NSST各向异性双变量收缩的图像去噪算法

提出一种基于非下采样Shearlet变换(NSST)的各向异性双变量收缩函数的图像去噪算法。根据NSST不同尺度间系数的方差各向异性特性,在双变量收缩函数的基础上引入各向异性拉普拉斯概率分布,利用牛顿迭代算法得到各向异性的双变量收缩函数,对NSST系数进行处理,充分利用NSST能捕捉更多纹理及结构等细节信息的优点。实验结果表明,该算法在峰值信噪比、结构相似性以及主观视觉效果上均得到较大提高。     

基于双变量收缩函数的局域自适应图像去噪

由于图像小波系数存在很大的层间相关性,引入双变量概率分布模型,基于贝叶斯估计理论,得到了相应的非线性阈值函数（双变量收缩函数）;基于层内局域方差估计,利用该收缩函数得到一种局域自适应的图像去噪算法。在实验中,将该算法分别应用到实值离散小波变换域和双树复数小波变换域,并和隐马尔科夫模型的去噪方法做了比较分析。实验表明,复数小波变换的局域自适应收缩图像去噪算法去噪效果最好。     

各向异性小波收缩用于图像分割

已经证明2维情况下一般各向异性扩散与HAAR小波收缩在一定条件下是等价的,基于此等价性的各向异性小波收缩结合了小波收缩与各向异性扩散两种方法的优势。将各向异性小波收缩用于多尺度图像分割,提出一种对多尺度各向异性扩散分割方法的改进方法——多尺度各向异性小波收缩图像分割算法。该算法利用各向异性小波收缩对图像中像素灰度值进行扩散,在尽可能保持边缘的情况下,使同质区域内相邻像素灰度随尺度数增加趋于相同,构造基于尺度的空间栈,从而完成对目标的分割,是一种非监督图像分割方法。对比实验结果表明,该算法在有效处理区域内部不一致性的同时,能够准确地定位目标边缘,实现同质区域的融合,完成分割任务,且该算法收敛速度高于多尺度各向异性扩散分割方法。     

改进的双变量收缩函数模型脑电信号消噪方法

针对传统小波消噪全局阈值处理独立性假设和双变量函数模型对没有父系数的最高层小波系数不做处理的缺陷,提出一种高密度离散小波变换中利用双变量收缩函数对脑电信号进行消噪的方法。子小波系数根据双变量函数实现局部自适应收缩处理。同时根据父系数趋于0时,阈值函数近似于软阈值函数,对最高尺度小波系数进行软阈值法消噪。从实际信号处理效果和客观定量指标两方面进行评价,结果表明这种改进算法都优于软阈值法、硬阈值法以及双变量收缩法。     

高阶各向异性扩散小波收缩图像降噪算法

证明一种高阶各向异性扩散与小波收缩的等价性,并根据等价性利用高阶各向异性扩散与小波收缩的优势,提出高阶各向异性扩散小波收缩降噪算法。该算法在低频部分采用经典的非线性扩散方法进行扩散,在高频部分采用高阶各向异性扩散方法进行小波收缩。实验结果表明,高阶各向异性扩散小波收缩算法的计算复杂性介于高阶各向异性扩散与小波收缩算法之间,降噪能力高于这2种方法。     

基于变系数双变量模型的双变量阈值去噪法

针对不同子带小波系数的父子小波系数联合分布不同的特点,提出可描述这一特征的父子小波系数的变系数双变量分布模型,并使用贝叶斯最大后验估计理论推导出基于新模型的双变量阈值函数。结合具有平移不变性和多方向选择性的双树复小波变换以进一步提高图像的去噪效果。实验结果表明,与Sendur的双变量阈值法相比,新方法去噪后图像的PSNR值有了提高,图像的主观视觉效果也得到改善。     

基于双正交小波变换的CT/PET医学图像融合

医学图像融合能将不同设备图像的诊断信息综合起来,充分利用各成像设备的优点。不仅可以提高疾病的确诊率,而且可以提高病灶的定位精度,在诊断上具有重要的应用价值。小波变换是图像融合中一种有效的方法。为了避免正交小波产生的相位失真,采用双正交小波对CT-PET图像进行多分辨率分解与重构,并提出一种新的融合算法。实验表明,该方法能有效地将解剖信息和功能信息集成在一起,完好地保留了各图像的信息。     

一种高阶各向异性扩散小波收缩图像降噪算法

图像可以看作是一个曲面,描述曲面上某点相对于球面的弯曲程度可以用高斯曲率.提出用高斯曲率来定义在图像上的能量泛函,并得到相应的欧拉方程,利用梯度下降法推出基于高斯曲率的高阶各向异性扩散方程.进而根据小波收缩与各向异性扩散等价性框架,提出一种高阶各向异性扩散小波收缩图像降噪算法.实验表明,此算法在去除噪声的同时能够很好地保持高频特征和边缘形状.     

