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.     

图像的小波可变阈值去噪方法

鉴于当前智能手机显示屏多采用RGBG格式的像 素结构,本文提出了应用于AMOLED的RGB到 RGBG高速像素转换技术(HSHQ)。该技术的特征是先区分出简单转换点和复杂转换点,对于 简单转换点采 用直接赋值实现像素转换,对于复杂转换点,采用权重因子算法实现像素转换。本文主要有 三个创新点:(1) 不同于传统方法对图像中所有像素进行复杂转换,本文首创性地提出了以相邻像素单 元的灰阶差值作 为判断依据,进行转换像素标记,区分出简单转换点和复杂转换点,只针对标记点进行复杂 像素结构转换。 因此,该方法提高了像素转换速度。(2) 对于简单转换点,采用直接赋值法,由于原图像 的灰阶不做改变, 该方法完全保留了简单转换点的图像信息。(3) 对于复杂转换点,采用权重因子算法,在 将转换前后信息损失降至最低的同时,抑制了彩边效应。 相比于DA算法,HSHQ算法处理所得图像的PSNRU和PSNRV分别提高了7.04%和6.62%。相比于ED MSE,HSHQ算法的转换率降低了75.63%。因此,本文提出的算法在保证转换质量的同时,大 大提高了转换速度。     

一种改进的小波阈值去噪方法

在原有的小波阈值去噪方法的基础上,提出了一种改进的图像去噪方法 Fast ICA-MPSO-WTD。该方法将快速独立主元分析(Fast ICA)和WTD相结合进行图像去噪,为了使小波阈值去噪效果更好,使用改进粒子群算法(MPSO)优化小波阈值参数。为了证明该方法的有效性,选择测试图像进行去噪对比实验,实验使用峰值信噪比(PSNR)评价去噪效果,实验结果表明改进方法 Fast ICA-MPSO-WTD能够有效地提高去噪效果。     

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。     

一种基于Contourlet递归Cycle Spinning的图像去噪方法

综合利用Contourlet变换和递归Cycle Spinning,提出一种新的图像去噪方法.由于Contourlet变换缺乏平移不变性,直接进行Contourlet系数阈值图像去噪会产生伪吉布斯现象(导致图像失真),本文引入递归Cycle Spinning来有效地消除这种由于Contourlet变换缺乏平移不变性而产生的图像失真.实验结果显示,与小波递归Cycle Spinning图像去噪等方法相比,该方法明显改善图像视觉效果,显著提高图像的PSNR值.     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

自适应小波阈值去噪方法

针对未知含噪信号的小波去噪理论,提出了一种新的阈值方程,并基于斯坦恩无偏估计(SURE)优化算法和阈值方程寻找最优门限值,以确保去噪后的信号是对未知原信号的最优估计。同时,注意到使用正交小波去噪,容易在信号奇异点处产生Gibbs振荡。为解决该问题,在信号分解和重构时使用了平稳小波变换算法。最后,应用以上方法与基于SURE的正交小波去噪方法对2种含噪信号进行去噪分析,结果令人满意。     

小波阈值去噪法的深入研究

针对以往小波阈值图像去噪法在去除图像噪声的过程中会出现的去噪不彻底、噪声残留、和噪声误判的问题,对小波阈值去噪方法中两个重要因素阈值选取方式和阈值函数进行改进,以达到更好去除噪声的目的。在以往的统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,减少小波系数和原系数之间的偏差;对传统的软阈值和硬阈值的优点予以保留,改进它们各自的缺点,产生一种新的阈值函数,使它在处理小波系数时更加灵活。通过Matlab的仿真实验和对算法的精度分析表明,用改进后的小波阈值去噪法处理加高斯噪声的lean图像可以很好的去除图像噪声,使图像的信息熵,对比度和信噪比均得到很大的提高,图像质量和视觉效果也得到提升。     

基于主成分分析的图像自适应阈值去噪算法

主成分分析（PCA）是一种将多个变量通过线性变换选出较少个数重要变量的一种多元统计方法。在图像去噪中,由于图像的局部相似性,提出一种新的有效的去除噪声的算法。通过块匹配法寻找出相似块作为训练样本,利用主成分分析提取信号的主要特征,然后根据统计理论中最小均方误差方法构造线性自适应阈值方程,对含噪图像的每一块进行自适应阈值去噪。实验结果表明,该方法能有效去除图像的高斯白噪声,并同时能很好的保持边缘等的细节信息。     

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。     

基于加权自适应方向提升小波的图像去噪研究

本文介绍了一种基于加权自适应方向提升小波(WADL,Weighted adaptive directional lifting)和普通提升方法相结合的图像去噪方法,此方法能够较好地对噪声进行抑制,同时保护图像的纹理边缘较少受到损失。在仿真试验中我们通过对噪声图像进行分类,对属于纹理密集区域采用WADL方法去噪,对平滑区域采用普通提升去噪,得到了比较好的去噪结果。     

遥感图像的NSCT自适应阈值去噪方法

提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。通过小波估计被噪声污染遥感图像的噪声强弱,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、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

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。     

一种利用像素分类的自适应小波图像降噪方法

提出了一种结合像素分类与小波变换的图像去噪方法.首先用常用方法获得初步去噪图像,并将其分割为若干图像块,分别计算每个图像块的空间频率.利用归一化的空间频率,对不同的图像块采用不同的阈值进行去噪,空间频率高的图像块采用较小的阈值,反之采用较大阈值去噪.实验结果表明:该方法可在初步去噪图像的基础上进一步提高图像去噪的效果,同时较好地保持图像细节;其去噪效果优于常用的小波图像去噪方法,峰值信噪比(PSNR)相对常用方法最高可提高3.4 dB.     

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.     

基于Neyman-Pearson准则的小波阈值去噪法

本文分析了噪声的小波变换特征,阐述了基于阈值的正交小波变换去噪法,在此基础上提出了一种基于Neyman-Pearson准则的小波阈值去噪法。其小波阈值的选择是依据设定虚警概率后使得检测概率为最大的准则,并随各尺度独立。通过实验验证了该方法的有效性和优异性。     

基于小波阈值的医学图像去噪研究

在分析目前广泛应用的软阈值和硬阈值函数去噪方法的基础上,提出了一种改进的小波阈值函数的医学图像去噪方法.这种方法既兼顾了软、硬阈值函数的优点,同时又有效克服了软阈值法细节模糊和硬阈值法去噪信号的失真现象.仿真结果表明,该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医生的诊断.     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。