基于合成孔径雷达的SAR图像去噪

针对SAR图像相干斑抑制问题.提出一种双变量收缩函数与小波系数显著性增强相结合的SAR图像的斑点抑制算法.文中将双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后.通过最大后验概率估计出滤波后图像的小波系数.再采用小波系数的模极大值准则对系数进行显著性增强.突出图像的边缘特征和点特征.仿真实验表明.与其他传统的去噪算法相比.本文提出的算法具有更好的去噪效果.     

基于双密度双树复数小波变换的合成 孔径雷达图像降噪研究

 针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.     

基于非下采样Contourlet变换和双变量模型的图像去噪

在研究了非下采样Contourlet变换(NSCT)和贝叶斯最大后验估计理论框架下的双变量模型的基础上,该文将二者结合起来,提出了一种新的图像去噪算法。算法在利用变换平移不变性和多方向选择性优点的同时,充分挖掘了图像NSCT系数尺度内和尺度间的双重相关性,并详细阐述了噪声估计方法。仿真结果和分析表明,与当前一些典型的去噪算法相比,该文算法的客观评价指标PSNR和去噪后图像的主观视觉效果都有明显的提高和改善,有效地保持了原图像中的细节和纹理信息。     

一种球坐标系下小波收缩去噪新算法

基于Besov空间范数理论提出一个新的球坐标下的自适应收缩阈值,并将小波域上的多尺度积推广到球坐标下,充分利用尺度间小波系数的相关性。最后,提出了一种新的自适应曲线收缩函数,此函数有一定的边缘增强效果。根据球坐标下图像的统计特性,用新的收缩阈值和新的收缩函数进行去噪处理。仿真实验分别从峰值信噪比(PSNR)、均方误差(MSE)和运行时间上进行评估,确立了最佳分解尺度,并且与其它算法相比,提高了PSNR,而且具有运算简单、运算量小的优点。     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

一种改进的双变量收缩模型图像去噪

针对噪声图像低频子带含有噪声的特点,给出了一种改进的局部自适应双变量收缩模型的图像去噪算法,对于高频子带用局部自适应双变量模型进行去噪,而对低频子带用具有局部自适应的高斯模型进行去噪。该算法既体现了尺度内的聚类性,又体现了尺度间的相关性且具有很好的局部自适应性,在实验中用离散小波变换进行去噪。实验结果表明,这种改进的算法无论从峰值信噪比,还是从主观视觉效果上都要优于传统的去噪算法。     

基于贝叶斯双变量模型和Contourlet变换相结合的红外图像去噪

提出了一种基于贝叶斯双变量模型(Bayesian Bivariate Model)和Contourlet变换相结合的红外图像去噪算法.首先对含有加性高斯白噪声污染的红外图像进行Contourlet变换,得到各尺度各方向上的Contourlet系数;然后用贝叶斯双变量模型去挖掘图像Contourlet系数的尺度间相关性;最后对处理后的系数进行Contourlet反变换重构,得到去噪后的图像.实验结果表明,该方法有效地捕获了红外图像的轮廓信息,提高了图像的峰值信噪比,改善了图像的视觉效果.     

基于Contourlet变换域统计模型的路面图像去噪算法

提出了一种基于Contourlet变换域统计模型的图像去噪算法,用于复杂背景下的路面病害图像,可以获得较为清晰的裂纹病害信息。利用χ2统计假设检验方法得出Contourlet变换系数近似服从拉普拉斯分布,进而应用最大后验贝叶斯估计推导出对含噪图像Contourlet系数的萎缩公式。实验结果表明,该算法能较好地实现噪声抑制和信号保留间的平衡,与小波去噪算法比较,其去噪后图像的信噪比提高4 dB。     

基于量子衍生参数估计的医学超声图像去斑算法

 本文提出了一种基于量子衍生参数估计的医学超声图像去斑方法.通过对对数变换的超声图像小波系数建模,提出了一种带自适应参数的概率分布函数.该方法充分考虑了小波系数的尺度间相关性,利用父-子代小波系数的归一化乘积,首次在高频子带中引入量子衍生信号与噪声出现概率.并利用贝叶斯估计理论,提出了一种基于量子衍生参数估计的自适应收缩函数.实验结果表明本方法较相关算法具有更好图像细节保持能力,去斑效果显著.     

