一种基于去噪阈值的数字图像混合去噪算法

提出了一种效果良好的基于去噪阈值的数字图像混合去噪算法。提出了模糊相邻度和去噪阈值的概念,采用加权平均来取代传统的绝对平均值,把相邻度设为像素的权值,把传统的点对点处用点对块处理来取代,采用去噪阈值取代传统的阈值,因而用所提出方法处理过的图像更加清晰。实验结果显示,该算法比基于传统平滑算法的去噪效果更佳。     

一种基于去噪阈值的数字图像混合去噪算法

提出了一种效果良好的基于去噪阈值的数字图像混合去噪算法。提出了模糊相邻度和去噪阈值的概念,采用加权平均来取代传统的绝对平均值,把相邻度设为像素的权值,把传统的点对点处用点对块处理来取代,采用去噪阈值取代传统的阈值,因而用所提出方法处理过的图像更加清晰。实验结果显示,该算法比基于传统平滑算法的去噪效果更佳。     

一种基于参数自整定的小波去噪算法研究北大核心CSCD

小波阈值去噪法因其算法简单、计算量小而广泛应用于信号去噪,提高了数据处理的精度和效率。为解决传统小波阈值去噪法中阈值函数连续性差或原始小波系数与估计的小波系数存在恒定偏差的问题,提出了一种基于参数自整定阈值函数的改进小波去噪算法。该方法采用指数平滑逼近对小波系数进行阈值处理,通过参数的自整定使其阈值函数能够很快逼近硬阈值函数曲线,并具有较好的连续性和更佳的阈值估计小波系数,从而使改进后的小波去噪算法具有更好的去噪效果。仿真实验结果表明:相比于传统的硬、软阈值去噪方法,改进后的小波去噪算法的去噪效果更优。     

阈值优化的遥感影像小波去噪

针对传统的小波阈值在去除遥感影像噪声时存在噪声残留和噪声误判的问题,提出了针对遥感影像的小波阈值函数优化算法。该算法利用小波边缘检测算法确定遥感影像边缘特征的小波系数,然后根据噪声的方差设置优化的阈值函数去噪,即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,对传统的软阈值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活。经过优化的小波阈值去噪后得到平滑遥感影像,之后把小波边缘检测遥感影像镶嵌入平滑遥感影像中。实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留遥感影像的细节,使影像更加清晰,提高了信噪比。     

基于Contourlet变换阈值选取的算法研究

针对CT图像在生成或传输时容易受到噪声影响这一难题,提出了基于Contourlet变换结合PCA阈值的去噪方法。首先,对噪声图像进行Contourlet变换。然后,对DFB方向滤波后得到的Contourlet系数进行PCA阈值及硬阈值函数去噪。最后,对去噪后的Contourlet系数进行Contourlet逆变换,得到去噪图像。通过对图像添加噪声并与Contourlet结合六种不同阈值去噪方法进行对比,采用PSNR评估去噪优劣。结果表明:贝叶斯阈值方法 PSNR值最高PSNR=94.88 dB,然后是PCA阈值PSNR=83.02 dB,最后依次是配套改进阈值PSNR=73.97 dB、3σ阈值PSNR=73.27 dB、统一阈值PSNR=72.33 dB、通用阈值PSNR=71.50 dB。PCA阈值去噪结果整体平滑性较好,视觉效果较好;贝叶斯阈值去噪结果整体平滑性较差,视觉效果不佳。通过将Contourlet变换框架取代传统小波变换框架并结合PCA阈值应用在图像去噪中,不仅信噪比有所提高,而且图像视觉效果也明显改善。     

基于小波自适应阈值图像去噪方法的研究

利用小波变换对图像去噪是一种非常有效的方法。传统的小波去噪算法对图像去噪后的平滑效果不是很好,图像细节清晰度不够高,甚至会产生伪吉布斯现象。针对这些现象,文中提出了一种改进的基于小波变换的多尺度自适应阈值图像去噪方法。该方法根据图像小波分解的特性,确定适合小波分解后不同层系数去噪的较优阈值,然后结合恰当的阈值函数对各层高频系数进行处理来达到去噪效果。实验结果表明,与传统方法相比,该方法运算量较小,能有效去除高斯白噪声,进一步提高峰值性噪比,同时能够很好地保留图像细节信息。     

