基于贝叶斯估计的Contourlet域图像降噪方法

提出了一种基于贝叶斯估计的Contourlet域图像降噪方法。该方法对输入的带噪图像进行多尺度、多方向的Contourlet稀疏分解,并在Contourlet域利用最小Bayesian风险函数对分解系数进行估计,通过Contourlet反变换得到预降噪图像。实验结果表明,该方法较其他的Contourlet域收缩阈值降噪效果好,进一步提高了PSNR值和降低了MSE值,能获得更好的图像恢复的质量。     

基于稀疏编码收缩和Contourlet变换的红外图像去噪

针对稀疏收缩编码法和Contourlet变换的不足,提出了一种新的图像去噪算法。算法可以很好地解决含有加性未知噪声方差的红外图像去噪问题。实验表明,与传统方法、稀疏编码收缩法和Contourlet域降噪方法相比,该算法进一步提高了SNR值,降低了MSE值,获得了更好的图像恢复质量。     

一种基于小波的图像降噪方法

通过对图像的小波变换系数进行阈值操作,可有效降低噪声,但还是保留一些噪声。Wiener滤波是一种线性滤波方法,用小波阈值方法结合Wiener滤波,可进一步对图像噪声进行降噪。实验结果表明小波阈值Wiener滤波方法是一种有效的图像降噪方法,其在图像恢复上和人眼视觉上都优于小波阈值方法。     

多变换域马尔可夫树图像去噪算法*

针对图像去噪时单一变换方法的不足,提出了一种新的基于Contourlet变换和小波变换的多变换分级图像降噪算法。根据Wavelet变换和Contourlet变换系数对图像中不同频带信号的稀疏表示特点,利用隐马尔可夫树（HMT）模型可以描述相邻尺度变换域系数的互相关性。首先使用小波域HMT方法进行第一级降噪,然后将其作为先验估计,利用Contourlet变换进行迭代阈值降噪。通过与几种传统的小波域HMT和Contourlet域HMT去噪算法相比,本算法改善了去噪图像的可视性并使PSNR值有所提高。     

一种图像自适应Wiener组合滤波方法

利用小波域Wiener滤波和空间域自适应Wiener滤波的特点,提出一种基于小波域自适应Wiener滤波和空间域自适应Wiener滤波的组合滤波方法。该方法首先在小波域进行自适应Wiener滤波,对恢复图像中的残留噪声方差进行重新估计,再在空间域进行自适应Wiener滤波,这种方法提高了恢复图像的精度。仿真实验表明,与单独的小波域和空间域Wiener滤波相比,该方法的均方误差最小,去噪效果更优。     

基于Contourlet变换尺度相关多阈值降噪算法

该文研究了多方向多尺度几何分析工具轮廓波Contourlet变换,在总结了Contourlet变换稀疏尺度关系的基础上,提出了一种基于Contourlet变换多阈值尺度相关降噪算法,利用Contourlet变换多分辨率以及优越的方向性进行阈值降噪,根据Contourlet变换后各个尺度间的相关特性及噪声强度设定不同的阈值,由于Contourlet变换比小波变换更稀疏的表示方式,更好地表示图像的细节,在图像降噪的过程中能更好地保护图像的纹理以及边缘,使得降噪后的图像在细节方面更突出。     

基于Contourlet变换尺度相关多阈值降噪算法

该文研究了多方向多尺度几何分析工具轮廓波Contourlet变换,在总结了Contourlet变换稀疏尺度关系的基础上,提出了一种基于Contourlet变换多阈值尺度相关降噪算法,利用Contourlet变换多分辨率以及优越的方向性进行阈值降噪,根据Contourlet变换后各个尺度间的相关特性及噪声强度设定不同的阈值,由于Contourlet变换比小波变换更稀疏的表示方式,更好地表示图像的细节,在图像降噪的过程中能更好地保护图像的纹理以及边缘,使得降噪后的图像在细节方面更突出。     

基于变换域和噪声估计的路面图像去噪研究

针对不考虑噪声的统计分布,仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题,提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同,以及图像噪声在不同变换域下的统计特性,提出先将图像进行傅里叶变换,根据噪声的统计特性构造传递函数H,使用Wiener滤波器进行降噪处理,得到一次降噪图像;再对图像再进行小波变换,根据噪声在小波的各尺度下,以及同一尺度下的不同特性,分别采用软门限降噪法和MMSE准则的降噪方法,得到二次降噪图像。仿真实验证实,该算法能有效提高降噪效果,降噪后的图像不失真,包含噪声少。     

基于复Contourlet和各向异性扩散的图像降噪算法

提出了一种将复Contourlet变换和各向异性扩散相结合的图像降噪方法。通过复Contourlet变换对图像进行分解后,分别采用KAD对高频分量进行扩散,CDD对低频分量进行扩散,最后,经复Contourlet逆变换实现图像重构。并从主观视觉效果和定量评价两个方面,对该方法与其他降噪方法进行比较分析。实验结果表明,该方法不仅具有良好的降噪效果,并且能够较好地保留图像边缘和细节特征。     

