一种基于小波变换的自适应图像降噪法

提出了一种基于二进小波变换的图像降噪方法,通过对小波变换系数进行阈值处理实现降噪。该方法结合图像的自身邻域信息,具有一定的自适应性。实验结果证明能够产生较好的效果。     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

基于贝叶斯估计的小波阈值图像降噪方法

提出一种新的基于贝叶斯估计的小波收缩阈值的图像降噪方法，该方法是通过最小Bayes风险的方法对图像小波变换后的小波系数进行估计，这种对小波系数的估计不仅与子带的方向和层次有关，而且与小波系数的大小有关。试验结果该方法比一般小波收缩阈值方法的降噪效果要好；还表明在峰值信噪比较低时该方法的降噪效果比Wiener滤波差，当峰值信噪比较高时该方法的降噪效果比Wiener滤波好。     

一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

一种新的图像自适应阈值去噪方法

针对小波变换缺乏平移不变性产生的伪吉布斯现象(Gibbs-like phenomena)和Donoho阈值去噪方法阈值单一的缺陷,提出了基于Cycle Spinning的图像自适应阈值去噪方法,Cycle Spinning能抑制伪吉布斯现象,并且给出了阈值自适应因子,阈值能根据不同高频子带自适应改变。实验显示,该方法提高了去噪图像峰值信噪比(PSNR),降低了均方误差(MSE),去噪图像清晰,获得较好的视觉效果。     

采用空间矢量组合的小波图像分类矢量量化

该文提出了采用空间矢量组合对小波图像进行分类矢量量化的新方法。该方法充分利用了各高频子带系数的频率相关性和空间约束性将子带系数重组，依据组合矢量能量和零树矢量综合判定进行分类，整幅图像只需单一量化码书，分类信息占用比特数少，并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化，提高了量化增益。仿真结果表明，该方法实现简单，在较低的编码率下，可达到很好的压缩效果。     

模糊神经网络像素分类的稀疏表示医学CT图像去噪方法

在医学CT成像过程中,由于引入了不可避免的噪声,致使图像质量下降,影响临床诊断。因此,研究医学CT图像降噪方法在诊疗服务中具有重要意义。本文结合图像分割的思想,利用模糊神经网络将图像像素分成边缘区、平滑区与纹理区等不同图像区域,通过小波稀疏表示对不同类型的图像块进行阈值去噪处理,以便更好地保留医学CT图像的细节特征。实验结果表明,本文算法对医学CT图像降噪有一定的效果,峰值信噪比（PSNR）和结构相似性指数（SSIM）都得到了改善,更好并且很好地保留CT图像的细节信息。      

一种改进型图像降噪方法

针对图像获取中易受到噪声干扰的问题,介绍了图像去噪处理的几种常用算法（邻域平均法、中值滤波法、图像间的平均滤波）,对比阐述了各自的优缺点及适用范围。提出了一种基于平滑滤波的小波阈值图像去噪算法,该算法采用中值滤波和小波阈值相结合的方式对图像进行平滑处理。实验结果表明,该方法不仅有利于图像噪声的去除,而且边缘信息也得到了较好的保留,使图像具有更好的视觉效果,还原出图像的本来面目。     

基于小波和NSCT的图像自适应阈值去噪方法

提出了一种基于小波和非下采样Contourlet变换(NSCT)相结合的图像自适应阈值去噪方法.先用小波估计噪声图像的噪声强弱,再根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值.仿真实验结果表明,与小波硬阈值、Contoudet硬阈值和基于非下采样Contourlet硬阈值去...     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

基于对偶树复数小波变换的邻域自适应的图像降噪

该文提出一种新的基于对偶树复数小波变换的邻域自适应的图像降噪方法,它是现存的NeighShrink降噪方法的改进。该文运用Stein的无偏风险估计,在小波域每一个子带为NeighShrink方法确定一个最优的阈值和邻域窗口,并将NeighShrink方法从正交的小波变换推广到对偶树复数小波变换。实验结果证实,该文方法比当前基于小波的最具竞争力的图像降噪方法取得了更好的降噪效果。     

非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取,提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上,结合神经网络的非线性双曲线正切函数和BP训练方法,首先对含噪图像进行二进小波分解,然后对分解系数进行小波重建,并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理,得到最优阈值,最后对阈值处理的重建系数进行叠加,得到原始图像信号的估计值,即去噪后的图像信号。仿真实验表明,该方法具有较好的重建图像视觉效果,信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

基于非抽样小波和边缘保持的自适应图像降噪

提出了一种基于非抽样小波和边缘保持的自适应图像降噪方法.利用小波系数的层间相关性理论及小波域系数模型理论,对小波变换得到的系数进行了分类和处理.与当前许多方法的做法不同,本文算法将图像的小波系数分成了与边缘相关的系数、与同性区域相关的系数和与噪声相关的系数,针对这3类系数的特点,使用不同的策略进行分别处理,保证了降噪的性能.实验结果表明,与传统方法相比,该方法不仅可以获得较清楚的图像边缘,而且降噪后图像质量优良.     

基于加权自适应方向提升小波的图像去噪研究

本文介绍了一种基于加权自适应方向提升小波(WADL,Weighted adaptive directional lifting)和普通提升方法相结合的图像去噪方法,此方法能够较好地对噪声进行抑制,同时保护图像的纹理边缘较少受到损失。在仿真试验中我们通过对噪声图像进行分类,对属于纹理密集区域采用WADL方法去噪,对平滑区域采用普通提升去噪,得到了比较好的去噪结果。     

基于小波变换及隐式马尔科夫树模型的图像信号去噪

研究基于小波变换的隐式马尔科夫模型树(HMT)方法,用于去除图像信号中的白噪声。该方法利用了小波变换域系数间的相关性和自相似信息,并在Lenna图像中验证了方法的有效性。对不同程度污染的高斯白噪声图像的去噪效果与传统方法进行比较;结果表明,基于小波变换的HMT方法有更好的去噪效果,所建立的HMT模型更能体现图像的特征。     

基于图像边缘信息的多小波阈值去噪方法

基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素.基于图像边缘信息的多小波闽值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理.与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好.     

基于四元数小波变换域统计模型的图像去噪

图像去噪是图像处理的基本问题,四元数小波变换是1种新的多尺度分析工具.图像经四元数小波变换后,其小波系数不仅在尺度间具有相关性,而且在尺度内也具有一定的相关性.首先利用层内及层间的相关性,用非高斯分布对四元数小波系数进行建模,然后给出分类准则,把小波系数分类为重要系数和不重要系数,再用非高斯分布模型对重要系数与其邻域系...