采用改进结构特征度度量分析的噪声标准差估计算法

提出了一种基于改进的噪声标准差估计的轮廓波去噪算法,在常用的轮廓波去噪算法基础上提出了新的解决方案。该方案将滤波法与改进的图像结构特征度度量分析算法结合起来,筛选出适合计算噪声标准差的图像子块集合,再用直方图法估计图像噪声标准差,然后将该标准差用于轮廓波去噪。在标准差估计对比试验中,将滤波法、分块法、改进的分块法与文中的标准差估计算法进行对比;在去噪对比试验中,采用基本的小波阈值去噪算法(universal阈值),由小波阈值法引申出的普通轮廓波阈值去噪算法,基于维纳滤波的轮廓波去噪算法,基于系数建模的轮廓波去噪算法与文中算法做对比。实验结果表明:文中算法能够更加精确地估计图像噪声标准差,且去噪效果与普通轮廓波去噪及其他轮廓波去噪算法相比更加稳定,鲁棒性更好。     

心电信号的小波阈值去噪算法研究

本文采用基于小波变换的阈值去噪方法对心电信号进行了去噪处理.给出了基小波、分解尺度、阈值的具体选择方法,在比较采用不同的基小波进行阈值处理方法的基础上.给出了采用coif4小波进行局部自适应软阈值处理的改进算法.实验结果表明,采用该算法降噪后信号的信噪比为34.019dB,将原含噪信号的信噪比提高21.879dB,去噪效果较好.     

基于熵的自适应门限小波去噪股市价格预测

本文针对传统软阈值法小波去噪采用统一门限而引起的过平滑问题,根据熵的特性,在各层自适应调整去噪门限,提出一种改进的小波去噪算法,采用Hurst指数和盒维数作为判决准则抑制过平滑。最后将算法应用于股市价格时间序列去噪,并用BP神经网络对去噪后的深发展A近20年的收盘价格进行了分段预测。仿真表明,本文方法与传统方法相比,误差明显减小,预测结果更为理想。     

一种基于差异系数的稀疏度自适应图像去噪算法

基于压缩感知的K-means Singular Value Decomposition(K-SVD)图像去噪算法具有良好的自适应性和细节恢复能力,但需事先给定稀疏度K。 该方法的去噪效果会受到图像稀疏度的影响。另外,训练初始系数时用到的追踪类算法中通过向量内积值的大小评定图像分量间相关度的方法,因存在大值噪声点,容易造成假相关,从而影响去噪效果。提出基于差异系数的稀疏度自适应K-SVD去噪算法,通过引入差异系数来平衡因噪声点造成的假相关问题,同时使用相关度均值作为阈值来自适应地产生稀疏度K,避免因给定不恰当的稀疏度而影响去噪效果的问题。在USC标准库上的实验结果表明,所提算法在去噪效果方面有一定的优越性。     

一种有效抑制噪音的模糊C均值图像分割算法

提出一种能够有效抑制噪音的模糊C均值聚类算法,通过构造基于灰度-中值的空间信息和塔形结构减少噪音对聚类中心的影响,塔形结构的引入缩短了运算时间,通过自适应地选取隶属度阈值避免人为设定阈值的不灵活性,在图像分割时用中值图像代替源图像消除噪声点。仿真实验表明,该方法更加适合处理受噪音污染的图像,分割结果更加精确。     

一种改进的自适应中值滤波算法

针对未知脉冲噪声强度的退化图像的去噪,提出了一种新的自适应中值滤波算法,该算法主要基于以下两点：（1）根据模糊数学里的模糊度理论及随机脉冲噪声本身的去噪特点,提出了模糊指标的概念,并通过反向二阶拟合来获得噪声的强度信息;（2）引入了反映图像边缘信息的Prewitt梯度算子,并通过实验来得到合适的梯度阚值,以更好地保持图像的边缘等细节信息.通过将该算法与传统的中值滤波、基于排序阈值的开关中值滤波以及Sorin Zoican提出的改进的中值滤波进行的对比实验表明,该算法对噪声的强度有很好的估计,不仅提高了噪声去除的自适应性,尤其对含噪声多的图像的处理效果更为理想.     

