共查询到20条相似文献,搜索用时 78 毫秒
1.
针对指纹图像的特点,在分析了传统的软、硬阈值函数去噪原理的基础上,提出了一种新的小波阈值函数。新阈值函数克服了软、硬阈值函数存在的不足。通过选择不同的参数,可适应不同的图像。仿真实验表明,新阈值函数较传统阈值函数具有更好的视觉效果和更高的峰值信噪比(PSNR)。 相似文献
2.
基于小波的红外图像去噪算法研究 总被引:2,自引:0,他引:2
研究红外图像优化预处理问题,针对红外图像噪声分布的特点,提出一种新的去噪算法.对红外图像进行两次小波分解与重构,对分解后小波系数采用不同的阈值策略,分别消除加性噪声和乘性噪声.由于乘性噪声与红外图像相关,利用红外图像与乘性噪声在统计上独立的特点,在进行第二次小波分解之前先对含有乘性噪声的红外图像进行对数运算,这样才能消除乘性噪声.仿真结果表明,无论是视觉效果,还是客观评价指标,采用上述算法均优于传统去噪算法.并可广泛应用于红外成像领域. 相似文献
3.
4.
小波变换通过伸缩和平移等运算将图像进行了多尺度分析,可以有效地提取信息,因此可以将其运用到毫米波图像去噪领域当中。然而,小波阈值去噪方法中硬阈值函数和软阈值函数都有其自身的局限性。硬阈值函数的间断性会导致图像模糊,软阈值函数存在固定差值会影响重构精度。提出一种新的新阈值函数,通过加入了调节因子而更加具有灵活性,可以克服两种方法的缺点。仿真结果表明,新阈值函数下毫米波图像的峰值信噪比比硬、软阈值函数分别提升0.67db、1.06db,且新阈值函数下毫米波图像的主观视觉感官更好、去噪效果更佳。 相似文献
5.
6.
7.
8.
9.
10.
针对小波软阈值去噪函数会产生恒定误差导致图像边缘模糊的缺点,提出了一种改进阈值函数的去噪算法。该算法中当小波系数较大时,阈值函数趋向于硬阈值函数;当小波系数较小时,趋向于软阈值函数,具有自适应性。采用维纳滤波消除图像小波变换中低频频带中残留的噪声。实验结果表明,改进后的阈值函数结合贝叶斯阈值的方法与传统小波软阈值去噪相比,能够有效去除红外图像中的噪声,同时保持红外图像热差细节,具有较高的峰值信噪比,非常适用于去除红外图像中的噪声。 相似文献
11.
12.
13.
基于提升小波的自适应阈值图像去噪 总被引:1,自引:0,他引:1
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. 相似文献
14.
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,研究一种自适应阚值的图像去噪方法——Adapt Thr 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阈值。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。 相似文献
15.
基于小波变换的图像去噪 总被引:1,自引:1,他引:0
与传统的傅里叶变换去噪相比,小波能去噪同时保留图像细节特征。针对较好的小波去噪,本文研究了小波阈值去噪的阈值函数选取,阈值大小确定和小波去噪方法。 相似文献
16.
范建坤 《网络安全技术与应用》2013,(7):103-104
为了去除图像中的噪声,文章利用图像分块的思想,结合阈值去噪法和最小均方误差估计(MMSE),给出了一种基于领域阈值的小波域图像去噪算法。该算法与经典的子带自适应阈值去噪法BayesShrink算法相比,本文算法在峰值信噪比和视觉效果上都好于BayesShrink算法。 相似文献
17.
18.
近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。针对传统去噪方法的缺陷,从理论上推导了二维小波分解和重构具体算法,研究了小波图像去噪的基本理论和方法,在此基础上利用Matlab7.0.1对含有两种不同高斯白噪声的图像进行了仿真实验,实验表明,基于小波变换的图像去噪可以有效地提高图像的去噪效果。 相似文献
19.
20.
本文在分析软阈值函数的基础上通过对软阈值函数进行修正,提出了平滑阈值函数。此种函数因在整个取值区间内保持平滑性,所以在去噪中可保存图像的部分细节。本文将此种函数与基于贝叶斯风险估计求阈值相结合,用于自适应的小波阈值去噪,提高了图像的信噪比,减少了图像的均方误差。试验结果证明了这一点。 相似文献