一种基于相关方法的改进小波图像去噪算法

传统小波阈值法去噪方法在阈值选取上存在不确定性,为解决这一问题,提出采用小波相关方法,对图像噪声进行处理。在进行小波变换时,首先基于小波多方向框架理论进行图像分割,通过对多方向组合进行小波变换,最后对小波重构结果取中值得到去噪图像。该方法在处理具有方向特征的图像时,可以很好地消除Gibbs效应,与传统方法相比去噪结果具有明显改善。     

一种改进阈值的邻域小波系数图像去噪方法

为了能更好地恢复出原图像,对基于邻域小波系数收缩的NeighShrink法进行研究。对小波域图像去噪模型加以分析,指出原方法因其阈值不能适应尺度分解所得小波系数中噪声的强弱特性,故难以保证原图像的恢复效果,随之对原方法给出一种改进,通过修正NeighShrink法中的阈值,建立起一种用指数函数调节阈值的自适应方式来匹配小波系数的幅度特性。在不同强度高斯噪声条件下的实验结果表明,改进后的方法在有效去除噪声的同时能够更好的保留原始图像信息,且相对于原方法,改进后的方法能提高峰值信噪比。     

一种新型的小波阈值图像去噪方法

对含噪图像小波阈值去噪方法中经典的阈值函数选取方式以及阈值选取方式的相关性能进行比较分析,在此基础上,构造出一种新的小波阈值去噪函数。新定义的阈值函数通过增加一个参变量来克服硬阈值函数不连续的缺点和软阈值函数高阶导数不连续的缺陷。理论分析和实验结果均表明,构造的小波阈值去噪函数具有更好的适应性和去噪效果。在图像含有强高斯噪声的情况下,新型阈值去噪方法相对软阈值法其峰值信噪比可以提高4dB到6dB。     

基于小波变换和时域融合的图像去噪方法

噪声对后续图像处理的质量有严重影响，经典的去噪方法在抑制噪声的同时会丢失图像中的细节。文中分析了信号与噪声在小波域的系数之间的关系。信号系数幅值较大．数量较少，而噪声系数幅值较小．数量较多；此外，利用从同源的多幅图像中抽取的信息能够比任何单一图像所提供信息更为准确可靠的时域融合技术，提出了一种基于小波变换和时域融合的去除噪声方法。实验证明这种方法能有效去除图像噪声，最大限度地保存图像细节。     

一种基于改进阈值函数的小波图像去噪算法

在Dohono D L提出的多分辨分析小波阈值去噪算法的基础上,提出了一种新的阈值函数.与传统的硬阈值和软阈值比,此函数不仅易计算,而且具有优越的数学特性和清晰的物理意义.实验结果表明,该方法可有效地去除白噪声干扰,无论在视觉效果还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性.     

一种更新提升形态小波图像去噪算法

提出了一种新的构造非线性更新提升形态小波的方法．它利用细节信号的信息改进尺度信号,并且可以保证该小波变换具有完备重构特性．对更新提升形态小波中的更新算子进行了拓展,提出了广义更新算子,它由一系列对细节信号空域滤波的数学形态学算子综合构成．将采用了广义更新算子的更新提升小波应用于图像去噪,对比实现结果表明,与传统小波阈值去噪方法相比,该提升形态小波具有更好的去噪性能,细节图像中的边缘损失很小,尤其在低信噪比情况下性能更加优越．     

基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

一种改进的基于小波变换的图像去噪算法

提出一种改进的多参数小波阈值算法,通过调节因子k和r可以适应阈值λ的变化,与传统的硬阈值和软阈值法相比较,新算法去噪效果明显,尤其适用于去除强高斯噪声。以源图像和去噪后图像的峰值信噪比最大为依据,采用粒子群优化算法来选择自相应的调节参数,对新算法进行实验验证,仿真结果表明,新算法不仅可以有效去噪,而且可以避免高频信息的...     

