确的体现了图像的特征,具有较好的去噪效果.     

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.     

小波变换及其在信号去噪中的应用

介绍了小波变换和基于小波变换的信号去噪原理及一般方法，并应用MATLAB软件实现了小波去噪的计算机仿真。     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

小波阈值去噪中新的阈值函数的研究

基于小波变换的阈值去噪算法,需采用阈值函数对小波系数进行非线性的处理。本文在分析了硬阈值函数和软阈值函数各自特性的基础上,提出了一种新的阈值函数,该阈值函数克服了软、硬阈值函数的缺陷,连续、可导,且减小了偏差,函数中调节因子m可以改变阈值函数的趋向,使阈值函数具有较大的灵活性。仿真结果表明新的阈值函数的可行性及有效性。