二维小波收缩与各向异性扩散等价性框架及在图像去噪中的应用

图像去噪是图像处理中的一种重要技术。小波收缩根据噪声的小波系数幅值较小的特征通过收缩达到去噪目的。各向异性扩散在尽可能保持图像特征的同时,根据梯度方向及幅值去噪。该文首先证明二维小波收缩与各向异性扩散的等价性框架,对等价性给予验证,进而根据等价性提出综合利用两种方法优势的各向异性小波收缩去噪算法。对比实验结果表明,此算法综合利用了小波收缩与各向异性扩散的优势,去噪效果更加理想。     

Image denoising with anisotropic bivariate shrinkage

This paper presents a novel image denoising algorithm based on the modeling of wavelet coefficients with an anisotropic bivariate Laplacian distribution function. The anisotropic bivariate Laplacian model not only captures the child-parent dependency between wavelet coefficients, but also fits the anisotropic property of the variances of wavelet coefficients in different scales of natural images. With this statistical model, we derive a closed-form anisotropic bivariate shrinkage function in the framework of Bayesian denoising and a new image denoising approach with local marginal variance estimation based on this newly derived shrinkage function is proposed in the discrete wavelet transform (DWT) domain. The proposed anisotropic bivariate shrinkage approach is also extended to the dual-tree complex wavelet transform (DT-CWT) domain to further improve the performance of image denoising. To take full advantage of DT-CWT, a more accurate noise variance estimator is proposed and the way the anisotropic bivariate shrinkage function applied to the magnitudes of DT-CWT coefficients is presented. Experiments were carried out in both the DWT and the DT-CWT domain to validate the effectiveness of the proposed method. Using a representative set of standard test images corrupted by additive white Gaussian noise, the simulation results show that the proposed method provides promising results and is competitive with the best wavelet-based denoising results reported in the literature both in terms of peak signal-to-noise ratio (PSNR) and in visual quality.     

遥感图像的NSCT自适应阈值去噪方法

提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。通过小波估计被噪声污染遥感图像的噪声强弱,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、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法.根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应咧值.仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息.与小波硬阈值、Contourlet硬阈值和基于非下采样Cont...     

Contourlet域自适应萎缩阈值去噪方法

受到传输距离、电子干扰等多方面因素的影响,在测量船远程故障视频诊断系统中,地面接收到的设备状态图像不可避免地混合有随机噪声,因此图像去噪是设备状态图像预处理阶段重要的任务之一。Contourlet变换是一种优异的图像去噪工具,但固定的萎缩阈值不能自适应于Contourlet系数的邻域信息。构造了一种利用Contourlet系数邻域信息的自适应萎缩阈值,用该阈值结合Contourlet循环平移方法实现图像去噪,实验结果表明,该方法可以提高去噪后图像的峰值信噪比。     

基于双变量模型和非下采样Contourlet变换的SAR图像相干斑抑制

该文根据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,应用贝叶斯估值理论推导得到该模型相应的非线性双变量阈值函数。综合SAR图像非对数加性模型和双变量阈值函数,提出基于双变量模型的非下采样Contourlet变换域SAR图像相干斑抑制方法(SNSCTBI)。实验通过对幅度格式和强度格式的SAR图像做相干斑抑制,结果表明该文算法很好地保持了原始图像的辐射特性,有效抑制了同质区域的相干斑,同时边缘等纹理信息保持清晰。     

基于Fuzzy—Shrink算法改进的图像去噪方法

提出一种对Fuzzy—Shrink算法的改进图像去噪方法。该方法首先结合NSCT邻域信息和空间信息构造模糊特征,通过该模糊特征模拟NSCT变换尺度内邻域系数的相关性,再构造出模糊隶属度收缩函数对遥感图像进行去噪。仿真实验结果表明,本文提出的方法与Fuzzy—Shrink（DWT）,AntShrink（DWT）去噪方法,Sure—let（DWT）去噪方法相比能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息,提高了图像的峰值信噪比,图像视觉效果也有明显改善。     

Despeckling SAR images based on a new probabilistic model in nonsubsampled contourlet transform domain

A method for synthetic aperture radar (SAR) image despeckling based on a probabilistic generative model in nonsubsampled contourlet transform (NSCT) domain was proposed. The shrinkage estimator in NSCT domain consists of a new type of likelihood ratio and prior ratio, both of which are dependent on the estimated masks for the NSCT coefficients. While the previous probabilistic approaches are restricted to parametric models, the limitation is eliminated and the hybrid density model is applied in this paper. The suggested approach does not make heavy assumptions on the NSCT coefficient distribution, so that it can handle complex NSCT coefficient structures. The likelihood ratio is composed of the hybrid density, and the prior ratio is equipped with the selective neighborhood systems to enhance the detail information. The method can effectively adapt the shrinkage estimator to the redundancy property of the NSCT. The proposed approach was applied to real SAR images despeckling and compared through the SAR image vision effect, the equivalent number of looks, and the edge sustain index. Experimental results show that the proposed approach outperforms previous works involved in the paper with the better despeckling result and edge preservation.     

基于高斯比例混合模型的图像非下采样Contourlet域去噪

为改善图像的去噪效果,该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet域去噪算法。该算法首先建立非下采样Contourlet系数邻域的高斯比例混合模型,然后在模型基础上应用贝叶斯最小二乘法对系数进行估计,最后反变换得到恢复图像。算法结合了非下采样Contourlet变换对图像边缘的高效表示能力、非下采样变换的移不变性质以及GSM模型对非下采样Contourlet系数邻域相关性的概括能力。实验结果表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果。