基于小波变换的图像去噪研究

鉴于传统的去噪方法难于在时频域得到很好的兼顾,提出一种基于小波变换的去噪方法.通过对图像实施二维离散小波变换,在小波域中,选取适当的阈值对小波系数进行处理.Matlab仿真试验表明,具有很好的效果.     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

一种基于小波变换的图像去噪算法与实现

在众多的小波去噪方法中,运用最多的是Donoho小波阈值萎缩法。这一阈值是最佳阈值的上限但不是最佳阈值,并且它只与噪声大小有关而与图像自身特性无关。新阈值函数克服了软阈值函数中小波系数估计和原系数之间的具有固定偏差的缺点。同时,该函数克服了硬阈值函数不连续的缺点。通过调节A(任意正常数)取值可以改变新阈值函数的趋向,这也体现了新阈值函数的灵活性。仿真结果表明,改进后的方法应用于图像去噪,无论是视觉效果还是峰值信噪比都有了改善。     

基于小波变换的分形图像去噪与边缘检测

本文根据分数布朗随机场(FBR)模型理论，运用小波变换法先对图像进行去噪，然后对图像的分形参数H进行估计，进而根据分形参数H的值的奇异性来检测图像的边缘。实验表明，本文的算法能有效地抑制噪声的影响，并能更好地检测出图像的边缘。     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,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.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

图像对比度增强的小波变换法

提出一种基于离散正交小波变换和非线性增益的图像对比度增强方法。对图像进行离散正交小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强。实验结果表明,论文提出的方法在有效地增强图像对比度的同时,又能很好地抑制图像中的白噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。     

基于小波变换的图像去噪方法综述

图像去噪是图像处理中一个非常重要的步骤,也是当前研究的热点问题。小波变换具有多分辨率的时频分析特性,为了进一步提高图像去噪质量,改善图像视觉效果,本文就基于小波变换的图像去噪方法进行了研究介绍,为图像去噪研究指明了方向。     

基于改进的小波阈值技术MRI图像去噪

提出了一种改进的小波阈值处理的核磁共振成像（MRI）医学图像的去噪方法。结合图像的特点并利用小波系数的区域相关性,对小波阈值处理方法进行了改进,根据信号和噪声系数的不同分别处理,克服了传统小波变换不足。结果表明该方法在有效去除噪声的同时,较好保留了MRI图像的细节,有利于医学的诊断。     

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。     

基于小波变换的自适应多阈值图像去噪

小波图像去噪是小波应用较成功的一个方面，其中最重要的一个环节是最优阈值的确定，为此，提出了一种新的基于小波变换的自适应多阈值图像去噪方法——Multi—Threshold shrink去噪法，这种方法是在不同子带和不同方向上选择不同的最佳阈值，而最佳阈值的选取是基于Bayes理论，并认为图像的小波系数是服从广义高斯分布的(generalized Gaussian distribution)。通过实验证明，这种方法能很好地对图像去噪，与Donoho等人提出的Visu shrink去噪方法和Chang等人提出的Bayes shrink去噪方法相比，不仅提高了去噪后图像的信噪比(SNR)和最小均方误差(MSE)，而且也使图像更加清晰，并能更好地适合人眼的视觉特性，从而可在客观和主观上同时获得更佳的去噪效果。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

M带小波的子带自适应阈值除噪算法

在广义高斯分布（Generalized Guassian Distribution,GGD）模型最优软阈值的基础上,提出了一种基于M带小波变换的子带自适应图像除噪阈值确定方法,在阈值确定中,考虑了尺度因子、子带大小等因素的影响。采用软阈值除噪,算法简单实用。实验表明,对纹理丰富的图像,该文提出的除噪方法效果优于目前流行的其他算法。     

基于小波变换的图像去噪研究

根据噪声能量在不同尺度、不同方向上的高频系数的分布差异,将全局阈值法改进为在不同尺度、不同方向采用不同的阈值进行去噪。该方法与全局软阈值与硬阈值相比,有更好的视觉效果。通过比较去噪图像的峰值信噪比和均方根误差的数据可以看出,此法较全局软、硬阈值法有更好的去噪效果。     

多方向一维小波变换的显微图像去噪

根据显微图像的特点,从水平、垂直、+对角线、-对角线四个方向将二维图像转为一维数组,对不同的分解尺度上的高频系数采用不同的阈值处理,对阈值处理后的高频系数进行增强处理,进行一维小波逆变换,一维数组转化为二维图像,最后将四个二维图像进行非均权值计算得到去噪后的图像。在原子力显微镜得到的显微图像中进行仿真实验,与改进软阈值去噪算法和Keesook.J.Han提出的去噪算法相比较。结果证明多方向一维小波变换的显微图像去噪算法具有更好的去噪性能,边缘细节保持明显优于其他算法。     

一种基于小波变换的红外图像去噪方法

提出一种基于小波变换的红外图像去噪方法。该方法针对红外图像的噪声分布特性,对红外图像中的乘性噪声进行对数变换,使乘性噪声变为加性噪声,并对变换后红外图像的小波变换系数进行阈值处理实现图像去噪。实验结果表明:此方法比传统的小波变换方法对噪声有更好的抑制作用。     

基于小波变换的音频信号去噪

本文主要介绍基于小波变换的软阈值和硬阈值在数据处理中的应用，并用Matlab软件进行仿真。     

小波变换的语音去噪方法

提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法,首先对语音信号的高频部分进行二次分解,然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验,实验结果表明该方法提高了信噪比,去除了大部分噪声,相当完整地保留了有效信号能量,很好地解决噪声对语音信号干扰的问题。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

小波阈值去噪算法的新改进

在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值、软阈值、半软阈值以及已有的改进阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。通过Heavisine和Droppler信号的仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述几种去噪方法,具有较高的实用价值。