一种小波和脊波联合去噪方法

由于小波变换不能有效地处理图像中的奇异线,而脊波变换能很好地弥补这一不足,提出了一种基于图像分块的小波和脊波联合去噪方法。该方法把噪声图像分成一定尺寸的图像块并选择其中的同质块和非同质块;利用小波去噪方法处理同质块,而非同质块用脊波去噪方法处理得到去噪后的图像;用维纳滤波器进一步处理去噪后的图像。实验表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,能有效地保留图像的边缘细节信息。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

可视化遥感图像坐标位置距离远程测量仿真

针对传统的图像坐标位置测量方法存在测量误差较大、测量时间较长等问题,提出基于脊波变换的可视化遥感图像坐标位置距离远程测量方法。引入小波系数变换算法对含噪的可视化遥感图像进行计算,获取相应的小波系数,构建多元统计模型,利用最小二乘法对模型参数进行求解,获取噪声图像与其对应的小波系数估计值,将估计值进行小波重构,得到的估计信号视为去噪后的遥感图像。在去噪后的图像待测量位置描绘一条直线,对直线上的灰度值进行脊波变换,通过变换后的脊波系数确定可视化遥感图像的坐标位置,计算直线两端坐标点的距离,实现可视化遥感图像坐标位置距离测量。实验结果表明,所提方法有效降低了测量误差,减少了测量时间。     

改进的基于脊波变换的图像去噪新算法

脊波(Ridgelet)变换能够克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法;在分析传统脊波阈值去噪法的原理和存在的优缺点的基础上,构造了一种新的阈值函数,并结合SURE阈值,提出了一种改进的基于脊波变换的图像去噪方法;并将其应用于受不同强度高斯噪声污染的图像中,实验结果表明该方法对噪声具有良好的噪声拟制作用,能较好地保留图像的细节信息,去噪性能优于常用方法。     

改进的脊波变换图像半软阈值降噪方法

脊波变换是一种源于小波又高于小波的多尺度几何分析方法,应用于图像中.借鉴小波去噪的思想提出一种新的图像去噪方法,采用基于Bayesian估计的自适应阈值和半软阈值技术进行去噪,针对脊渡变换所产生的轻微的"划痕",引入平移不变的方法消除这种条纹干扰.实验结果表明,该方法较好地处理了图像细节和边沿保留与噪声抑制的矛盾,是一种有效的去噪方法.     

数字脊波变换的实现与一种改进方法

脊波变换作为一种新的连续空间中函数的多尺度表示方法,其离散变换形式仍然有许多问题有待解决．目前大多将离散脊波变换形式看做Radon变换与小波变换的复合变换形式,进而对其分步进行处理．利用计算机图形学中的Bresenham算法思想,使得在实现Radon变换的过程中提高了变换的效率．与先前的最近邻方法相比,快速准确,并可完全重构．数值实验显示,与Zp^2方法实现的脊波变换相比较,利用此方法生成的图像重构、压缩、去噪效果都有显著提高,为进一步的研究工作奠定了基础．     

复数Curvelet 变换域复数高斯尺度混合图像降噪

提出了一种基于复数Curvelet 变换域复数高斯尺度混合（CGSM）模型的图像去噪方法．指出Curvelet 变换重构图像存在“划痕”和“嵌入污点”的主要原因是Curvelet 变换域存在频谱混叠,为此,采用复数小波变换和 改进的Radon 变换分别代替原Curvelet 变换中的实小波变换和Radon 变换．构造了具有抗混叠性能的复数Curvelet 变换．本文同时把高斯尺度混合（GSM）模型扩展到复小波域,形成对复小波系数的幅值和相位信息具有有效捕捉 能力的复数GSM 模型,并在复数Curvelet 变换域,采用贝叶斯最小平方（BLS）估计器对CGSM 模型下含噪复系数 进行有效估计,从而实现降噪．实验结果表明,无论是用PSNR 指标评估,还是在视觉效果上,本文方法的去噪性能 均好于传统Curvelet 去噪、Curvelet 域HMT 去噪和小波域BLS-GSM 去噪．本文方法在有效去噪的同时,具有很好 的图像边缘和细节保护能力．     

基于对偶树复小波域图像融合的SAR图像去噪

边缘信息是图像重要的细节信息,保护图像的边缘信息对提高图像质量非常重要.但是在图像去噪的过程中,往往会破坏图像的边缘信息.针对去除噪声和保护边缘信息的双重考虑,提出一种基于对偶树复小波域图像融合的SAR图像阈值去噪.考虑到局部硬阈值和软阈值各自的特点,利用对偶树复小波变换的优点和图像融合的特点,首先在自然对数域对SAR图像进行对偶树复小波分解,然后对小波系数分别执行局部硬阈值去噪和局部软阈值去噪,最后依次通过图像融合,对偶树复小波反变换,指数变换得到去噪以后的图像.实验结果表明,算法融合了两种周值去噪方法的优点,在明显去噪的同时,更好地保护了图像的边缘信息.     

