基于小波变换的图像阈值去噪分析

小波阈值去噪是小波域去噪的主要方法之一,该方法通过对合适阈值的选取,采用阈值函数对小波系数进行相应的非线性处理,获得基于均方差的最佳去噪效果。针对图像去噪,将图像分别进行软阈值、硬阈值、软硬折中法和模幂次法去噪,对各个阈值去噪效果进行了比较分析,得到相对有效的处理方法,为小波去噪方法的选择提供了参考。     

基于变换域的数字水印技术

数字水印技术是将信息隐藏从而实现多媒体数据的版权保护,数字水印的研究主要是所提出的算法具有更好的不可见性和鲁棒性。提出了2种不同的变换域方法:一种是基于DCT域的水印算法,水印信息取自二值签名图像;另一种是基于小波分解的数字水印算法,采用服从高斯分布的随机数作为水印信息。实验结果表明,这2种水印算法具有良好的性能,实现的水印具有不可见性,而且对于常见的图像处理具有很好的鲁棒性。     

基于图像边缘信息的多小波阈值去噪方法

基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素.基于图像边缘信息的多小波闽值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理.与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好.     

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.     

一种基于曲率变分正则化的小波变换图像去噪方法

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征（如边缘、细小纹理等）易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处理,然后用增强图像的水平集曲率建立一个基于水平集曲率的曲率驱动函数,再将曲率驱动函数作为一个校正因子引入到变分模型中,建立曲率变分模型,用以控制图像的整体结构.在缺乏图像梯度信息的情况下,该模型克服了ROF模型错误扩散这一缺点,符合图像处理的形态学原则.最后,用建立的曲率变分模型处理提取的高频成分,重构处理后的高频成分和原来的低频成分,得到去噪后的图像.分析和仿真结果表明,新算法可有效抑制噪声,有极高的图像结构相似度,去噪效果明显.     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于小波和NSCT的图像自适应阈值去噪方法

提出了一种基于小波和非下采样Contourlet变换(NSCT)相结合的图像自适应阈值去噪方法.先用小波估计噪声图像的噪声强弱,再根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值.仿真实验结果表明,与小波硬阈值、Contoudet硬阈值和基于非下采样Contourlet硬阈值去...     

基于混合变换域的数字水印算法

提出了一种基于二维离散小波变换(DWT)和离散余弦变换(DCT)的混合变换域数字水印算法。通过小波变换得到载体图像的高频和低频系数,将低频系数作为一个子图像;再将二值水印图像置乱并编码,在子图像的离散余弦变换得到的系数中嵌入水印。该方法在水印检测和提取过程中都不需要原始图像。实验表明该方法水印隐藏性好,鲁棒性较好,抵抗放缩和局部攻击有很好的表现。     

对称延拓小波变换矩阵用于FRIT去噪

给出了对称延拓方式下有限长信号不需逐级计算而直接得到小波系数的分解矩阵和由这些小波系数重构原信号的重构矩阵的构造方法,并给出了常用的相应于9/7小波的分解矩阵和重构矩阵及其基向量,它们可广泛用于基于小波的图像分块处理中.作为一种应用实例,将构造的小波变换矩阵用于FRIT图像去噪,不仅计算大大简化,而且相对于周期延拓的小波变换而言边界效应明显减少.     

基于小波变换及隐式马尔科夫树模型的图像信号去噪

研究基于小波变换的隐式马尔科夫模型树(HMT)方法,用于去除图像信号中的白噪声。该方法利用了小波变换域系数间的相关性和自相似信息,并在Lenna图像中验证了方法的有效性。对不同程度污染的高斯白噪声图像的去噪效果与传统方法进行比较;结果表明,基于小波变换的HMT方法有更好的去噪效果,所建立的HMT模型更能体现图像的特征。     

基于全变差和小波硬阈值的图像去噪

本文提出了一种将小波硬阈值与带有自适应逼近项的全变差相结合的方法．该方法利用小波硬阈值和带有自适应逼近项的全变差的特性对图像进行处理,不仅很好地抑制了噪声,而且尽可能地保留了图像的特征结构,实验结果表明具有良好的视觉效果．     

图像方向纹理保持的方向全变差正则化去噪模型及其主优化算法

正则化方法是目前解决图像去噪不适定性的一条有效途径,但对于图像中纹理细节的保持仍是棘手的问题。本文针对图像方向纹理保持的去噪问题,给出了图像方向纹理保持的方向全变差正则化去噪模型。分析和证明了方向全变差的若干等价表示性质,并基于该性质迭代构造代理泛函和B样条离散差分逼近方法,给出了一种主优化去噪算法。数值实验表明,该方法在去除噪声、抑制图像的“阶梯效应”和保持图像方向纹理等方面取得较好的效果。     

基于双变量收缩函数的对偶树复小波图像去噪

常用离散小波变换缺乏平移不变性和良好的方向选择性,并且在图像去噪中使用的模型没有充分考虑系数间的相关性,导致去噪效果不理想.为了克服上述离散小波变换图像去噪的不足,提出了利用对偶树复小波变换与双变量收缩函数相结合的图像去噪算法.实验结果表明,该算法比传统算法有更好的去噪效果.     

一种概率自适应图像去噪模型

从小波变换入手,提出了一种概率自适应去噪模型.该模型包括尺度层间模型和层内模型.去噪方法首先利用小波域层间模型,将小波系数分成两类:有意义系数和无意义系数;然后在层内概率模型下运用最大后验概率估计方法,从有意义系数中恢复出原始系数.我们还将这种模型引入复数小波变换域.实验结果及分析表明了该去噪模型的有效性.     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。     

一种新的变分去噪模型定参方法

以全变分去噪模型为例,从梯度下降法解相应的欧拉方程着手,提出一种新的定参方法对图像进行去噪,根据新方法选取的参数,同时保证均值和方差估计式。且求解偏微分方程选取的初值不是噪声图像而是对噪声图像进行小波分解后,保留低频系数,只对高频系数设置阈值,再重构后的图像。根据新选取的初值对相应的偏微分方程进行差分迭代求解,数值仿真结果表明,该方法选取的初值具有更好的去噪效果。     

一种基于压缩感知全变差算法的图像去噪方法

压缩感知技术突破了奈奎斯特准则的局限性,在图像处理方面有着广泛的应用。提出一种改进的基于压缩感知的图像去噪方法。该方法中,对混有噪声的图像首先进行稀疏变换,然后对变换后的部分系数采用测量矩阵进行测量,最后通过全变差(TV)重建算法进行图像重建。仿真结果证实全变差重建算法在图像去噪中优于其他压缩感知重建算法,可以有效地去除图像中混有的噪声,实现图像的良好去噪。     

一种基于小波变换的自适应图像降噪法

提出了一种基于二进小波变换的图像降噪方法,通过对小波变换系数进行阈值处理实现降噪。该方法结合图像的自身邻域信息,具有一定的自适应性。实验结果证明能够产生较好的效果。     

子波变换去噪的一种新算法

在图象平滑中，经常采用均值滤波和中值滤波。然而均值滤波对高斯白噪声比较有效而中值滤波对脉冲噪声比较有效。因而寻求对两种噪声都有效的去噪算法是我们所希望的。本文在概要介绍子波变换的基础上，首先从理论分析和实验计算两个方面详细讨论了脉冲信号和高斯白噪声的子波变换特性。然后说明了一种对脉冲噪声和高斯白噪声同时有效的新的去噪算法。最后利用改进的去噪算法对一维信号和二维信号进行了实验，并给出了数字仿真的结果。