基于小波去噪和改进DCV的脑部MR图像分割

针对脑部MR图像具有高噪声、灰度不均和难分割的特点,提出了基于小波去噪和双水平集的脑部MR图像分割模型。对于MR图像中存在较大噪声伪影的问题,引入小波变换来去除噪声,对图像进行预处理。对传统的DCV模型进行改进,对去噪后的图像进行分割,得出最终的分割效果图。实验表明,该模型可有效解决脑部MR图像存在的高噪声、灰度不均和多目标的问题,有较强的抗噪性,保留了图像的细节信息,无需重新初始化,取得了较好的分割效果。     

基于中值滤波和小波变换的图像去噪

针对混合噪声的特点,提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波,然后再通过小波阈值法对噪声进行去除,达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价,结果表明:这种方法改善了图像质量,去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法,可以有效的去除混合噪声。     

基于超精密激光辅助的运动训练图像去噪处理模型研究

采用超精密激光辅助的运动训练图像去噪处理模型,去除运动训练图像中的噪声,获取高精度的运动训练图像,为运动训练分析提供可靠的分析依据。通过超精密激光仪采集运动训练图像,采用小波变换对采集的含噪运动训练图像进行中值滤波预处理,对图像进行三层小波分解,对分解后所获得细节子图像进行均值滤波,去除滤波噪声,储存高频信息,完成运动训练图像去噪处理。并通过自适应伪加权中值滤波与伪加权均值滤波相结合的混合滤波模型,进一步对小波去噪后的运动训练图像进行混合滤波处理,同时对处理后的图像进行灰度修正。实验结果说明,该模型对不同类型运动训练图像去噪处理效果好,能更好地去除散斑噪声和高斯噪声的干扰,较好地保存运动训练图像边缘等细节且清晰度高。     

基于小波变换的图像去噪算法研究

小波变换作为一种重要的工具,已经在图像处理中得到了广泛的应用。我们所获得的图像一般信噪比比较低,噪声密度大,且含有混合噪声,而现有算法大多只针对单一噪声进行去除。文章提出了一种基于小波变换的混合噪声的去除方法:首先使用改进的中值滤波算法去除脉冲噪声,然后采用小波去噪方法去除高斯噪声。通过Matlab仿真得出去噪效果。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

基于小波变换的图像混合噪声自适应滤波算法

提出了一种基于小波变换的图像混合噪声自适应滤波算法.该算法首先采用中值滤波进行预处理以去除脉冲噪声,然后对图像进行二维小波分解得到高频和低频子图像.根据各高频子图像噪声分布特征,分别设计出新的结构元素进行形态学滤波,随后定义一种新型阂值判别函数对高频和低频子图像分别设定不同调节参数,以进一步滤除残余噪声.最后进行小波系数重构.仿真结果表明,该算法去噪效果明显优于其他几种算法,从而表明该算法是一种较为有效的图像混合噪声滤除方法.     

基于Bior小波变换和中值滤波的图像去噪

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想,而小波变换可以较好地滤除高斯噪声。本文将Biorthogonal小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声。实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单纯的小波变换或单纯的中值滤波。     

基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

结合新型边界扩展函数的水平集医学图像分割方法

针对核磁共振成像(MRI)图像具有高斯噪声与灰度不均的特点,提出了结合新型边界扩展函数的水平集图像分割方法.第一步对图像进行除噪预处理:利用傅里叶变换把图像转换到频域,然后用理想低通滤波器去除高斯噪声;第二步用改进型水平集方法对MRI图像进行分割:先按照阈值法确定水平集初值,即对图像作预分割,然后设计了一种新型边界扩展...     

基于图像中值灰度相似度函数加权曲率滤波算法

曲率滤波算法通过构造滤波算子快速优化变分模型,但全变分曲率滤波及高斯曲率滤波易致去噪过平滑且椒盐噪声去除较差.提出了基于图像中值灰度相似度函数加权曲率滤波算法,其中,中值灰度相似度函数方差取决于小波变换最高频子带系数,能较好防止图像过平滑,且提高椒盐噪声去除能力;因此,采用中值灰度相似度函数分别对局部高斯曲率与局部全变分曲率投影算子加权,并分别迭代局部加权高斯曲率投影算子与局部加权全变分曲率投影算子,直至输出图像梯度总能量满足停止条件.实验表明,基于图像中值灰度相似度函数加权全变分曲率滤波与加权高斯曲率滤波比传统全变分曲率滤波和高斯曲率滤波去噪效果更好.     

小波变换在遥感图像处理中的应用

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像噪声大、边界不清楚等问题,提出了应用小波变换对遥感图像进行降噪和边缘检测处理的方法。然后详细介绍了基于小波变换的图像降噪和图像边缘检测原理,并对具体的遥感图像进行降噪和边缘检测处理,实验结果表明小波变换降噪结果优于中值滤波和均值滤波降噪结果,基于小波变换的边缘检测可有效地检测遥感灰度图像的边缘,其边缘检测结果优于Canny算子。     

基于噪声估计的自适应开关型中值滤波器

提出了一种基于噪声估计的自适应开关型中值滤波器(IASMNE,improved adaptive switching median filter based on noise estimation)。IASMNE以图像经小波变换后在不同尺度和不同方向提取的子带滤波系数值的统计信息构成刻画图像受噪声干扰程度的特征矢量,在大量噪声图像上获得的特征矢量为学习数据集,并利用支持向量回归(SVR)分析实现对图像中噪声比例的准确估计。基于此,IASMNE对高、中、低不同噪声比例图像启动不同的滤波策略,并灵活设置滤波参数。大量实验表明,与其它开关型滤波器相比,IASMNE能够合理地根据图像噪声干扰程度进行最佳滤波,尤其是对于大于70%的椒盐噪声(SPN)能够大幅度提高图像质量。     

多尺度下低对比度红外热图像增强技术

对红外热图像进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术以及中值滤波方法，使图像的目标与背景之间的灰度差别放大并且滤除噪声，从而达到增强图像的目的，其缺点是灰度变换技术易放大噪声而中值滤波方法只能滤除高斯白噪声。由于梯度反映了图像灰度之间的差异，而根据二进小波变换可以建立红外热图像的梯度矢量图，通过增强红外热图像梯度的幅度，可以有效地增强图像对比度。根据脉冲噪声和高斯白噪声的多尺度下小波变换特性，抑制噪声点的梯度且增加目标的梯度幅度，能达到既增强图像又抑制多种噪声的目的。     

一种级联的激光主动成像图像融合降噪算法

针对激光主动成像图像混合噪声的特点,提出了一种投票中值滤波和整数提升小波级联的融合降噪算法。首先对激光图像进行噪声像素点检测,区分噪声点与非噪声点;而后采用投票中值滤波对噪声点进行处理,抑制脉冲噪声;然后采用整数提升小波变换对图像进行Bayes自适应阈值去噪,抑制散斑噪声;最后通过逆变换得到去噪图像。通过实验比对结果表明,该方法在具有良好的去噪、边缘保持性能的同时,还具有较为理想的实时性。     

基于伪中值滤波和小波变换的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

基于中值滤波和小波变换图像降噪的新算法

针对小波变换去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到良好的降噪效果的问题,文中构造了一个新的小波阈值函数,并对中值滤波进行了改进,将此两者方法相结合进行图像去噪。仿真实验结果表明,新算法能够有效去除高斯白噪声和脉冲噪声,而且去噪后图像的峰值信噪比和均方误差都较单一算法得到改善,从而证明了该方法的有效性。