基于Contourlet变换和Wiener滤波的图像降噪

提出一种新的基于Contourlet变换和Wiener滤波的图像降噪方法。该方法充分利用Contourlet变换域系数服从广义高斯分布的特点,在Contourlet域采用Bayes收缩阈值法进行预降噪,采用Wiener滤波法对预降噪图像中的残留噪声进行进一步处理,以提高图像的恢复精度。仿真结果表明,该方法较传统的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量。     

一种图像自适应Wiener组合滤波方法

利用小波域Wiener滤波和空间域自适应Wiener滤波的特点,提出一种基于小波域自适应Wiener滤波和空间域自适应Wiener滤波的组合滤波方法。该方法首先在小波域进行自适应Wiener滤波,对恢复图像中的残留噪声方差进行重新估计,再在空间域进行自适应Wiener滤波,这种方法提高了恢复图像的精度。仿真实验表明,与单独的小波域和空间域Wiener滤波相比,该方法的均方误差最小,去噪效果更优。     

冠脉造影图像序列的时空滤波

为了降低冠脉造影图像的噪声、提高冠心病临床诊断的准确率,达到低X-射线辐射剂量的前提下获得高质量图像的临床应用目的,提出一种冠脉造影图像序列的时空滤波方法。将小波降噪中的阈值降噪思想引入到快速离散正交S变换(FDOST)中,提出了基于FDOST的软阈值降噪算法对冠脉造影图像进行空域滤波;使用小波降噪对冠脉造影图像序列进行时域滤波,充分利用小波降噪的时间平滑性;加入预处理环节,使用海森矩阵增强冠脉造影图像中的线状结构。仿真及实验结果表明了降噪后的图像信噪比和对比度相比原图像大幅提高,说明了该方法适用于低剂量辐射下的冠脉造影图像序列降噪。     

小波变换在身份证图像降噪中的应用研究

针对非理想身份证图像中存在的斑点噪声,利用小波变换降噪的特点,将身份证图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行降噪处理。结果表明小波指数方法是较优降噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

基于变换域和噪声估计的路面图像去噪研究

针对不考虑噪声的统计分布,仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题,提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同,以及图像噪声在不同变换域下的统计特性,提出先将图像进行傅里叶变换,根据噪声的统计特性构造传递函数H,使用Wiener滤波器进行降噪处理,得到一次降噪图像;再对图像再进行小波变换,根据噪声在小波的各尺度下,以及同一尺度下的不同特性,分别采用软门限降噪法和MMSE准则的降噪方法,得到二次降噪图像。仿真实验证实,该算法能有效提高降噪效果,降噪后的图像不失真,包含噪声少。     

一种改进的图像复原方法的研究

该文提出了一种改进的图像复原方法,能有效复原既受高斯噪声的污染又同时受脉冲噪声污染的图像,将小波阈值降噪与自适应中值滤波相结合,既能很好保持图像的边缘,又能有效抑制噪声,使图像复原达到理想效果。     

基于提升框架的实时视频降噪方法

针对基于离散小波变换的视频降噪方法难于实时处理的问题,提出了一种基于提升框架的可实时处理的视频降噪方法。首先,对每帧图像利用提升框架进行多级小波分解,得到尺度系数和小波系数;然后,对不同层次的小波系数采用软阈值收缩方法进行滤波;小波逆变换后,利用时间域滤波方法进一步提高降噪效果。实验结果表明,该方法具有较好的实时性和去噪效果。     

一种P2P网络鲁棒访问控制协议

针对基于离散小波变换的视频降噪方法难于实时处理的问题,提出了一种基于提升框架的可实时处理的视频降噪方法。首先,对每帧图像利用提升框架进行多级小波分解,得到尺度系数和小波系数;然后,对不同层次的小波系数采用软阈值收缩方法进行滤波;小波逆变换后,利用时间域滤波方法进一步提高降噪效果。实验结果表明,该方法具有较好的实时性和去噪效果。     

基于多尺度小波变换的高斯混合模型SAR图像去噪

针对合成孔径雷达图像斑点噪声去除问题,提出了一种滤波算法。该算法根据SAR图像小波系数分布的特点,采用高斯混合模型对其进行精确拟舍,并用贝叶斯估计来恢复原图。为了有效地克服对数图像均值不为零对小波滤波的影响,在多尺度小波变换前先对取对数后的图像作了归一化处理。仿真实验结果表明,该方法克服了常用的小波阈值去噪只有一个阈值的缺点,可在去除噪声的同时有效保留图像的边缘细节。     

利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点,把信号分成信号象素与可能噪声象素两类,对于可能是噪声的象素,采用图像的小波软阈值去噪方法进行滤波,而对信号象素不产生影响,且能保留更多的图像细节。文中也给出了标准中值滤波,自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验,结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波,稍微优于自适应维纳滤波算法,且能够比较好保留图像的细节部分。     

