基于轮廓波消噪的门限选取方法研究*

简单地回顾了轮廓波变换的基本原理和基于轮廓波变换的消噪方法;与小波消噪门限选取原则相比较,得出了轮廓波变换消噪的门限选取原则和参考阈值,指出参考阈值的选取应该低于小波最优门限3σ,并给出一些不同门限下小波消噪和轮廓波消噪的实验结果。实验和理论分析表明,基于轮廓波变换的消噪方法在门限选取上略不同于小波的3σ原则,合理的门限参数应当是2.5σ。门限的选取从3σ下降到2.5σ,使得基于轮廓波变换消噪的峰值信噪比提高0.3 dB左右,视觉效果也有一定程度的改善。     

基于轮廓波变换的织物疵点图像消噪新方法

为了实现织物疵点图像的有效消噪,使其更有利于特征提取和疵点检测,提出了基于轮廓波变换的织物疵点图像消噪新方法。综合考虑轮廓波方向子带能量的大小与织物疵点图像轮廓细节之间的关系,对Donoho多尺度分解阈值进行修正,改进了Donoho多尺度分解阈值对图像细节"过扼杀"的缺点。实验结果表明,对织物疵点图像进行基于轮廓波变换改进阈值消噪时,该方法更好地保留了织物疵点图像的轮廓细节,峰值信噪比显著提高。采用改进的轮廓波Donoho多尺度分解阈值消噪后的图像,可以更好地应用于织物疵点图像的特征提取和疵点识别。     

轮廓波消噪中消噪效果与噪声强度的关系*

首先简单回顾了轮廓波变换的基本原理和实现方法;然后阐述了基于轮廓波变换的图像消噪实现方法,针对包括小波消噪、第一版轮廓波变换消噪和第二版轮廓波消噪变换消噪在内的三种变换域消噪方法在不同噪声强度下的消噪效果进行了实验和分析.实验表明,第一版轮廓波变换在噪声强度较大时,比小波有较高的信噪比;在噪声强度较小时,比小波有更低的信噪比;第二版轮廓波变换则总是在信噪比上优于小波.     

第二代轮廓波纹理图像检索系统

提出了一种基于第二代轮廓波变换的纹理检索系统的实现方法。该系统采用第二代轮廓波变换域子带系数的能量和标准偏差序列作为特征向量,以Canberra距离为相似度度量标准。采用Brodatz纹理数据库中的109幅640×640的纹理图像为实验对象,比较了基于同样架构的第一代轮廓波变换和第二代轮廓波变换纹理检索系统的性能。实验结果表明：在特征向量长度、检索时间、所需存储空间基本相同的情况下,第二代轮廓波变换检索系统比第一代轮廓波变换检索系统具有更高的检索率。     

基于Curvelet变换的阈值补偿图像去噪方法研究

基于Curvelet变换硬阈值图像去噪方法,能有效地抑制图像中的噪声。为了减小在去噪过程中产生的伪吉布斯现象,提出一种阈值补偿的去噪方法,即用软阈值和过扼杀系数一起补偿硬阈值。试验结果表明,该方法在去噪和保持边缘的同时,取得了较好的视觉效果,并且PSNR也得到一定的提高。在同等噪声条件下对比不同的噪声图像,与硬阈值去噪算法相比,阈值补偿算法的峰值信噪比提升为0.44%-0.96%;同一图像在不同的噪声条件下,与硬阈值去噪算法相比,其峰值信噪比提升了0.44%-0.76%。     

一种基于轮廓波变换和各向异性扩散的图像去噪模型

提出一种采用轮廓波变换和各向异性扩散的图像去噪模型。利用轮廓波变换较好的稀疏性、多方向性等特点,通过对噪声图像经轮廓波变换后的不同尺度上的子带图像进行扩散,并采用P范数方法在轮廓波域计算子带图像的梯度阈值,实现建立在图像精细分析基础上的新的各向异性扩散模型。仿真结果表明,提出的扩散模型较好地抑制了传统各向异性扩散模型出现的边缘模糊效应,在对图像去噪的同时保留了更多的边缘、纹理等细节信息。     

轮廓波在数字水印中的应用

本部分主要讨论了一种有效的多尺度方向变换--Contourlet变换的基本概念以及基于该变换的一种稳健数字水印算法.Contourlet变换在任意尺度上都能实现2的任意次方的方向分解,从而擅长于描述图像中的轮廓和纹理信息.     

非下采样轮廓波变换快速算法

多尺度几何分析（MGA）是一种有效的图像处理方法. 作为MGA的一种离散实现方法,非下采样轮廓波变换（NSCT）被广泛应用于图像去噪、图像融合、图像增强、特征提取等领域. 然而,由于该变换的高冗余性,其计算效率受到一定限制. 因此,对NSCT快速算法的研究具有现实意义. 本文采用一种优化的方向滤波器改进了原NSCT变换,以损失部分重建图像质量为代价,获得算法处理速度的显著提高. 实验结果可见,在满足重建图像主观质量视觉要求的前提下,算法速度可比原变换提高若干倍. 图像去噪实验进一步验证了算法的可靠性及效率.     

