小波自适应阈值和双边滤波的图像去噪

针对VisuShink阈值去噪参数选取仅考虑到噪声标准差和信号长度的不足,提出一种自适应小波阈值并结合双边滤波实现图像去噪的方法。从分析小波子带系数的统计特性出发,选取小波分解层数与子带之间相互关联的自适应阈值,实现图像小波分解自适应去噪,再结合双边滤波去噪方法,以获得能保留图像丰富细节信息的图像降噪效果。通过多幅图像加不同强度噪声所做测试显示,新方法相比传统的软硬阈值函数去噪方法更有效,尤其是对高强度高斯噪声图像去噪,可得到较好的峰值信噪比和视觉图像质量。     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

超小波多阈值估计的图像去噪新方法

为了能够更好的保留图像的有用信息,更精确的去除图像的噪声,提出了基于超小波多阈值的自适应图像去噪方法.该方法先通过超小波变换对图像进行多尺度,多方向分析,然后采用WindowShrink和BayesShrink相结合的去噪方法,充分利用原始图像和噪声的信息实现了图像的降噪处理.仿真结果表明,文中方法无论峰值信噪比还是去噪图像的效果都优于小波变换.     

基于平稳小波的自适应阈值MR图像去噪法

针对小波空间Donoho阈值在图像去噪中的缺陷,提出一种基于平稳小波变换的自适应阈值MR图像去噪方法,即由 Lakhwinder Kaur小波阈值选取法,根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,对平稳小波变换后的各层细节信号分别进行阈值化处理.该方法能很好的抑制小波空间Donoho阈值去噪法出现的伪Gibbs现象,弥补了正交小波变换存在的不足,在滤出噪声的同时,较好地保留了MR图像的细节信息.实验结果表明该算法在性能指标和视觉质量上的优越性.     

基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

基于DCT及高频屏蔽窗的小波图像去噪方法

为精确估计噪声方差,提出一种基于离散余弦变换及高频屏蔽窗的去噪方法,利用离散余弦变换（DCT）对小波高频子带进行局部特征提取,在此基础上对由噪声引起的小波系数的幅值进行估计,从原小波系数中屏蔽噪声部分的幅值,并用小波逆变换对剔除噪声分量后的小波系数进行恢复,从而得到去噪后的图像．该方法避开了噪声方差的估计,并在去噪效果和保留细节方面要好于传统的阈值去噪方法．     

基于小波变换的自适应阈值图像去噪技术研究

主要研究了基于小波变换的图像去噪技术在图像去噪过程中的阈值选择问题,对图像信号进行小波变换得到小波系数,选择合适阈值处理小波系数,再将处理后的小波系数经过小波逆变换得到重构后的去噪图像。仿真实验通过对基于小波变换的软阈值去噪、硬阈值去噪以及自适应阈值去噪方法对图像进行处理,达到对图像的降噪效果。仿真实验证明,基于小波变换的自适应阈值去噪技术去噪结果最优,能够清楚地保留图像中的细节,无锐化、过度平滑的现象,且它的信噪比、峰值信噪比的值为最大、均方误差的值最小,从而提升了图像的整体质量。     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

多小波自适应阈值降噪在故障诊断中的应用

为了提取淹没在强背景噪声下的微弱故障信息,引入多小波自适应阈值降噪方法实现滚动轴承的信号去噪,并结合包络解调提取故障特征.多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的对称性、正交性、紧支性和高阶消失矩等优良特性,可匹配信号中的不同特征信息.基于轴承外圈点蚀故障的仿真信号,分别利用GHM多小波和Db2小波对其进行降噪处理.通过信噪比的定量分析表明,相比单小波而言,多小波的降噪优势明显.针对滚动轴承的微点蚀实验信号和现场实采集的工程数据,多小波自适应阈值技术比单小波方法具有更好的降噪效果,且更易于提取出滚动轴承的早期故障信息.     

