基于粒子群优化算法的图像小波阈值去噪研究

将粒子群优化算法应用于图像小波阈值去噪，从理论上分析了小波去噪基本原理，并采用PSO的算法求小波变换各子带的最优阈值，讨论了粒子数目、噪声大小、小波基的选择对本算法效果的影响。实验结果表明，与普通小波阈值去噪方法相比，该算法能获得较好的图像效果，提高信噪比。     

改进的小波域自适应阈值煤尘图像去噪

煤尘图像在采集和传输过程中受到了噪声的污染。基于Bayes shrinke的小波域自适应阈值去噪算法取得了较好的图像去噪效果,但其阈值的参数估计是在假定噪声和信号不相关情况下得到的,使得其去噪效果降低。提出了一种改进的小波域自适应阈值去噪算法,从而改进了广义高斯分布模型参数的估计方法,并在增加计算量不大的情况下提高了参数估计精度。用改进的小波域自适应阈值去噪算法对煤尘图像进行去噪处理。仿真结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

基于图像局域特性的小波收缩去噪算法

传统的小波收缩去噪算法采用单一的阈值,它没有考虑到小波系数的类聚性,图像中重要小波系数类聚的局部具有重要的奇异特性,应降低阈值以保留图像的边缘;反之含有不重要小波系数的局部应提高阈值以消除更多的噪声,因此该文提出了一种基于图像局域特性的小波收缩自适应阈值去噪算法,这种算法根据图像局部的奇异性大小,选择适当的阈值进行去噪。实验结果表明,相对于传统的单一阈值去噪算法来说,新的算法可使滤波后图像的峰值信噪比有所提高,在一定程度上克服了单一阈值去噪算法无法滤除高质量图像中噪声的缺陷。     

新小波阈值函数在医学图像去噪中的应用

为了提高小波阈值去噪算法中的软阈值和硬阈值以及已有改进阈值函数存在的不足,提出了新的分层阈值函数的方法。该算法首先对噪声图像进行分解,从而得出小波系数。然后用改进的阈值函数对高频部分系数进行分层阈值处理。最后根据所得估计的小波系数在小波基的条件下,对图像进行重构,得到去噪后图像。该阈值函数具有优良的数学特性,通过对医学图像仿真实验结果表明,该算法去噪的效果无论是在视觉效果上,还是在均方差和信噪比性能分析上均优于常用的阈值函数,所以该算法在解决实际去噪问题中值得推广与应用。     

基于双局部阈值小波收缩的图像去噪算法

提出了一种基于双局部阈值的小波收缩的图像去噪算法。该算法利用小波系数的幅值、空间特性以及对噪声图像的分割,得到两个局部阈值：幅度阈值和空间阈值。利用这两个局部阈值（每个区域阈值不同）对小波系数做相应的“收缩”处理和重构,从而得到一个优质的去噪图像。该算法计算简单速度快,去噪效果明显,优于其他一些去噪算法。     

小波与双边滤波的医学超声图像去噪

目的：医学超声图像中的斑点噪声降低了图像质量并且限制了超声图像自动化诊断技术的发展。针对斑点噪声问题,提出了一种新型的基于小波和双边滤波的去噪算法。方法：首先,根据医学超声图像在小波域内的统计特性,在通用小波阈值函数的基础之上,改进了小波阈值函数。其次,将无噪信号的小波系数和斑点噪声的小波系数分别建模为广义拉普拉斯分布模型和高斯分布模型,利用贝叶斯最大后验估计方法得到了新型的小波收缩算法,利用小波阈值法对小波域内的高频信号分量进行去噪。最后,对小波域内的低频信号分量进行双边滤波处理,然后利用小波逆变换便得到去噪后的图像。结果：在仿真实验中,通过与其它7种去噪算法作对比,观察峰值信噪比(PSNR)等图像质量评价指标,结果表明本文算法的去噪效果优于其他相关算法。临床超声图像的实验结果进一步验证了本文算法的去噪性能。结论：本文提出了一种新型的去噪算法,实验表明本文算法能够很好地抑制斑点噪声,并且能保留图像病灶边缘等细节。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesSbrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果。     

一种基于参数自整定的小波去噪算法研究北大核心CSCD

小波阈值去噪法因其算法简单、计算量小而广泛应用于信号去噪,提高了数据处理的精度和效率。为解决传统小波阈值去噪法中阈值函数连续性差或原始小波系数与估计的小波系数存在恒定偏差的问题,提出了一种基于参数自整定阈值函数的改进小波去噪算法。该方法采用指数平滑逼近对小波系数进行阈值处理,通过参数的自整定使其阈值函数能够很快逼近硬阈值函数曲线,并具有较好的连续性和更佳的阈值估计小波系数,从而使改进后的小波去噪算法具有更好的去噪效果。仿真实验结果表明:相比于传统的硬、软阈值去噪方法,改进后的小波去噪算法的去噪效果更优。     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

图像小波阈值去噪方法研究

该文介绍了小波阈值去噪的基本原理,描述了图像小波阈值法去噪的过程,并通过仿真实验结果比较了小波阈值去噪方法在选取不同阈值函数下的去噪效果,证明了小波阈值去噪法是一种非常有效的变换域图像去噪方法。     