基于Shearlet变换的图像去噪算法

针对传统变换域去噪算法的不足,提出一种基于Shearlet变换的图像去噪算法。该算法首先在Shearlet变换理论基础上实现了一种分解和重构的方法,然后用Monte-Carlo方法对高频系数进行估计,最后通过阈值函数进行收缩去噪。实验结果表明,该算法在抑噪和保持边缘的同时,取得了较好的视觉效果和更高的PSNR值。     

基于第二代Bandelet变换的彩色图像去噪算法

针对目前最新发展的Bandelet变换的特点,本文提出了基于第二代Bandelet变换的彩色图像去噪算法,充分利用彩色图像内在的几何正则性,自适应获得彩色图像的最优表示,通过噪声强度设置阈值,并利用软阈值函数实现彩色图像去噪。通过MATLAB实验结果表明,使用该算法去噪后的彩色图像,无论在主观视觉效果上还是客观质量指标上都比小波和第一代Bandelet算法有显著提高。     

基于非下采样四元数轮廓波变换域的图像去噪

为了克服传统小波变换的不足,提出一种将非下采样四元数轮廓波域对称正态逆高斯分布模型与非局部均值滤波相结合的图像去噪新方法.非下采样四元数轮廓波变换是级联四元数小波变换和非下采样方向滤波器组得到的,具有高度的方向选择性、各向异性及平移不变性.仿真实验表明:该方法在峰值信噪比、平均结构相似性及视觉效果上均优于一些经典的去噪算法.     

一种改进Contourlet变换的图像去噪算法

针对Contourlet分解的细节图像在奇异点附近产生振荡,在去噪过程中会产生伪吉布斯现象,提出一种改进的拉普拉斯金字塔实现基于Contourlet变换的图像去噪算法。阈值的选取不仅考虑不同尺度中噪声含量的不同,而且在不同方向上对阈值进行了调整。实验结果表明,利用该文去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

基于NSCT自适应阈值的红外图像去噪算法

提出自适应阈值的NSCT去噪算法.在对红外图像噪声特点分析的基础上,通过对NSCT构造特性的分析,提出了将自适应阈值的NSCT运用于红外去噪,并验证了其可行性.分析了图像尺寸和分解尺度对去噪的影响,获得去噪算法的优化.应用于几种不同的红外图像,对红外图像去噪视觉效果和峰值信噪比两方面进行比较,该去噪方法取得了较好的效果,尤其是在边缘保持方面.     

二代小波变换及其在图像融合中的应用

介绍了比较新颖的二代小波变换技术,即通过分裂、预测和更新三个步骤实现小波变换的方法,并且把这种技术成功的应用于图像融合技术中。实践表明,这是一种比较成功的图像融合解决方案。     

Local thresholding with adaptive window shrinkage in the contourlet domain for image denoising

Threshold selection is a challenging job for the image denoising in the contourlet domain. In this paper, a new local threshold with adaptive window shrinkage is proposed. According to the anisotropic energy clusters in contourlet subbands, local adaptive elliptic windows are introduced to determine the neighboring coefficients with strong dependencies for each coefficient. Utilizing the maximum likelihood estimator within the adaptive window, the signal variance is estimated from the noisy neighboring coefficients. Based on the signal variance estimation, the new threshold is obtained in the Bayesian framework. Since it makes full use of the captured directional information of images, the threshold extends to the anisotropic spatial adaptability and behaves reliably. Simulation experiments show that the new method exhibits better performance than other outstanding wavelet and contourlet denoising schemes obviously, both in the PSNR value and the visual appearance.     

一种无抽样Contourlet变换的图像去噪方法

提出一种基于Contourlet变换的图像去噪方法,Contourlet变换采用无抽样形式,系数萎缩处理阈值门限与尺度相关。通过模拟产生不同方差噪声信号进行Contourlet变换,确定各尺度子带系数阈值,得到噪声方差与各尺度子带阈值对应表。对噪声污染图像进行Contourlet变换并估计噪声方差,查表得到各子带阈值,进行系数萎缩处理。实验表明提出的处理方法简单有效,去噪结果具有良好去噪视觉效果和较高峰值信噪比。     

基于非降采样轮廓波变换的图像修复算法

多尺度分析技术已经广泛应用于数字图像处理领域,较大破损区域的图像修复成为图像修复的一个热点和难点。针对该问题,结合多分辨率分析原理与传统的样本块图像修复技术,提出了一种基于非降采样轮廓波变换的图像修复算法。该算法利用非降采样轮廓波变换把图像分解成低频部分和高频部分,并对图像分解后不同频率的部分分别予以修复。其中,图像的低频成分采用改进的纹理合成的方法进行修复。因为图像经过非降采样轮廓波变换后,低频分量与高频分量之间对应位置的信息之间具有一致性的特点,所以在修复低频成分的同时实现其他高频分量对应位置信息的修复。最后通过非降采样轮廓波重构过程完成纹理图像的修复。一般图像修复方法的参数选取以图像的修复效果最佳为宜,给出一个反例进行分析论证。实验发现,所提算法所修复图像的结构相似性测度与经典Criminisi算法和小波修复算法相差不大,但是峰值信噪比（PSNR）测度依据不同图像的纹理结构的特点与破损区域的不同位置特点而不同。仿真实验表明,所提方法很好地推广了非降采样轮廓波变换在图像修复中的应用,并且在修复大区域破损图像时能够获得较好的修复效果。