一种新的非下采样Contourlet域图像去噪算法

作为新型高维奇异性分析工具,非下采样轮廓(Nonsubsampled Contourlet)变换不仅克服了小波(Wavelet)变换的非奇异性最优基缺点,而且提供了优于轮廓(Contourlet)变换的平移不变性.以性能优越的非下采样轮廓变换为基础,提出了一种新的图像去噪方法.该方法首先对图像进行非下采样轮廓变换,以得到不同尺度、不同方向上的变换系数;然后结合噪声分布特点确定多尺度阈值,并依此阚值对高频系数进行去噪处理;最后对去噪处理后的变换系数进行反变换,以得到去噪图像.仿真实验结果表明,该方法不仅拥有较强的抑制噪声的能力,而且具有较好的边缘保护能力,同时消除了图像边缘附近的伪吉布斯(Gibbs)现象,整体性能优于小波变换图像去噪和轮廓变换图像去噪方法.     

非下采样Contourlet变换自适应图像去噪方法

提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比,该方法在保留图像边缘细节的同时,能提高图像的PSNR值,减少了Gibbs现象。     

非下采样Contourlet域GCV准则SAR图像去噪*

首先对SAR图像作非下采样Contourlet分解,充分考虑其系数统计特性,给出非下采样Contourlet域GCV准则,对每个分解层的各个子带作多层阈值估计和软阈值收缩处理,进而详细探讨分解层数和方向分解数对NSCT性能的影响。实验结果表明,该方法从视觉效果和客观衡量指标两方面都取得了比较理想的效果。     

基于多阈值的非下采样轮廓波图像去噪方法

非下采样轮廓波变换(NSCT)是一种新的多尺度几何分析工具,具有平移不变性、多方向性和各向异性。与小波变换相比,NSCT能更好地表示图像中的边缘等信息。对合成孔径雷达图像进行NSCT分解,考虑其系数统计特性,基于BayesShrink对每个分解层的各个子带做多层阈值估计和软阈值收缩处理。实验结果表明,采用该方法得到的图像在视觉效果和客观衡量指标上均符合要求。     

基于非下采样Contourlet和扩散的图像去噪

根据非下采样Contourlet变换同时具有多尺度、多分辨分析和平移不变的性质,提出一种基于非下采样Contourlet变换和P-Laplace扩散相结合的图像去噪方法。该方法不但继承了非下采样Contourlet 变换捕捉边缘信息的能力,而且在P-Laplace扩散去噪时具有保持图像边缘信息的优点。实验结果表明该方法具有较好的图像去噪效果。     

一种改进的非下采样轮廓波变换图像去噪算法

优化图像去噪问题,在非下采样轮廓波变换图像去噪中,收缩阈值的确定仅依赖变换子带系数的幅值,使得过多图像系数和噪声系数一并去除,导致滤波图像模糊。从检测变换子带几何结构出发,引入自蛇模型对子带系数作几何结构检测并抑制噪声后,估计双阈值将子带系数划分为三类并作不同处理,实现对噪声系数的去除和对图像系数的保护。实验结果表明,相对现有典型算法,改进算法获得的峰值信噪比提高了0.1-0.9dB,图像系数被更好识别和保留,滤波图像中边缘与区域细节损失减少,提高去噪效果,保留图像的有效信息。     

基于NSCT域邻域收缩的SAR图像去噪

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像受到相干斑噪声的干扰,严重影响了SAR图像的后续处理的问题,提出一种在非下采样轮廓变换（Nonsubsampled Contourlet Transform,NSCT）域将中值滤波和邻域收缩法相结合的SAR图像去噪算法。该算法对原始SAR图像进行NSCT分解,得到低频子带和高频子带图像,对低频子带使用中值滤波处理以去除低频子带中的低频噪声,利用NSCT分解系数之间的相关性,使用邻域收缩法对子带图的系数进行收缩,以消除高频子带中的高频噪声。实验证明,该算法与小波域邻域收缩去噪算法和NSCT硬阈值去噪算法相比,在去噪性能和视觉效果方面均有所提高,在消除噪声同时可以较好地保护纹理细节信息。     

基于非下采样Contourlet的多传感器图像自适应融合

提出了一种基于非下采样Contourlet变换的多传感器图像自适应融合方法,采用黄金分割法搜索最优的低频融合权值.自适应地对多传感器图像的低频子带系数进行融合.非下采样Contourlet变换是一种新的图像多尺度、多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像,且该变换具有平移不变性,可以避免一般方法对融合图像引入的振铃效应,它的高频方向子带捕获了多传感器图像的显著特征,文中采用同一尺度下方向子带信息和取大的规则对高频系数进行融合.实验结果表明,与基于拉普拉斯塔、小波、平稳小波和Contourlet变换的方法比较,文中所提出的方法可以获得较好的融合效果.     

非下采样轮廓波变换快速算法

多尺度几何分析（MGA）是一种有效的图像处理方法. 作为MGA的一种离散实现方法,非下采样轮廓波变换（NSCT）被广泛应用于图像去噪、图像融合、图像增强、特征提取等领域. 然而,由于该变换的高冗余性,其计算效率受到一定限制. 因此,对NSCT快速算法的研究具有现实意义. 本文采用一种优化的方向滤波器改进了原NSCT变换,以损失部分重建图像质量为代价,获得算法处理速度的显著提高. 实验结果可见,在满足重建图像主观质量视觉要求的前提下,算法速度可比原变换提高若干倍. 图像去噪实验进一步验证了算法的可靠性及效率.     

