基于非线性多通道小波变换的边缘增强

作为一种新的工具,小波变换在信号处理中得到了广泛应用.本文首先介绍了一种双Haar小波基,它是Haar小波在三通道滤波器中的推广.然后基于双Haar小波和NFIR滤波器,提出了一种非线性多通道小波变换.该方法可以用于信号边缘的增强,其效果是其它方法所难以达到的.     

基于旋转、平移和尺度不变的平稳小波图像去噪

针对传统的离散正交小波变换对信号的起始位置比较敏感的特点,提出了具有旋转、平移和尺度不变的平稳小波变换,将图像变换到极坐标,采用方向能量函数确定图像主轴方位,并将图像主轴旋转到水平方向得到方向归一化的图像。然后通过对图像的重整和小波基的位移、伸缩、旋转,来消除位移和尺度的影响。采用基于Bayesian自适应阈值估计的方法,通过最小化Bayesian风险函数获得具有最大信噪比的图像近似最优消噪阈值,提出一种利用输入数据直接得到渐近最优阈值的图像去噪方法。实验结果表明,所提出的方法能够在去除噪声的同时很好地保留图像的边缘,是一种有效的图像去噪方法。     

包络滤波算法及其在图像去噪中的应用

针对图像处理中的图像去噪问题,研究和提出了一种基于包络线的包络滤波方法.该方法通过对包络线进行修正并进行均值,得到原始信号的一种逼近,这种逼近能够有效地保持信号的主要波形成分和边沿,同时抑制信号中的低幅度噪声扰动,从而达到滤除噪声保持边沿的目的.将这一算法应用于图像去噪可以很好地去除低幅度噪声,并保持图像的轮廓与边缘,结果大大优于加权平均、中值滤波和小波去噪技术.     

基于小波变换的边缘保留图像去噪改进算法

针对在图像去噪过程中,如何有效地保留图像边缘等重要特征信息的问题,提出了一种基于小波变换的图像去噪改进算法。对图像进行多尺度小波分解,将各子带小波系数进行自适应阈值化处理,边缘成分的阈值由子带阈值和给定的相关权重计算得到,从而有效保留图像边缘信息。分别对Tracy和Building图像进行处理,实验结果表明,与BayesShrink等4种传统方法相比较,改进算法不仅可以有效去除不同程度的加性高斯白噪声,很好地保留图像边缘等重要特征信息,而且具有较高的峰值信噪比。     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真,提出了一种基于平稳小波变换的图像去噪方法。使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘,如果小波系数被标记为边缘,则保持其系数不变,否则采用基于邻域的方法进行系数收缩。当噪声方差较大时,收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点,借助次大尺度高频分量将其去除,对处理后的小波系数进行平稳小波反变换得到去噪图像。实验结果表明,本文方法能够在去除噪声的同时较好地保持图像的边缘,是一种有效的图像去噪方法。     

利用数学形态学和方向窗的小波域双重局部维纳滤波图像去噪算法

基于小波的图像去噪算法是目前图像处理研究的一个热点。该文提出了一种结合椭圆型方向窗和数学形态学的小波域双重局部维纳滤波图像去噪算法。该算法同时利用了小波域子带的方向信息和图像本身所固有的几何结构:首先使用数学形态学把图像分成纹理区域和光滑区域两部分,然后结合椭圆型方向窗去估计小波域方向子带中每一点的信号方差,最后使用双重维纳滤波器对含噪图像进行去噪。实验结果表明该算法的去噪效果优于其它的采用二维可分离实小波进行图像去噪的算法。     

高正则二维小波的构造及在遥感图像编码中的应用

首先根据对称正交二维小波滤波器组的阶因式分解表示,结合正则性条件,建立一组以滤波器组参数为未知数的高阶多元多项式非线性方程组,并将这一组方程分解为两个子方程组,应用计算代数中的Groebner基算法分别求出解其Groebner基后获得二维小波滤波器组的全部参数,从而构造出一种集正交性、对称性和高正则性于一体的完美的"真"二维小波;其次从二维正交多分辨分析出发,推导出二维小波变换的分解和重构快速算法;最后将构造得到的3正则阶二维小波和SPIHT编码算法相结合对某地的遥感图像进行压缩编码.实验结果显示该方法具有较好的编码性能.     

基于TLS的正交小波变换红外图像去噪

提出了一种基于总体最小二乘的正交小波变换红外图像去噪算法。对红外图像进行离散正交小波变换,分别对各个分解层的高频子带,通过总体最小二乘算法估计小波系数,获得各个高频子带信号的估计系数,然后通过正交小波反变换得到去噪图像。仿真结果表明,该红外图像去噪算法能有效去除加性红外图像噪声,在信噪比、直方图匹配等方面都有较大改善,并获得了良好的主观视觉效果。     

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.     

基于小波变换的图像去噪虚拟仪器系统

图像去噪一直是图像处理领域中重要而较难的研究课题.近十几年来随着虚拟仪器技术逐渐成熟和其应用领域的不断扩展,也为图像去噪研究提供了新的思路.基于小波变换,借助虚拟仪器平台构造了一种图像去噪的仪器处理系统,通过调用不同的小波基MATLAB算法和变换阀值系数控制实现了图像去噪的功能.示例结果表明该系统具有良好的图像去噪效果.     