一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

基于非下采样Shearlet变换的磁瓦表面缺陷检测

针对磁瓦表面缺陷对比度低、图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换（non-subsampled shearlet transform,NSST）的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子带图像和多个频率和方向变化的高频子带图像。然后,根据缺陷在高低频域表现出的不同特征进行针对性的处理,在低频子带中分别计算行均值线图像和列均值线图像,将列均值线图像沿行均值线图像扩展,构造基于均值的自适应阈值面对低频子带进行滤波,以去除不均匀背景;同时,利用同一分解尺度下各高频子带系数中微弱缺陷信号的方差较大,显著缺陷信号的能量较大,而噪声和背景干扰信号的方差和能量均较小的差异,构造基于Shearlet高频分解系数方差和能量的综合高频缺陷识别算子,滤除高频子带中的噪声和背景干扰。最后,对修正后的分解系数进行逆NSST重构,得到背景均匀,磨削纹理和噪声干扰得到充分抑制的高对比度图像,采用自适应阈值分割方法,提取出缺陷区域。实验结果表明,该方法的假阳性率、假阴性率和检测准确率分别达到8.8%,5.0%和93.1%,算法在MATLAB仿真平台中平均运行时间为0.629 s;相较于现有的磁瓦表面缺陷检测算法,该方法能够有效地去除不均匀背景、磨削纹理和噪声干扰,检测结果更加准确,鲁棒性更强。     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用,主要通过阈值方法来有效的降低图像的噪声,但它的结果中会出现诸如伪吉布斯现象之类的情况.为消除此类情况,将平移不变量小波变换引入到小波图像降噪中,并结合阈值方法进行消噪处理,同时在阈值处理前对分解后的高频与低频系数进行适当放大,从而形成平移不变量与系数放大法的有机结合.经仿真实验,证明这种方法比一般的图像消噪方法有很大改进,特别是图像的均方误差有很大的降低,提高了信噪比.     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用，主要通过阈值方法来有效的降低图像的噪声，但它的结果中会出现诸如伪吉布斯现象之类的情况。为消除此类情况，将平移不变量小波变换引入到小波图像降噪中，并结合阈值方法进行消噪处理，同时在阈值处理前对分解后的高频与低频系数进行适当放大，从而形成平移不变量与系数放大法的有机结合。经仿真实验，证明这种方法比一般的图像消噪方法有很大改进，特别是图像的均方误差有很大的降低，提高了信噪比。     

基于压缩感知的图像快速重构去噪算法

针对传统的压缩感知重构算法运算量大,图像质量低的缺点,提出一种新的图像快速重构去噪算法。首先对图像进行一级小波分解,分别提取近似分量子图像和细节分量子图像,并对细节分量子图像进行软阈值去噪处理,然后对近似分量子图像和处理后的细节分量子图像运用新的压缩感知重构算法进行恢复,最后将恢复的细节分量和近似分量进行小波逆变换,得到重构后的图像。实验结果表明,新方法可减少重构时的运算量,有一定的去噪效果,且可提高图像质量。     

Modified BM3D algorithm for image denoising using the directed diffusion equation

In order to preserve the edges and details of the image better, a modified block-matching and 3D filtering algorithm based on the directed diffusion is proposed. First, the block-matching and 3D filtering result is divided into three perpendicular subbands by using the wavelet decomposition. Second, by adding the diffusion operator and diffusion coefficients to the directed diffusion equation, the diffusion speed can be accelerated and edges can not be blurred quickly. Then we diffuse the subband of the high-frequency, of which the wavelet coefficients are less than the threshold to the corresponding subband of the noisy image to get a new estimate. Lastly, by replacing the corresponding subband of the block-matching and 3D filtering estimated image with the new one, we obtain the improved denoising result. Experimental results show that the improved algorithm achieves better performance than the original block-matching and 3D filtering algorithm in terms of both removing noise and preserving the edges and details of the image.