结合非下采样轮廓波变换和混合阶次图像扩散的图像去噪

通过研究非下采样轮廓波变换理论及其在图像变换中的优点,提出一种新的基于非下采样轮廓波变换的图像去噪方法.该方法首先通过非下采样金字塔分解和非下采样方向滤波器组对待去噪图像进行非下采样轮廓波变换,然后采取不同阶次的图像扩散去噪算法分别对高频部分和低频部分进行去噪处理,最后将经过处理后的系数进行非下采样轮廓波逆变换便可得到去噪后的图像.通过实验结果表明,该方法不仅能有效的去除噪声,而且可以很好地保持边缘信息,整体性能优于近年来一些常见的去噪算法.     

自适应Shearlet域约束的全变差图像去噪

采用传统非线性扩散图像去噪方法得到的图像边缘模糊,为此,提出一种有限自适应Shearlet域约束的极小化变分图像去噪算法。通过自适应阈值收缩Shearlet系数,保留图像纹理与边缘空间,利用全变差极小化平滑空间,建立全变差正则化的能量泛函去噪模型。实验结果表明,该算法能在减少图像噪声的同时,保留图像边缘信息,对含有丰富纹理结构的图像,去噪性能更佳。     

一种红外图像去噪的多尺度几何分析法

针对红外图像处理中的去噪问题,提出了一种基于多尺度几何分析的去噪方法;首先给出了一种改进的模糊阈值选取方法,然后对图像进行bandelets变换,在此过程中对系数进行改进的模糊阈值处理,最终实现图像去噪,同时针对去噪问题给出了bandelets变换过程中压缩率阈值的选取方法;仿真结果表明,对于被加性高斯白噪声污染的图像,该方法的去噪性能要好于正交小波硬阈值去噪方法,并且能够获得很好的边缘保持效果。     

基于Bandelets域的自适应图像压缩

针对第二代Bandelets变换,提出一种新的图像压缩算法。在图像剖分子块时,依据父、子目标函数值的计算比较,优化四叉树剖分,并利用最小二乘法改进剖分区域的最优方向搜索,实现图像压缩,既保留图像丰富的边缘及纹理效果,又降低计算复杂度。实验结果表明,该算法相比JPEG2000的峰值信噪比可提高0.1 dB以上。     

一种基于非下采样Contourlet变换的自适应阈值去噪方法

文章提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整Bayes去噪阈值。实验结果表明：与小波阈值去噪方法对比,非下采样Contourlet自适应阈值去噪算法在保留图像边缘细节的同时,不仅能明显提高图像的SNR值,而且还减少了Gibbs现象。     

小波域图像降噪概述

小波域图像降噪是图像处理中一个引人注目的研究方向，为了使人们对小波域图像降噪有一概括了解，在对小波域图像降噪相关文献进行分析和理解的前提下，首先给出了小波变换的特性，同时阐述了小波去噪的最优准则和对图像进行小波变换时小波基的选取原则，然后评述了用于图像降噪的方法，并分析了利用小波系数建模的常用方法，最后探讨了小波域图像降噪的发展方向。     

一种基于第2代曲波变换的尺度相关图像去噪方法

从第2代曲波变换为基础,提出了一种利用尺度相关性进行自适应阈值收缩的图像去噪方法。通过实验比较小波与第2代曲波图像去噪,采用峰值信噪比对去噪结果进行了客观评价,实验结果表明,本文提出的图像去噪方法明显优于小波图像去噪方法,并且相对于单纯的阈值收缩去噪也有很大提高。     

一种基于领域阈值的小波图像去噪算法

为了去除图像中的噪声,文章利用图像分块的思想,结合阈值去噪法和最小均方误差估计(MMSE),给出了一种基于领域阈值的小波域图像去噪算法。该算法与经典的子带自适应阈值去噪法BayesShrink算法相比,本文算法在峰值信噪比和视觉效果上都好于BayesShrink算法。     

基于多尺度几何分析的图像编码研究进展

近10年来,在小波变换的理论基础之上,产生了一系列新的能够更加有效地表示和处理高维数据奇异的数学变换,统称为“多尺度几何分析”.它们不仅具有多分辨率特性、时频局部性、多方向性和各向异性,而且克服了小波变换表示边缘、轮廓等高维奇异时存在的局限性.目前,有关多尺度几何分析的理论和应用方法的研究已经成为一个新的热点.首先探讨了小波变换的方向特性及其局限性;其次,以多尺度几何分析的发展为主线,对基于各种多尺度几何分析工具的静态图像编码算法进行概述阐述和比较研究,同时分析和讨论了各类算法的优势和不足;最后,对基于多尺度几何分析的图像编码算法的未来发展进行展望.     

一种基于多尺度几何分析下的图像去噪算法研究

图像的边缘和轮廓包含图像的重要特征信息,当图像中数据混有噪声的时候,对边缘的检测比较困难。在多尺度几何分析理论的基础上,提出了一种基于尺度因子与Contourlet变换的图像去噪算法。实验表明,该算法对高斯白噪声污染的图像去噪具有很好的效果,不仅可以提高处理图像的信噪比,图像的视觉效果也明显改善。     

形态小波域声纳图像去噪算法

为解决声纳图像易受噪声污染、对比度降低的问题,提出一种形态小波域图像去噪算法.首先构造了可以用于灰度图像处理的形态中值小波,并在实现完备重构的基础上对中值小波进行了提升;然后利用提升后的形态小波,以移位抽取的方式对声纳图像进行完整的形态多分辨率分析;经阈值处理后,最终通过各重构图像的加权平均得到理想的去噪效果.仿真实验表明,形态小波域去噪算法在去除噪声的同时能完好保留图像边缘等重要细节,与传统的小波阈值去噪方法比较,对比度有所提高,图像更加清晰.