一种基于新型符号函数的小波阈值图像去噪算法

在现有阈值去噪算法的基础上提出了一种基于新型符号函数的小波阈值图像去噪算法,该算法提出的新阈值函数具有连续可导、小波系数偏差小、阈值自适应性强等优势.不仅保留了分解后的低频小波系数,还有效滤除了高频系数中的噪声系数,使得重构后的图像更接近原始图像.对高斯白噪声的Bridge图像、Lena图像及含“斑点噪声”的B超Fetus图像进行仿真,实验的结果表明,无论是新阈值函数的视觉效果,还是定量指标PSNR和MSE,均优于现有的阈值图像去噪算法.其边缘及细节信息能得到较好的保护,无明显振荡,图像更平滑、均匀,且在复杂噪声背景下,该方法具有较好的顽健性.     

基于双树复小波变换的红外小目标检测算法

双树复小波分析是一种有效的图像处理方法,但是将其直接应用于红外小目标检测时,由于其对图像中的高频信息特别敏感,无法在保留目标的同时有效地滤除噪声。论文充分利用双树复小波方法方向性好的优点,并针对其高频敏感问题,提出了一种基于双树复小波变换与图像熵的红外小目标检测算法,从而能够有效去除图像中的杂波,同时凸显出小目标。该算法首先对原始图像进行双树复小波分解,将其低频子带置零,并利用高频子带进行双树复小波重构;接着,对重构后的图像进行二次双树复小波分解,并采用改进的Top-Hat算子对分解后的低频子带进行滤波,同时保留分解后±15°方向的子带,并通过高通滤波对其进行处理;之后,将滤波后的低频子带图像与原低频子带图像进行差分,得到低频差分图像;最后,利用低频差分图像与滤波后的高频子带图像进行红外图像重构,并通过局部图像熵进行加权,从而提取出红外小目标。实验结果表明,与对比算法相比,本文算法在BSF与SCRG方面表现优越,可以有效抑制背景中的杂波并提高小目标的信杂比。     

一种改进的基于小波变换的相干斑去噪方法

对于合成孔径雷达(SAR)图像中含有的相干斑噪声的抑制一直是SAR图像处理的热点和难点。相干斑噪声的存在对SAR图像的后续相关的图像处理,例如图像的分割、图像的特征提取以及目标的分类与识别有很大影响。提出了一种基于平稳小波变换的相干斑去噪方法,通过平稳小波变换对图像进行小波分解,对于子图像的高频区域进行阈值分割和双边滤波,利用平稳小波更好的冗余性和平稳不变性更好地去除了SAR图像的相干斑噪声。实验结果表明,这种改进的去噪方法对SAR图像的相干斑噪声抑制有很好的效果,并且尽可能地保留了图像的边缘和纹理细节。     

基于小波分析的双色红外弱小目标检测算法

针对单波段红外弱小目标检测难度大、信息量少的问题,提出一种基于小波分析的双色红外弱小目标检测算法。首先运用小波滤波器对双色图像进行一级分解,然后提出一种软、硬阈值折衷法对高频小波系数进行处理,低于阈值的系数将被直接归零以抑制背景;通过采用一定的策略对双波段高频图像进行融合并将低频系数归零后,运用小波反变换得到滤波图像,最终采用多帧累积检测完成弱小目标的检测。实验证明本文算法能有效提升目标信噪比,具有良好的弱小目标检测能力和实时性。     

基于LWT和递归最小类内绝对差的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于提升小波变换(LWT)和递归最小类内绝对差的检测方法.一方面先利用提升小波对原始图像进行去噪,再利用Top-hat算子抑制背景;另一方面先利用Top-hat算子抑制原始图像的背景,经提升小波去噪后,再进一步使用Top-hat算子;上述两方面得到的图像求和即为预处理图像.然后采用递归最小类内绝对差阈值选取方法分割预处理图像.针对红外小目标图像进行了大量实验,并与基于形态滤波及基于小波和形态学的红外小目标检测方法进行了比较.结果表明本文方法提高了信噪比,检测率分别提高15%和10%.     

基于小波和侧抑制网络的红外图像增强算法

针对红外图像存在的对比度差、信噪比低等问题,提出了一种基于小波和侧抑制网络的红外图像对比度增强算法.该算法首先利用小波变换法对图像进行小波分解,然后分别采用优化局部阈值和侧抑制网络法对分解后的高频系数和低频系数进行处理,最后进行小波重构,即得到增强后的图像.实验表明:该算法能够在实现图像增强的同时,较好地抑制图像噪声,并可以有效凸显图像的细节.     

中值滤波和小波变换相结合的图像去噪研究（英文）

为了保持原始图像在去噪过程中的边缘信息,文章提出了小波变换与中值滤波相结合的办法来处理含噪图像。首先对含噪图像进行小波分解,然后用中值滤波和不同的阈值(硬阈值、软阈值)处理小波分解后的子频带。该方法在去噪的同时保留了图像的边缘信息。实验证明,该方法的去噪效果优于单独使用小波去噪或中值滤波的方法。     

基于小波变换的空间目标图像去噪方法

通过对空间目标图像的特性进行分析,提出一种针对星空背景图像在保留恒星同时去除混合噪声的方法.该方法首先利用小波局部模极大值的多尺度相关性检测出图像边缘,再利用基于梯度分析的改进阈值方法对非边缘小波系数进行萎缩,最后由小波系数重构去噪后图像.实验证明该方法能够有效地去除高斯和椒盐混合噪声,使图像峰值信噪比提高5-10dB,并较好地保留图像边缘和有效恒星信息.     