一种基于压缩感知的图像去噪方法

提出一种新的图像去噪方法,即根据压缩感知理论,利用变换求出含噪图像的稀疏表示,运用算法重构出原始图像,从而达到去除噪声的目的.实验表明,该方法具有可操作性和可行性.     

基于图像融合的联合小波包图像去噪方法研究

提出一种基于图像融合的联合小波包图像去噪方法.利用不同特性的小波包基对含噪图像进行阅值去噪,得到多幅降噪图像,然后按照一定的融合准则对这些图像进行处理.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

一种新的自适应多阈值小波去噪算法

小波阈值法在图像去噪中应用较广泛,该方法最重要的一个环节是最优阈值的确定.为此,提出一种新的自适应多阈值的阈值计算方法.由于小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同尺度不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值.实验表明,使用本方法从RMSE和SNR两个客观指标上看,能得到更好的效果,同时更适合人眼的视觉特性.     

基于上下文的高阶可导图像阈值去噪方法

针对传统的硬软阈值函数不连续以及非自适应的缺陷,分别探讨了具有连续性和高阶可导特性的阈值函数、基于局部上下文自适应的阈值函数的构造,并提出基于局部上下文的连续高阶可导阈值函数的构造,并用于图像去噪,实验结果证明了这些方法的有效性。     

图像小波去噪的算子描述

给出了一种基于二维离散小波变换的图像去噪方法,并用算子的形式加以描述,通过对小波变换系数进行阈值处理实现图像的去噪。讨论了不同的阈值选取方法和阈值策略。并提出了一种自适应局部阈值法。用均方差衡量去噪性能,实验结果证明,用自适应局部阈值法去噪好于全局阈值法去噪。     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。     

一种基于Curvelet变换的图像去噪方法

提出了一种Curvelet变换与循环平移相结合的图像去噪方法,消除了由于Curvelet变换缺乏平移不变性而产生的图像失真.实验结果表明,用该方法去噪后的图像与传统小波去噪图像相比,PSNR值更高,视觉效果也更好.     

小波域隐Markov树模型的图像去噪快速算法

小波域隐Markov树模型(Hidden Markov Tree Model，简称HMT)能充分表现小波系数的统计特征，但模型训练算法计算量大。文中以图像去噪为应用背景，提出了基于HMT粗分类的多树训练算法。该算法通过对不同类型的纹理建立不同的HMT，对小波系数进行粗分类，在此基础上，不同类别的小波系数被分别建模，并将粗分类HMT的参数作为最终模型训练的初始化参数，从而提高了模型的精度，同时减小了训练算法的计算量。对于含复杂场景或纹理的图像，提出了基于方差粗分类的训练算法，也能有效地提高模型精度。对自然图像和SAR图像的去噪实验表明，采用粗分类训练算法的HMT去噪模型的去噪效果在客观指标上优于现有的HMT去噪模型。     

一种非参数回归图像去噪方法

为了在图像去噪时进一步提高信噪比从而增强去噪效果,提出了一种空域自适应的高稳定性去噪滤波器。将数值分析中的非参数回归模型应用于图像去噪处理,推导了基于该方法的算法模型。在双边核的基础上,提出一种自适应的Steer核滤波方法,该算法根据边缘的方向可以调整模板的方向和曲率,做到了完全白适应。最后,在相同条件下实现该算法与Nadaraya—Waatson Kernel Regression算法、Bilateral Kernel Regression算法的Madab实验比较,实验结果表明,基于非参数同归模型的去噪算法具有良好的去噪效果,与其他算法相比,可以得到更高的信噪比。     

基于2D小波变换的图像消噪算法

利用2D小波变换对含噪图像进行消噪处理。基于小波变换具有的多分辨率特点,分析图像信号的局部特征,滤除掉含噪图像中的高频成份,达到降低噪声的目的。文中给出了含噪二维图像信号模型,以及利用2D小波分析对图像信号消噪的步骤。同时介绍了MATLAB6．5中小波分析支持的图像格式。经噪声图像仿真测试,小波变换中独立阈值法具有较好的消噪效果。