一种基于仿生小波变换的语音增强方法

提出了一种新的基于仿生小波变换的语音增强方法。该方法通过对仿生小波变换系数进行阈值处理,从而达到语音增强的目的。实验结果表明：该方法在四种实际噪声环境下均优于一些经典方法如：谱减法、维纳滤波和基于离散小波变换的阈值去噪方法,具有更好的语音增强效果。     

噪声图像的复原方法研究和实现

消除图像噪声主要目的是改善图像质量，本文主要阐述了噪声图像的复原方法。首先简单介绍了图像噪声产生的原因和分类，然后介绍了用于图像复原的平均值滤波、中值滤波、自适应维纳滤波和小波变换去噪的工作原理和适用性，为进一步提高图像质量，又提出了基于边缘检测的小波包图像去噪方法。     

Image forgery detection by semi-automatic wavelet soft-Thresholding with error level analysis

In this paper a method for detection of image forgery in lossy compressed digital images known as error level analysis (ELA) is presented and it’s noisy components are filtered with automatic wavelet soft-thresholding. With ELA, a lossy compressed image is recompressed at a known error rate and the absolute differences between these images, known as error levels, are computed. This method might be weakened if the image noise generated by the compression scheme is too intense, creating the necessity of noise filtering. Wavelet thresholding is a proven denoising technique which is capable of removing an image’s noise avoiding altering other components, like high frequencies regions, by thresholding the wavelet transform coefficients, thus not causing blurring. Despite its effectiveness, the choice of the threshold is a known issue. However there are some approaches to select it automatically. In this paper, a lowpass filter is implemented through wavelet thresholding, attenuating error level noises. An efficient method to automatically determine the threshold level is used, showing good results in threshold selection for the presented problems. This automatic threshold level can be fine tuned by a parameter k. Standard test images have been doctored to simulate image tampering, error levels for these images are computed and wavelet thresholding is performed to attenuate noise. Results are presented, confirming the method’s efficiency at noise filtering while preserving necessary error levels. The main contribution of this paper is the investigation of Daubechies wavelets with semi-automatic soft-thresholding in order to highlight forgeries in images. These results can be further extended by expert systems to classify and identify forgeries.     

基于TLS估计的遗传小波红外图像去噪方法

为了更有效地去除红外图像中的噪声,提出一种基于总体最小二乘法(TLS)估计的遗传小波红外图像去噪方法.该方法以TLS小波去噪后图像作为父本并以维纳滤波处理后的图像作为母本来进行选择、交叉和变异,通过提取TLS小波去噪和维纳滤波在图像去噪中的优势基因,获得最优子代并解码还原成图像.实验结果表明,与当前已有的图像去噪方法相比,该方法能更加有效地去除红外图像中的噪声,且去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE).     

基于小波维纳滤波和各项异性扩散的图像去噪

提出一种基于小波和各项异性非线性扩散的新图像去噪算法。小波域局部阈值维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或各项异性非线性扩散去噪。     

改进的小波阈值法在测井曲线去噪中的应用

介绍了基于小波阈值法的测井曲线滤波原理,分析了现有小波阈值函数和阈值特点,提出了一种改进的小波阈值去噪法.通过Heavisine信号的仿真实验以及测井曲线实例表明,改进的小波阈值法在有效滤除测井信号中的噪声的同时又可以保留曲线的细节信息,在测井曲线去噪处理中得到很好的应用.     

基于小波包与自适应维纳滤波的语音增强算法

语音增强主要用来提高受噪声污染的语音可懂度和语音质量,它的主要应用与在嘈杂环境中提高移动通信质量有关。传统的语音增强方法有谱减法、维纳滤波、小波系数法等。针对复杂噪声环境下传统语音增强算法增强后的语音质量不佳且存在音乐噪声的问题,提出了一种结合小波包变换和自适应维纳滤波的语音增强算法。分析小波包多分辨率在信号频谱划分中的作用,通过小波包对含噪信号作多尺度分解,对不同尺度的小波包系数进行自适应维纳滤波,使用滤波后的小波包系数重构进而获取增强的语音信号。仿真实验结果表明,与传统增强算法相比,该算法在低信噪比的非平稳噪声环境下不仅可以更有效地提高含噪语音的信噪比,而且能较好地保存语音的谱特征,提高了含噪语音的质量。     

A denoising algorithm via wiener filtering in the shearlet domain

An image denoising algorithm via wiener filtering in the shearlet domain is proposed in this paper, it makes full use of the advantages of them. Shearlets have the features of directionality, localization, anisotropy and multiscale, the image can be decomposed more accurately, and the noise information locates at the high frequency contents in the frequency spectrum, which can help the removal of noise. The wiener filtering is based on minimizing the mean square error criteria; and it has a good performance on removing the Gaussian white noise. So the combination between them can remove noise more effectively. The noisy image is decomposed by the shearlet transform at any scales and in any directions firstly, the high and low frequency coefficients are thus acquired. And then, in the shearlet domain, the high frequency parts are filtered by wiener filtering. Finally, the inverse shearlet transform is adopted to obtain the denoised image. At the end of paper, the experiments show that the proposed algorithm could get better results than others.