基于NMF和SVD相结合的Contourlet域鲁棒水印算法*

为了提高变换域数字水印技术的鲁棒性,提出了一种在Contourlet域将非负矩阵变换(NMF)与奇异值变换(SVD)相结合的鲁棒水印算法。宿主图像经过Contourlet变换后,对低频子带进行非负矩阵变换,然后对非负基向量组W进行奇异值分解,最后将经过Arnold置乱的水印图像嵌入到奇异值中。实验结果表明,该图像水印算法在获得良好视觉效果的同时,对于加噪声、滤波、剪切等图像攻击有较好的鲁棒性。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

多帧融合自适应核回归图像去噪

图像去噪是数字图像处理的重要内容,常用的传统方法包括空域中值滤波和维纳滤波,近年来基于小波变换、核回归等的去噪方法备受关注,基于单帧处理的实验发现核回归方法有更好的去噪效果。在理论上将核回归方法推广到多帧情况,并进行了对比实验,结果表明多帧处理能够进一步改进去噪效果。     

基于Contourlet域的SAR图像去噪算法

从SAR图像斑点噪声特性和Contourlet变换系数的统计特点出发,将Contourlet变换与二元收缩去噪模型相结合,提出一种新的基于Contourlet变换的SAR图像去噪方法。对于高分辨率SAR 图像,该算法能更有效地去除SAR图像上的斑点噪声。     

基于偏微分方程与维纳滤波的混合去噪方法

提出一种小波变换与偏微分方程(PDE)结合的混合图像去噪方法,通过窗口改进的维纳滤波处理,运用偏微分综合模型进行二次滤波,其中的偏微分综合模型由2个权重函数将PM方程、方向扩散方程和LLT高阶PDE相结合构建形成。实验结果表明,该混合图像去噪方法能够克服以上3种PDE模型和维纳滤波的不足,增强图像去噪和边缘保护能力,去噪后可得到较好的图像视觉效果,提高算法的效率。     

一种适用于移动节点的事件驱动分簇算法

提出一种适用于移动无线传感器网络节点的事件驱动分簇算法,使用簇头间能量筛选法选举簇头,并加入事件驱动机制,能够使节点在有突发事件发生的情况下,对网络中的簇进行基于事件区域的重组,以减少数据冗余。建立相应的仿真实验模型,对运动节点的分簇情况进行动态跟踪及分析。实验结果表明,该算法能够满足事件驱动分簇的要求,能量消耗比经典算法更均衡。     

基于非下采样Contourlet变换的医学CT图像去噪

为克服Contourlet变换的非平移不变性及频谱混叠等缺陷,提出了一种基于非下采样Contourlet变换的医学CT图像去噪方法。对含噪的CT图像进行非下采样Contourlet变换,得到不同尺度及各个方向上的变换系数,利用Context模型将每个尺度每个方向子带分级,不同分级采用相应的阈值去噪。实验表明,该方法适宜于处理含有更多高斯噪声的医学CT图像,与其他方法相比提高了PSNR值,更好地保留了图像细节,改善了医学CT图像的质量。     

Contourlet域中邻域窗最优阈值滤噪算法

提出一种基于Contourlet变换域的图像滤噪算法,对带噪图像进行多尺度、多方向的Contourlet分解,依据Contourlet变换域系数的估计损失期望最小化准则,在Contourlet域中得到各子带内邻域系数的滤噪最优阈值与最优窗口尺寸,利用Contourlet变换域系数的萎缩实现滤噪。仿真结果表明,与现有的Contourlet变换域图像滤噪算法相比,该算法能有效保护图像的细节和纹理,具有较好的视觉效果和较高的峰值信噪比。     

基于非抽样Contourlet变换的最佳软阈值图像去噪

研究了小波变换在图像处理中的缺陷,以及Contourlet变换在图像处理中产生伪Gibbs失真的原因。为了在多尺度分析框架下改进图像去噪的效果,提出了一种基于非抽样Contourlet变换的图像去噪算法,利用非抽样Contourlet变换的多尺度多方向性以及平移不变性,对加噪图像进行非抽样Contourlet变换得到变换系数,然后对变换系数采用分层最佳软阈值处理,最后将其反变换得到去噪后的图像。实验结果表明,与Contourlet变换图像去噪算法相比,该算法可以达到更好的效果。     

基于冗余Contourlet变换的图像相关法去噪

Contourlet变换是多尺度几何分析中十分重要的一种方法,可以实现灵活的多分辨、局部、多方向图像表示,但是由于不具有平移不变性,在图像去噪中易产生伪吉布斯现象,这里应用冗余Contourlet变换,具有平移不变性,且能有效表示图像几何纹理信息。在去噪应用中考虑分解系数的层间信息,将BivaShrink方法推广到冗余Contourlet变换中。实验结果表明,本文方法提高了去噪后图像的峰值信噪比(PSNR),同时有效保存了图像纹理信息,视觉效果更好。