遥感图像双正交小波的数据融合模式研究

鉴于小波变换分析方法在图像处理与图像融合中具有广阔的应用前景，为了获得更好的图像融合效果，首先介绍了图像数据小波分解与重构的基本方法，然后从理论上阐述了具有广义线性相位的双正交小波基的优点，最后通过小波变换与HIS变换的有机结合实现了图像融合。融合后的影像不仅仍然保持了地物的光谱信息，而且保留了高空间分辨率全色波段影像细节清晰的特点。实验结果表明，基于双正交小波变换的多分辨率遥感图像数据融合技术是提高卫星遥感影像解像力的一个重要手段。     

基于高密度离散小波变换的改进图像降噪方法

为进一步提高图像质量,提出一种基于高密度离散小波变换的改进图像降噪方法。给出二维高密度离散小波变换的分解与重构快速算法,通过该算法对图像进行多尺度分解,利用相邻尺度小波系数相关性对各层小波系数进行双变量收缩阈值处理,重构降噪后的图像。实验结果表明,与其他常用小波降噪方法相比,该方法能进一步提高图像降噪效果,且在降噪过程中较好地保留图像细节。     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,很好地将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,且优于传统的射线图像增强方法。     

各向异性扩散与高斯差分模型的多聚焦图像融合方法

利用各向异性扩散模型具有良好的边缘保持特性,提出一种基于各向异性扩散滤波与高斯滤波差分规则的图像融合算法。各向异性扩散方程对图像进行滤波操作,在图像的同质区域实施正向扩散以平滑图像,而在图像边缘实行较弱平滑以保护边缘细节信息。将通过各向异性扩散模型处理的图像与经过高斯函数滤波的结果图像进行差分操作,可以得到图像的高频系数信息。为提高健壮性,对高频系数进行小窗口累加,其作为像素选择准则,再分别从原始图像中直接获取对应的像素值组成融合结果图像。实验结果表明,所提出的方法可以有效地融合源图像信息,非常适合多聚焦     

基于小波变换的多聚焦图像融合算法

针对基于小波变换的多聚焦图像融合算法,改进融合规则和融合算子,低频分量采用以相关系数作为阈值的加权平均算法,高频分量采用基于区域特征的融合算法,并对最佳分解层数与最佳小波基的选取进行优化验证。通过对实验结果的分析,选用bior4.4小波,进行最佳分解层数小波分解,并应用改进的融合规则,在融合多聚焦图像的效果上,与其他多种融合算法相比,各项评价指标都比较理想。     

基于离散小波框架变换的彩色多聚焦图像融合算法

提出了一种基于离散小波框架变换的彩色多聚焦图像融合算法。首先求取各彩色多聚焦图像的灰度分量,再对各灰度分量进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后根据各图像中像素的清晰度指标对属于清晰区域的像素进行组合,从而得到融合后的图像。试验结果表明本文所提出的算法能够较好地解决彩色多聚焦图像融合问题。     

小波变换图像融合规则性能的分析研究

基于小波变换的数据融合技术的关键是融合算法和融合规则。为分析不同融合规则对融合性能的影响,选用四种小波高低频系数的不同规则组合进行融合实验,并应用六种统计指标进行融合效果的比较,结果表明,融合规则不同,融合性能会有差异,而同一种融合规则,不同的统计指标也反映其融合性能的优劣差异,有时差异还很明显。因此,应根据不同的图像融合目的选择合适的融合规则和融合算子。     

基于小波分析的图像融合新方法

针对多源像素级数字图像融合,给出了一种基于小波分析的融合新方法。根据不同的频率域特点选择不同的融合规则,对低频系数给出了基于边缘信息的融合规则,对高频系数给出了基于窗口与分形思想相结合的融合规则。实验结果表明,新方法得到的融合图像无论在视觉效果还是在客观评价方面,均优于传统的融合方法,这为图像融合算法的研究提供了一种新方法。     

一种基于小波变换的多尺度图像融合方法

近年来图像的数据融合技术在图像处理领域中得到了广泛的重视和应用。如何对同一目标的多源遥感图像数据进行有效的融合,最大限度地利用多源遥感数据中的有用信息,提高系统的正确识别、判断和决策能力,是遥感数据融合研究的重要内容之一。在小波变换金字塔结构的基础上,提出了一种基于小波变换的多尺度图像融合方法,对热红外与可见光图像进行了融合处理。实验结果表明,该融合方法十分有效,获得的融合图像更符合人们的视觉特性,更有利于机器视觉。     

基于提升小波变换的图像融合新算法

给出了一种基于提升小波变换的图像融合方法,并对小波分解的不同频率域,分别采用不同的融合规则。选择低频系数时,是基于边缘的方法,选择高频系数时,把小波系数的方差与绝对值综合起来考虑来决定融合小波系数。实验结果表明,提出的方法融合效果要优于一般融合方法。