改进小波软阈值函数在图像去噪中的研究应用

常规小波软阈值去噪方法处理前后的图像小波系数有所差异,导致去噪后图像失真严重。为进一步提升去噪效果,提高去噪和细节保持能力,对阈值的选取方式和阈值函数进行改进。改进方法通过小波变换的每一级子带长度确定阈值,实现阈值自适应准确量化,改进软阈值函数采用双曲正切函数替换符号函数,对阈值绝对值范围内的小波系数应用非线性函数进行逐步压缩,使改进的阈值函数连续性更好,稳定性更强。实验结果表明,改进的小波软阈值去噪方法的峰值信噪比平均提升了48%,结构相似度平均提升了80.6%。相比常规小波阈值去噪方法,新改进的小波软阈值去噪方法在保留原始图像细节的基础上有效地抵制了噪声,图像质量提升明显。     

基于改进小波阈值法的图像去噪算法

图像去噪是图像处理中最基本、最重要的前期工作,本文提出一种基于衰减法的Garrote阈值函数,并将基于该改进阈值函数的小波阈值法用于图像去噪过程,最后通过MATLAB仿真实验验证了本文所提出算法的有效性.本文在分析小波阈值法对图像去噪效果影响的基础上,针对该去噪算法在去除噪声的同时也损失了一定量的图像细节信息的问题,改进了传统阈值函数未考虑阈值以下的小波系数可能含有图像细节信息而对阈值以下小波系数盲目置零的缺点,对Garrote阈值函数阈值以下的小波系数采取衰减方法,以保留更多的图像细节信息,并加入三个调整因子以提高其性能和灵活度,实验表明本文提出的改进小波阈值去噪算法能够有效地去除噪声,且能够保留大量的图像边缘及细节信息.     

一种新的小波半软阈值图像去噪方法

在小波半软阈值图像去噪方法基础上,提出了一种基于自适应局部相关系数的新方法。该方法在软阈值法和硬阈值法之间有很好的折衷,通过加入局部相关系数,使其在各种小波变换中均能增强子带内小波系数的相关性。在阈值选取中选用了基于Bayes风险估计的自适应阈值和具有统计意义上的阈值方法,获得了小波系数不同子带不同方向的最优估计。实验结果显示,该方法去噪效果显著,同时能够改善小波变换所造成的图像视觉失真和边缘振荡效应,更好地保留了图像边缘和细节纹理特征。该方法可通过调节局部相关系数控制图像去噪程度和效果,能满足不同需求,具有很高的实用价值。     

基于蜂群算法和带参阈值函数的图像去噪方法

针对小波阈值去噪方法中存在阈值选取困难和阈值函数量化效果差的缺陷,提出一种基于人工蜂群算法和带参阈值函数的图像去噪方法。首先,设计一个新的小波阈值函数,该函数具有连续性,高阶可微性和参数可调性,能够有效地解决硬阈值函数的不连续性和软阈值函数具有恒定偏差的问题。然后采用人工蜂群优化算法选取最优阈值,将其代入新小波阈值函数对带噪图像进行去噪处理。最后用MATLAB进行仿真实验,对比新阈值函数和传统阈值函数的去噪效果。实验结果表明：在图像去噪效果方面,提出的基于人工蜂群算法的新阈值函数明显优于传统阈值函数。     

基于邻域阈值萎缩法的图像去噪方法的优化

小波域去噪是一种新兴的图像去噪方法,邻域阈值萎缩法是小波域阈值图像去噪方法中的一种,其原理是根据邻域窗口内所有小波系数的平方和的大小对该窗口中心的小波系数进行处理。提出一种优化改进的小波域图像去噪方法,该方法先用均方差准则的无偏估计,在小波域每一个子带确定一个最优的阈值和邻域窗口,然后引入一个细节增强因子P,采取映射方式优化邻域阈值萎缩法中小波系数收缩因子,最后通过小波系数的收缩估计得到真实系数的估计。通过实验证明,该方法取得了比邻域阈值萎缩法更高的PSNR值,同时对图像细节进行增强,得到了更佳的视觉效果。     

基于提升小波的自适应阈值图像去噪

介绍了提升方法(Lifting Scheme)的基本原理,给出了用提升方法构造传统小波的实现方法.在提升小波分解变换的基础上,研究一种自适应阈值的图像去噪方法--AdaptThr Shrink去噪法.这种方法是基于Bayes框架,在不同子带和不同方向上选择不同的最佳阐值.结合软阈值法对图像进行去噪,与传统方法相比,此种方法提高了去噪后图像的峰值信噪比(PSNR),而且使图像更加清晰.基于提升小波的自适应阈值图像去噪法实现简单、计算速度快、去噪效果好.     

小波的循环阈值去噪方法

在D.L.Donoho提出的多分辨分析小波阈值去噪方法的基础上,针对SAR图像的相干斑噪声现象,提出一种小波域SAR图像的循环阈值去噪法,通过估计的噪声标准差和滤除信号后的噪声标准差之间的循环迭代,得到最优阈值。并以峰值信噪比和平滑指数等作为评价指标,与传统的软阈值、硬阈值以及几种空域滤波方法进行了比较。仿真结果表明,提出的新的阈值去噪算法无论是峰值信噪比,还是主观质量都优于软阈值、硬阈值去噪算法和各种空域滤波方法。     

一种基于形态学的小波阈值去噪方法

如何选取阈值是小波图像去噪的关键,在图像去噪的同时,还应尽量保留图像的边缘信息,基于这一思想,提出了一种基于形态学的小波去噪算法。用数学形态学算子对图像小波变换后的小波系数进行处理,并结合半-软阈值去噪技术。实验表明,该算法在去噪的同时,很好地保留了图像的边缘信息。