基于小波方向滤波的有云层遥感图像舰船检测方法

提出了小波分析和方向滤波相结合的有云遥感图像目标检测方法。首先对原始遥感图像进行小波分解,采用比率-平均边缘检测法检测人造目标的边缘方向,在该方向上进行Frost滤波,有效抑制云层干扰的同时突出了人造目标及其边缘信息;然后进行阈值分割并剔除大块云层,根据区域的平均边缘梯度剔除小块云层,实现了有云遥感图像的舰船目标检测。实验证明,该方法能减少遥感图片云层对舰船检测的影响,并具有较高的目标检测率。     

红外图像中小目标检测的新算法

分析了红外图像中小目标、噪声以及背景的特点。针对高通滤波后小目标经常被强噪声淹没的情况，基于Donoho提出的小波变换的软阈值去噪方法，提出了一种峰值检测算法。实验结果证明方法可以有效地抑制高通滤波后的强噪声，并能检测出小目标。     

一种近地背景下红外弱小目标检测预处理算法

构建了近地背景下的小目标图像模型,提出了一种基于暗图像处理和改进非局部均值滤波的红外图像预处理算法.采用图像去雾思想,将红外图像类比为有雾图像,通过暗通道去雾方法实现近地背景抑制,并引入相似度权值阈值改进双边NLM(Non-Local Means)算法,减少邻域内相似度权值较低的像素点对灰度值估计的影响,得到预处理后的红外图像.实验表明,对于近地背景下红外弱小目标检测,该算法能够有效抑制背景,增强目标与背景对比度,提高红外图像预处理性能.     

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波 变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。     

基于经验模分解的小波阈值滤波方法研究

信号的多分辨经验模分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程。这种时空滤波器充 分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。本文提出了一种基于经验模分解的小 波阈值滤波去噪方法,并和小波阈值去噪、多尺度EMD滤波效果相比较。实验结果表明了基于经验模分解的小波阈值去 噪具有广泛的适用性和独特的去除非平稳信号的有色噪声的优势。     

改进小波阈值去噪在PCB图像检测中的应用研究

应用自动光学检测仪检测印刷电路板图像的过程中,图像去噪是至关重要的一个步骤,针对PCB板图像对比度差、动态范围小、图像模糊等问题,提出了一种改进的小波阈值去噪算法。该算法对含噪声的PCB图像进行小波分解,在对分解后不同尺度下的小波系数按照改进的阈值方法进行处理的基础上,进行PCB图像重构。实验结果表明,该方法的均方根误差以及峰值信噪比值均优于传统的软硬阈值去噪方法,是一种有效的图像滤波算法。     

基于灰度形态学的可见光弱小目标检测

在分析天文CCD图像的基础上,针对目标及噪声特点,提出基于形态小波变换的弱小目标检测算法.算法利用小波变换的多分辨率、多尺度性,把图像分解为高频和低频的子波带,在不同的子波带上利用灰度形态算子进行背景估计,最后利用背景抑制后的各子波带重构图像,自适应分割后根据目标运动的连续性来实现目标的检测.仿真实验结果表明该算法可以有效的抑制薄云、大气湍流带来的强背景干扰,对于信噪比低(≈2.5)的目标,其效果优于直接运用Top-Hat算子滤波的检测方法.     

基于平稳多小波变换的红外图像噪声抑制方法

提出了一种平稳多小波变换方法,该方法结合多小波和平稳小波变换在信号去噪方面的优点,给出了二维图像平稳多小波变换的mallat分解重构算法,并对红外图像的平稳多小波变换系数进行阚值处理实现图像去噪,仿真结果表明,相对于平稳标量小波变换和多小波的噪声抑制方法,此方法对噪声有更好的抑制作用,并尽可能多的保持目标的特征和细节．     

一种基于连续小波阈值的图像去噪新算法

基于图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。对比传统的硬阈值、软阈值去噪算法,介绍了新阈值函数的原理,推导了算法公式。该阈值函数连续、可导。实验结果表明,利用新阈值函数进行图像去噪,能够有效地抑制图像噪声及马赛克效应。     

基于小波变换与图像增强技术的红外小目标检测

提出了一种基于小波变换的单帧红外图像检测方法,将小目标检测问题简化为带通滤波的过程.该方法首先使用小波变换分解图像,直接舍去低频分量的背景,接着对提取出的三个高频成分分别进行小波分析,去除高频噪声,然后再对各高频分量进行重构,最后采用图像增强技术提高小目标灰度,进一步抑制干扰.计算机仿真结果表明,该方法能准确、高效地检测出小目标,并能克服一定的云层和建筑物干扰问题.     

基于小波和灰度形态学的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出了一种基于小波变换和灰度形态学的红外图像对比度增强的算法,对红外图像进行小波分解后,利用灰度形态学对低频系数进行对比度增强,同时计算局部阈值,并利用确定的阈值对小波系数进行去噪处理,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效的提高了目标的对比度,同时突出了目标的细节信息,算法在性能优于传统的中值滤波与直方图均衡法相结合、维纳滤波与灰度变换法相结合的对比度增强算法。     

基于小波域NMF特征提取的SAR图像目标识别方法

该文提出了一种基于小波域非负矩阵分解特征提取的合成孔径雷达图像目标识别方法。该方法对图像二维离散小波分解后提取低频子带图像,用非负矩阵分解对低频子带图像提取特征向量作为目标的特征,利用支持向量机进行分类完成目标识别。将该方法用于对MSTAR数据中三类目标识别,识别率最高可达97.51%,明显提高了目标的正确识别率。实验结果表明,该方法是一种有效的合成孔径雷达图像特征提取与目标识别方法。