基于Contourlet变换自适应阈值的图像去噪算法

综合利用Contourlet变换和图像在各个尺度各个方向上的轮廓细节的大小,一定程度上改进了Donoho阈值"过扼杀"其分解系数的缺点,同时还考虑图像的轮廓细节.实验结果表明,与小波阈值,Contourlet阈值和多尺度Contourlet阈值相比,这两种方法更好的提取了图像的轮廓细节,提高了图像的PSNR值.     

基于NSCT子带自适应Bayes阈值图像去噪方法

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点,提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT变换域．能根据不同尺度、不同方向的子带能量,自适应调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Conto...     

结合Contourlet变换的Bayes自适应图像去噪算法

提出了结合Contourlet变换的Bayes自适应图像去噪算法。充分利用Contourlet变换的局部性、多分辨率、各向异性等优点。通过Contourlet变换得到图像不同尺度不同方向上Contourlet系数矩阵,实现了建立在对图像多尺度几何分析基础上Bayes估计自适应图像去噪算法。实验表明,新算法能够获得良好的视觉效果并且有效地提高了去噪图像的PSNR值,同时有效的避免了“过扼杀”系数现象,更好地保留了图像的纹理和细节。     

基于自适应阈值的图像去噪新算法

提出了一种具有自适应阚值的图像去噪算法.首先,阚值函数具有连续性,高阶可导性,充分体现了小波分解后系数的能量分布,且函数表达式简单易于计算,适合各种数学处理.其次,阈值的选取考虑了分解过程中小波系数的相关性和过程性等因素,减小了对噪声的误判率,具有更强的实用性.仿真实验结果表明,新算法不仅比传统算法运算量小,而且取得了更高的峰值信噪比(PSNR)和更小的均方误差(MSE),更加有效地去除了图像的噪声.     

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...     

基于非抽样Contourlet变换的自适应阈值图像增强算法

提出了一种基于非抽样Contourlet变换的自适应阈值图像增强算法,首先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的变换系数,然后由变换系数自适应地确定阈值和调整增强函数,并对变换系数做增强处理,最后对增强处理后的变换系数进行反变换,实现图像增强.实验结果表明,与其他基于变换域的算法相比,该算法可以得到更好的增强效果.     

基于Contourlet变换的图像去噪算法

提出了基于平移不变的Contourlet去噪方法,与平移不变小波去噪相比较,结果表明该算法能有效地消除人为的视觉效果,使去噪后的图像获得更好的视觉效果,同时PSNR也得到了很大的提高.     

基于双变量阈值的非下采样Contourlet变换图像去噪

系数阈值是流行的去噪方法,其中阈值方式与大小的选择是一个重要的技术问题。该文依据非下采样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,对该模型应用Bayes估值理论推导得到相应的非线性双变量阈值函数,综合非下采样Contourlet分解和双变量阈值函数,提出一种基于双变量阈值的非下采样Contourlet变换图像去噪方法(NSCTBI)。对于被加性高斯白噪声污染的图像,实验中将NSCTBI方法与非下采样Contourlet变换、小波域双变量阈值去噪等方法进行了比较,结果表明在大多数情况下,NSCTBI的PSNR结果相比这些方法高出0.5至2.3dB,在边缘特征方面保持了良好的视觉效果。     

一种基于小波变换的图像去噪算法

利用小波方法去噪,是小波分析应用于工程实际的一个重要方面。针对图像存在大量噪声的情况,阐述小波变换去除信号噪声的基本原理和方法。在综合考虑图像去噪平滑效果和图像的清晰程度的基础上,提出一种多方向多尺度的自适应小波去噪算法。通过试验数据验证了该算法的可行性和鲁棒性。实验结果表明该方法增强了图像的视觉效果。     

基于提升小波的自适应阈值图像去噪方法

利用提升法对传统小波进行提升,给出了用提升方法构造lifting-9.7小波的实现方法.针对图像去噪传统阈值选取的不足,研究了一种基于提升小波的自适应阈值图像去噪方法.实验表明:该方法实现简单,计算速度快,处理后的图像清晰,能量保持能力强,提高了去噪后图像的信噪比,去噪效果好.     

