一种基于数学形态学与小波域增强的滤波算法

为了有效滤除图像高斯噪声,将数学形态学与小波域增强相结合,提出了一种高斯噪声新型滤波算法.该算法首先将噪声图像进行二维小波分解,得到低频和高频子图像;然后保留低频子图像不变,对各高频子图像根据其噪声分布特点分别设计出多角度、多结构逐级形态学滤波器进行滤波处理,并进行小波分解系数重构;最后对经过形态学滤波后的图像进行2层小波分解,通过设计出一种新型小波增强函数对不同幅值的小波系数进行不同程度的收缩处理,在此基础上进行分解系数重构.将自适应中值滤波与数学形态学滤波与本文算法进行比较,实验证明本文滤波算法其去噪效果优于前两种算法.     

一种基于椒盐噪声新型组合滤波算法仿真研究

提出了一种新型组合滤波算法。该算法首先在噪声方差估计、滤波模板类型和尺寸大小等方面对自适应维纳滤波进行改进,对图像噪声进行预处理;其次将预处理后的图像进行二维多尺度小波分解,由于低频子图像基本不受噪声污染,故不作处理;然后对开关中值滤波分别从噪声检测、噪声分类、噪声滤波等方面进行改进,并给出具体实现步骤,用于小波域高频子图像滤波;最后将滤波后高频子图像和低频子图像进行小波系数重构。实验结果表明,两类改进滤波算法在滤波性能上均优于原始算法,在抗噪性和细节保持等方面具有一定优势。     

基于小波变换的图像混合噪声自适应滤波算法

提出了一种基于小波变换的图像混合噪声自适应滤波算法.该算法首先采用中值滤波进行预处理以去除脉冲噪声,然后对图像进行二维小波分解得到高频和低频子图像.根据各高频子图像噪声分布特征,分别设计出新的结构元素进行形态学滤波,随后定义一种新型阂值判别函数对高频和低频子图像分别设定不同调节参数,以进一步滤除残余噪声.最后进行小波系数重构.仿真结果表明,该算法去噪效果明显优于其他几种算法,从而表明该算法是一种较为有效的图像混合噪声滤除方法.     

基于提升小波变换的红外图像双重滤波算法

为了有效抑制红外图像中的随机噪声,采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。为了改善滤波后图像视觉效果,再引入直方图均衡化算法进行处理。通过理论分析和实验验证,获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明,该滤算法对于高质量地去除红外图像中的噪声是有帮助的。     

红外夜视图像自适应增强系统设计

提出了一种高效的红外夜视图像增强系统.该系统主要由小波变换预处理、低频子带增强和高频子带增强三个处理流程组成.预处理过程将图像分解为低频主要信息和高频细节信息.根据红外夜视图像的特点,对低频信息进行自适应动态范围扩展,扩大了图像暗区主要内容的灰度层次.利用高频子带的方向性,对高频系数进行纹理保护高斯滤波,并对滤波后的系数进行噪声抑制边缘增强.实验结果表明,本文算法不仅在主观视觉方面的表现超越了直方图均衡化算法,且离散信息熵提高了48％ ～ 58％,噪声指数仅为直方图均衡化算法的5％,满足人眼观察和智能图像分析检测的要求.     

基于小波域热红外降质图像滤波增强方法研究

随着现代网络传输和视频通信技术的快速发展,大大拓宽了热红外图像的应用领域。提出了一种基于小波变换的热红外将质图像滤波增强方法。该方法以受到不同强度高斯白噪声和脉冲噪声构成的混合噪声模型的热红外降质图像为研究对象,首先对其进行二维小波变换,从而获得高频和低频小波分解系数;鉴于低频小波分解系数包含图像大部分信息,基本不受噪声干扰的特点,引入直方图均衡化法进行增强处理,以改善图像低频信息的对比度;根据各方向的小波高频分解系数中噪声的分布特征,对经典数学形态学滤波算法进行研究,分别设计出几类多尺度多方向的结构元素,实现对各高频小波分解系数中噪声的三级串联滤波处理,在此基础上进行自适应同态滤波增强,以最大限度改善滤波后图像质量。最后进行小波分解系数重构。实验结果表明,该算法对于热红外将质图像的处理效果优于单纯进行经典数学形态学滤波和已有的改进数学形态学滤波,为该类降质图像的滤波增强处理提供了一条可供借鉴的思路。     