基于改进脊波变换的抗攻击数字水印算法

针对小波变换域不是图像轮廓边缘特征最佳表示的问题,在研究小波变换的基础上,利用脊波变换比小波变换更适合表示图像轮廓边缘特征的特性,结合人类视觉系统特性和奇偶量化算法改进脊波变换算法,提出了一种基于改进脊波变换的数字水印算法.将原始图像均匀分割,对各子块执行脊波变换,再结合人类视觉系统特性选择恰当的脊波系数,利用奇偶量化算法嵌入一维水印序列,最后作脊波反变换得到含水印图像.仿真实验结果表明,算法不仅具有很好的透明性,而且在抵抗攻击时表现出较好的鲁棒性.通过与小波变换算法的性能比较,本文算法在抗加噪、滤波和剪切的攻击中鲁棒性较强.     

基于快速离散曲波变换的图像去噪算法

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘,因此更适合于多尺度图像去噪。针对传统阈值法存在的不足,在分析wrapping方法的快速离散曲波变换基础上,提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法,并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真,并且更好地利用曲波系数的相关性。实验结果表明,该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比,使得去噪图像的峰值信噪比更高,视觉效果更好。     

Image denoising with complex ridgelets

In this paper, we propose a novel image denoising method by incorporating the dual-tree complex wavelets into the ordinary ridgelet transform. The approximate shift invariant property of the dual-tree complex wavelet and the high directional sensitivity of the ridgelet transform make the new method a very good choice for image denoising. We apply the digital complex ridgelet transform to denoise some standard images corrupted with additive white noise. Experimental results show that the new method outperforms VisuShrink, the ordinary ridgelet image denoising, and wiener2 filter both in terms of peak signal-to-noise ratio and in visual quality. In particular, our method preserves sharp edges better while removing white noise. Complex ridgelets could be applied to curvelet image denoising as well.     

A new digital implementation of ridgelet transform for images of dyadic length

Ridgelet transform is a new directional multi-resolution transform and it is more suitable for describing the signals with high dimensional singularities. Finite ridgelet transform is a discrete version of ridgelet transform, which is as numerical precision as the continuous ridgelet transform and has low computational complexity. However, finite ridgelet transform is only suitable for images of prime-pixels length, which is a limitation of its applications in image processing. In this paper, a new digital implementation of ridgelet transform that is suitable for images of dyadic length is proposed. This method not only expands the applications of finite ridgelet transform, but also simplifies the algorithm. First, we introduce the concept of ridgelet transform in the continuous domain. Then, we illustrate finite ridgelet transform and the new method. Finally, we compare the new method with finite ridgelet transform by applying both digital ridgelet transforms to the denoising of images embedded in additive white Gaussian noise and the new method gets a better performance in image denoising. The new algorithm can also be used as the important building block in curvelet transform and get surprising visual performances in denoising for natural image.     

一种基于小波分析的SAR图像增强去噪方法

提出了一种基于小波分析的SAR图像增强去噪声方法。该方法首先对被噪声污染的SAR图像进行小波变换，然后在小波域内对该图像进行平滑滤波，最后实现了一个SAR图像增强去噪处理系统。由处理结果可以看出，本方法在对SAR图像直接进行平滑滤波的应用中取得了较好的结果，为进一步图像分割、边缘提取奠定了一个较好的基础。     

一种基于脊波变换的图像去噪方法

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法,它特别适合于具有直线或超平面奇异性的二维信号的描述,而且具有较高的逼近精度.利用脊波变换的方法,设计了一种基于脊波变换的改进的图像去噪算法,该算法采用指数型阈值函数,利用SureShrink自适应阈值.试验结果表明,该方法比起Wavelet全局硬、软阈值,Ridgelet全局硬、软阈值,具有明显的优越性.     

基于Finite Ridgelet变换的去噪算法研究

该文对Ridgelet变换以及FRIT(FiniteRidgeletTransform)变换作了介绍,并在此基础上提出了基于FRIT变换的平移不变去噪算法。实验证明该算法能有效地去除图像的高斯噪声,同时能很好地保留图像的细节信息。     

基于Contourlet域的SAR图像去噪算法

从SAR图像斑点噪声特性和Contourlet变换系数的统计特点出发,将Contourlet变换与二元收缩去噪模型相结合,提出一种新的基于Contourlet变换的SAR图像去噪方法。对于高分辨率SAR 图像,该算法能更有效地去除SAR图像上的斑点噪声。     

基于NSCT域邻域收缩的SAR图像去噪

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像受到相干斑噪声的干扰,严重影响了SAR图像的后续处理的问题,提出一种在非下采样轮廓变换（Nonsubsampled Contourlet Transform,NSCT）域将中值滤波和邻域收缩法相结合的SAR图像去噪算法。该算法对原始SAR图像进行NSCT分解,得到低频子带和高频子带图像,对低频子带使用中值滤波处理以去除低频子带中的低频噪声,利用NSCT分解系数之间的相关性,使用邻域收缩法对子带图的系数进行收缩,以消除高频子带中的高频噪声。实验证明,该算法与小波域邻域收缩去噪算法和NSCT硬阈值去噪算法相比,在去噪性能和视觉效果方面均有所提高,在消除噪声同时可以较好地保护纹理细节信息。