基于Contourlet变换的图像去噪方法

图像去噪是数字图像处理领域的一项重要技术.传统的基于小波变换的去噪方法,去噪效果不是很理想.为了解决这一问题,提出了一种基于Contourlet变换的图像去噪方法.实验结果表明,与传统小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的信噪比.     

基于Contourlet域K-L变换的SAR图像相干斑抑制

针对SAR图像相干斑噪声去除问题,提出了一种基于多尺度分解的Contourlet域K-L变换的SAR图像去噪的新方法。方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用K-L变换进行能量保持即提出信号的主要特征,用重构图像来进行去噪,最后通过Contourlet逆变换得到去噪之后的图像。在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征及边缘特征,且信噪比也较高。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

Shearlet变换域自适应图像去噪算法

首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。     

基于SWBC变换尺度相关性的红外图像阈值降噪

针对传统图像降噪算法无法较好处理红外图像中的噪声问题,提出了一种基于SWBC(Stationary Wavelet-based Contourlet)变换尺度相关性的红外图像阈值降噪算法。本文分析红外图像信号和噪声在SWBC变换域各尺度上的能量分布特性,改进一般降噪算法对所有子带均进行处理的做法,只对高频子带系数进行降噪处理。同时为增加SWBC系数阈值判断的准确性,本文算法对每个系数设置不同的阈值,结合尺度相关特性,对系数进行双重判断。使用不同的含噪红外图像对本文算法进行检验。实验结果表明,相比于WBC尺度间硬阈值降噪、WBC尺度间自适应阈值降噪和WBC尺度相关性降噪,本文算法能获得更高的SNR提升,且SSIM值也更接近于1。     

基于轮廓波变换的红外图像增强算法的研究

尽管红外图像的应用越来越广泛,但其本身存在的不足使得应用受到影响,因此对红外图像进行增强处理就显得十分重要。现有的图像增强算法没有考虑到变换系数中不同分辨率下的各个方向子带之间的能量分布,对所有分辨率下的所有方向子带中的变换系数进行统一的增强处理。因此,提出了一种结合方向子带能量分布的自适应增强算法。Matlab仿真结果表明,该算法不仅能增强目标的清晰度,还能提高红外图像的对比度,改善图像的视觉效果。     

基于小波域Curvelet变换的湍流图像去噪算法

为了提高湍流图像的空间分辨率,提出了一种基于小波域Curvelet变换(wavelet domain Curvelet transform,WDCT)的湍流图像去噪算法。该算法根据湍流退化图像噪声的统计特性,结合贝叶斯萎缩方法优化阈值选择。首先,对含噪湍流图像进行单层二维离散小波变换,接着提取高频系数并对它作快速离散Curvelet变换,最后根据贝叶斯准则估计阈值T,改进阈值的自适应选取方法,获得最优阈值,最后给出湍流图像去噪实现过程。为验证本文算法,根据客观评价标准峰值信噪比(peak signal to noise ratio,PSNR)和均方根误差(mean square error,MSE),对模拟图像和实测湍流图像进行去噪实验。与DWT-NABayesShrink算法、UWT算法相比,视觉效果更好,PSNR值分别提高7.27%和4.92%,MSE值分别降低26.3%和23.1%。本文算法得到较清晰的目标图像,对湍流退化图像去噪有一定的应用价值。     

基于Surfacelet变换视频自适应去噪

为了有效地保留视频去噪后的纹理细节,利用Surfacelet变换特性和自适应阈值的方法,提出了一种新的视频去噪算法。Surfacelet变换是超小波分析领域的最新发展,具有良好的多维信号处理能力,真正实现了对多维信号的多方向多尺度分解。本文介绍了Surfacelet变换的结构,根据Surfacelet变换的视频信号的系数特性和噪声分布特征,自适应估计每个方向子带的系数阈值。实验表明,本文算法能更好保留视频细节信息,对于视频的噪声也具有更强的抑制能力。     

非高斯双变量模型contourlet图像去噪

Contourlet变换是继小波变换之后的又一新变换.由于contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.详细分析了图像contourlet系数的统计特性,并利用非高斯双变量分布对系数层间相关性进行建模.最后,将此分布应用于图像去噪,就PSNR、NMSE和视觉质量这三方面的评价指标与contourlet HMT和小波阈值法进行了比较.实验结果表明：算法能获得较好的结果,尤其是对于含有丰富纹理的图像.