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。     

基于最优小波包变换和离散余弦变换的灰度图像水印算法

本文提出了一种基于最优小波包变换和离散余弦变换的灰度图像水印算法,利用Arnold变换和Baker映射对水印图像进行置乱,并将置乱结果进行分块,对宿主图像进行最优小波包分解,然后修改低频子带系数来嵌入水印信息.嵌入前,利用离散余弦变换去除低频子带相邻系数的相关性后嵌入经过同样处理的置乱水印子块.实验表明该算法在抵抗噪声、滤波、旋转剪切等攻击下有比较好的鲁棒性.     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

基于小波变换与模糊理论的医学超声图像增强与去噪方法研究

医学超声图像的增强与去噪一直是医学图像处理的重要课题,针对传统超声图像增强处理算法的不足,本文提出一种基于小波分析理论和模糊理论的超声图像增强与去噪算法,首先对医学超声图像进行对数变换,将乘性噪声转换成加性噪声;然后再对超声图像进行多尺度小波变换,得到图像的高频和低频小波系数;再对低频系数进行模糊域增强,对高频系数进行小波软阈值去噪;最后通过小波重构得到增强后的图像。实验证明,该算法能有效增强超声图像的视觉效果,去除噪声,具有一定的应用价值和意义。     

基于图像增强的改进自适应加权均值滤波算法

为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。     

一种结合图像增强的高斯噪声组合滤波算法

为了有效滤除图像高斯噪声,将滤波算法与增强技术有机结合,提出了一种具有增强效果的组合滤波算法.该算法首先针对经典中值滤波无法有效滤除高斯噪声的缺陷,从滤波模板的角度对其加以改进,对高斯噪声进行多角度、多尺度、多级串联滤波处理,以滤除一部分噪声;然后将均值滤波引入到小波域中,对图像残余噪声实现小波域逐级均值滤波,实现对噪声的基本滤除;最后设计出一种新型小波域增强函数模型,通过设定阈值,将滤波后图像分为若干个区域,分别进行不同程度的增强处理,通过结合具体实验对不同强度下噪声与增强函数系数的取值进行定量分析,给出两者之间的函数关系式.实验证明,该滤波算法对于高强度的高斯噪声有较好的抑制效果,并且具有一定的自适应性.     

基于Bior小波变换和中值滤波的图像去噪

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想,而小波变换可以较好地滤除高斯噪声。本文将Biorthogonal小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声。实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单纯的小波变换或单纯的中值滤波。     

基于噪声分离和小波阈值自适应图像去噪算法

针对VisuShrink小波阈值滤波算法的不足和混合噪声的情况,提出了一种基于噪声分离和尺度的自适应混合图像去噪算法.算法首先通过极值检测分离脉冲噪声和高斯噪声,然后分别对脉冲噪声应用多窗口中值滤波及高斯噪声应用基于尺度的小波阈值滤波完成去噪.实验表明,该混合滤波算法能有效去除图像中的脉冲噪声和高斯噪声,并较好地保存了...     

基于Tetrolet变换域核维纳滤波斑点噪声抑制

针对图像中广泛存在的斑点噪声,提出了一种基于Tetrolet变换域抑制方法。该方法首先对噪声图像进行三层Tetrolet分解,获得低频和高频分解系数;然后对于高频Tetrolet分解系数采用基于核方法的自适应维纳滤波器进行滤波处理;对于低频Tetrolet分解系数设计出一种可调节参数的自适应阈值函数进行噪声抑制;最后进行系数重构。实验结果表明,该算法具有较好的滤波效果。     

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。     

一种基于改进脊波变换的激光图像滤波算法

针对激光图像中的斑点噪声,提出了一种基于改进脊波变换的滤波算法.该算法首先对含有噪声的激光图像进行二维连续脊波变换,获得高频和低频分解系数;然后根据高频系数中噪声分布特征设计出一种能够根据脊波分解层数的变化而自适应调整的阈值函数模型;提出一种修正硬阈值函数对于低频脊波分解系数进行处理;最后进行系数重构.采用自适应维纳滤波对重构图像出现的“卷绕”现象进行处理.仿真结果表明,该滤波算法对于激光图像中的斑点噪声的抑制效果优于经典中值滤波(MF)、自适应中值滤波(AMF),对于激光图像处理具有一定的参考价值.