Moving window-based double Haar wavelet transform for image processing.

Image denoising is a lively research field. The classical nonlinear filters used for image denoising, such as median filter, are based on a local analysis of the pixels within a moving window. Recently, the research of image denoising has been focused on the wavelet domain. Compared to the classical nonlinear filters, it is based on a global multiscale analysis of images. Apparently, the wavelet transform can be embedded in a moving window. Thus, a moving window-based local multiscale analysis is obtained. In this paper, based on the Haar wavelet, a class of nonorthogonal multi-channel filter bank with its corresponding wavelet shrinkage called Lee shrinkage is derived. As a special case of this filter bank, the double Haar wavelet transform is introduced. Examples show that it is suitable for a moving window-based local multiscale analysis used for image denoising, edge detection, and edge enhancement.     

Multiresolution Bilateral Filtering for Image Denoising

The bilateral filter is a nonlinear filter that does spatial averaging without smoothing edges; it has shown to be an effective image denoising technique. An important issue with the application of the bilateral filter is the selection of the filter parameters, which affect the results significantly. There are two main contributions of this paper. The first contribution is an empirical study of the optimal bilateral filter parameter selection in image denoising applications. The second contribution is an extension of the bilateral filter: multiresolution bilateral filter, where bilateral filtering is applied to the approximation (low-frequency) subbands of a signal decomposed using a wavelet filter bank. The multiresolution bilateral filter is combined with wavelet thresholding to form a new image denoising framework, which turns out to be very effective in eliminating noise in real noisy images. Experimental results with both simulated and real data are provided.      

Image Denoising Using Trivariate Shrinkage Filter in the Wavelet Domain and Joint Bilateral Filter in the Spatial Domain

This correspondence proposes an efficient algorithm for removing Gaussian noise from corrupted image by incorporating a wavelet-based trivariate shrinkage filter with a spatial-based joint bilateral filter. In the wavelet domain, the wavelet coefficients are modeled as trivariate Gaussian distribution, taking into account the statistical dependencies among intrascale wavelet coefficients, and then a trivariate shrinkage filter is derived by using the maximum a posteriori (MAP) estimator. Although wavelet-based methods are efficient in image denoising, they are prone to producing salient artifacts such as low-frequency noise and edge ringing which relate to the structure of the underlying wavelet. On the other hand, most spatial-based algorithms output much higher quality denoising image with less artifacts. However, they are usually too computationally demanding. In order to reduce the computational cost, we develop an efficient joint bilateral filter by using the wavelet denoising result rather than directly processing the noisy image in the spatial domain. This filter could suppress the noise while preserve image details with small computational cost. Extension to color image denoising is also presented. We compare our denoising algorithm with other denoising techniques in terms of PSNR and visual quality. The experimental results indicate that our algorithm is competitive with other denoising techniques.     

用偏微分方程作图像分析与处理

从偏微分方程去噪模型出发,论述了噪声抑制的原理,去噪方法与正则化方法和小波萎缩方法之间的联系;并根据这种联系,从正则化模型的角度分析了用偏微分方程进行图像复原以及超分辨等方面的应用。最后展望了发展前景。     

基于小波收缩的噪声图像恢复新型算法实现与验证

小波变换技术是近20年发展起来的新的信号处理技术,但对小波的研究由来已久。随着小波理论的不断完善,它以自身良好的时频特性在图像去噪领域受到越来越多的关注。图像去噪是信号处理中的一个经典问题,传统的去噪方法多采用平均或线性方法进行,但是其去噪效果不好,本文基于此目的,采用了连续两次半软阈值去噪的方法,来去除含噪图像的噪声,最后通过MATLAB软件仿真此方法的去噪效果,并与其它去噪方法进行比较,得出本文提出的方法去噪效果更优越。     

一种小波域与空域相结合的图像滤波方法

利用小波阈值去噪方法和传统空间域Lee 滤波的特点, 提出了一种图像去噪的的组合滤波方案。首先在小波域对图像阈值去噪, 得到预去噪图像; 再在空间域上利用自适应Wiener 滤波器进一步提高恢复图像的精度。为了保证小波域和空间域两种算法之间的匹配, 对预去噪图像中残留噪声的分布进行了研究, 对其噪声方差估计做了改进, 提出了一种估计噪声方差的近似最优公式。仿真实验表明, 与单独的在小波域或空域去噪相比, 该方法的均方误差和信噪比指标均得到了改善。     

A new family of nonredundant transforms using hybrid wavelets and directional filter banks.

We propose a new family of nonredundant geometrical image transforms that are based on wavelets and directional filter banks. We convert the wavelet basis functions in the finest scales to a flexible and rich set of directional basis elements by employing directional filter banks, where we form a nonredundant transform family, which exhibits both directional and nondirectional basis functions. We demonstrate the potential of the proposed transforms using nonlinear approximation. In addition, we employ the proposed family in two key image processing applications, image coding and denoising, and show its efficiency for these applications.     

基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

结合NSST和快速非局部均值滤波的刀具图像去噪

为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform, NSST)和快速非局部均值(Fast Non-local Means, FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median, DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。