自适应属性加权2维FCM分割算法

目的 为了提高2维直方图模糊C均值聚类分割算法的抗噪性和普适性,提出了属性加权2维直方图模糊C均值聚类分割新方法。方法 针对2维直方图模糊C均值聚类分割算法存在阈值参数选取不当导致抗噪性能差的不足,将属性加权引入2维直方图模糊C均值聚类并有效解决了每维属性聚类贡献度的问题。结果 本文算法相比2维直方图模糊C均值聚类分割法抗椒盐和高斯噪声性能平均提高了2～3 dB;同时,相比模糊局部C均值聚类分割法抗椒盐噪声性能平均提高了2～3 dB且抗高斯噪声性能稍差大约1 dB,但本文算法相比模糊局部C均值聚类分割法的速度平均提高了大约40倍。结论 实验结果表明,本文算法相比现有2维直方图模糊C均值聚类算法更适合噪声图像分割;同时,相比模糊局部C均值聚类算法更有利于实时性要求较高场合的目标跟踪和识别等需要。同时从大量图像测试得出,本文算法对于一般人工合成图像、智能交通图像及遥感图像等具有普遍适用性。     

基于Savitzky-Golay算法的曲线平滑去噪

Savitzky-Golay算法被广泛地运用于数据流平滑除噪,是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。仿真结果表明,与传统算法相比,Savitzky-Golay算法具有更稳定、误差更小的平滑去噪效果。     

结合小波变换和改进邻域权值的FCM算法

针对改进的模糊C均值聚类算法在进行图像分割时构建的邻域权值函数未能同时考虑空间结构信息和灰度值域信息,而导致对噪声敏感及边缘纹理信息的处理粗糙的问题,提出了一种结合小波变换和改进邻域权值的FCM算法.该算法首先在原始灰度图像的基础上进行小波多分辨率分析的自适应阈值去噪处理;然后在重构图像上结合双边滤波的思想构建一个基于图像块局部空间邻域信息和灰度值域信息的改进邻域权值函数.实验结果表明,该算法比传统FCM算法以及FCM的改进算法有更高的分割精确度,对强噪声更具鲁棒性,图像边缘也更加平整.     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑,然后根据图像灰度进行对象云化处理,构建对象云。通过云运算生成边界云并构建边缘模糊特征平面,在条件概率和模糊划分熵的基础上,通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法能保留大量低灰度信息,并有效地去除了次要边缘对主边缘的干扰。     

应用带标识的模糊Petri网的模糊推理

本文针对模糊推理中常存在推理结果意义不明确的问题,提出应用带标识的模糊Petri网(MFPNs)进行模糊推理。推理的过程中考虑模糊产生式规则的权值、阈值、确定性因子等几种知识表示参数以获得更多信息。给出基于相似性测度的模糊推理算法,通过计算带标识的模糊Petri网的最终输出库所中的托肯值可以得到最终的模糊推理结果。通过实例可以验证这样得到的推理结果意义更明确,计算过程更加高效。     

Dividing Cubes算法生成的物体表面的法向量方向的光顺操作

在用DividingCubes算法提取的边界体素所构造的物体表面上,可能会存在法向量方向突变,使得物体表面光照图显示粗糙,文中提出了一种的领域加权平均法,对物体表面的法向量方向进行光顺处理,光顺操作只在相关边界体素间进行,并且对有多个等值面交汇的边界体素将不进行光顺操作,以避免模糊位于多个区域处的边界和保持物体表面光照图的细节,为避免在屏幕上产生孔洞,用光线投射法显示物体表面,文中所采用的光顺操作可以消除物体表面的法向量方向突变,使物体表面光照图光谱细腻,最后,给出一个医学图像的测试实例。     

图象噪声的模糊聚类平滑方法

模糊C-means算法在聚类分析中已得到了成功的应用,本文提出一种利用模糊C-means算法消除噪声的新方法.一般来说,图象中的噪声点就是其灰度值与其周围象素的灰度值之差超过某个门限值的点.根据这个事实,首先利用模糊C-means算法分类,再利用标准核函数检测出噪声点,然后将噪声点去掉.由于只修改噪声点处的象素灰度值,而对于其它象素的灰度值不予改变,所以本算法能够很好地保护细节和边缘,本方法每次处理3×3个点,而以往的方法只能每次处理一个点,所以本方法能提高运算速度.文中给出了利用本方法对实际图象处理的结果,并与梯度倒数权值法进行了定量的比较.