基于多级中值滤波—提升小波技术的图像去噪

针对实际图像含有椒盐噪声及高斯噪声等混合噪声,在中值滤波基础上,采用一种改进型多级中值滤波技术抑制椒盐噪声。首先构造多级中值滤波器,找出混合噪声的位置分布矩阵,然后对含噪图像进行多级中值滤波;同时,对原始小波进行提升,构造提升小波,采用提升小波自适应阈值去噪方法抑制高斯噪声。对含不同混合噪声图像进行去噪实验。结果表明：采用本文方法,计算速度快,提高了图像信噪比,图像细节边缘保护能力强,混合噪声得到有效抑制,去噪效果好。     

基于小波域的图像噪声类型识别与估计

提出了一种基于小波域分解的类型识别方法．该方法利用噪声图像的小波高频子带系数能量分布,对图像中最常出现的两类噪声：高斯噪声和椒盐噪声进行识别,并在此基础上对高斯噪声的方差和椒盐噪声的密度进行了估计．对大量含噪图像的实验结果表明：该方法对图像噪声类型的识别和噪声大小的估计都比较准确．     

基于小波变换的超声图像去噪算法研究

在超声无损检测中,图像在生成和传输过程中常常因受到各种噪声的干扰和影响而质量下降,这对缺陷的识别和定位将产生不利影响。在对超声检测信号和噪声的种类及特点进行深入分析的基础上,运用小波变换阈值去噪的理论,对四种不同的噪声(高斯噪声、泊松噪声、椒盐噪声和斑点噪声),分别运用软阈值去噪法、硬阈值去噪法及NeighShrink去噪法进行去噪,发现NeighShrink去噪法去噪后的图像性噪比提高最多,边缘模糊也最小。用这三种去噪法对超声B扫图像进行去噪,验证了NeighShrink去噪法对于超声B扫图像具有最出色的去噪效果。     

自适应非线性小波在灰度级图像去噪中的应用

针对线性小波能有效去除高斯白噪声,而形态小波对目标细节的保留特性,在自适应非线性小波框架中提出了一种自适应非线性小波算法,合理利用线性小波和非线性小波的去噪能力,实现灰度级图像自适应去噪.仿真结果表明:在噪声干扰下,所提出的方法有效且稳健,对灰度级图像去噪达到预期的效果.     

一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

基于改进的双水平集的MRI图像快速分割方法

针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。     

PCA与K-SVD联合滤波方法的研究

针对早期的滤波方法,如线性的有高斯滤波、均值滤波、方框滤波等和非线性的如中值滤波、开闭运算等传统滤波方法是在像素级进行行列式的循环运算,运算繁琐,数据亢余和不能有效压缩图像进行数字化传播的缺点,提出一种基于PCA主成分图像融合后的K-SVD滤波方法的研究,有效弥补了单一K-SVD对椒盐噪声起不到良好滤波的缺点。首先对源图像进行多次的观测得到N幅含噪图像(既含有高斯噪声也含有椒盐噪声,都是加性噪声)。再对N幅含噪图像进行PCA主成分提取融合后进行K-SVD滤波(如果先进行K-SVD滤波的话会造成多幅图像的K-SVD的滤波,导致效率低且运算度冗余N倍)。这样有效消除了高斯噪声的干扰,还解决了K-SVD对椒盐噪声不敏感的缺陷,完成了在图像特征级数据去噪的研究。     

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.     

基于小波变换的空间目标图像去噪方法

通过对空间目标图像的特性进行分析,提出一种针对星空背景图像在保留恒星同时去除混合噪声的方法.该方法首先利用小波局部模极大值的多尺度相关性检测出图像边缘,再利用基于梯度分析的改进阈值方法对非边缘小波系数进行萎缩,最后由小波系数重构去噪后图像.实验证明该方法能够有效地去除高斯和椒盐混合噪声,使图像峰值信噪比提高5-10dB,并较好地保留图像边缘和有效恒星信息.     

一种红外图像对比度增强的小波变换法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法．对红外图像进行离散平稳小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强;并给出一种评价增强图象质量的准则．实验结果表明,本文提出的方法在有效的增强红外图像对比度的同时,又能很好的抑制红外图像中相关噪声、加性高斯白噪声和乘性噪声．     

局部高斯尺度混合模型的傅里叶-小波图像降噪

提出了一种基于局部高斯尺度混合统计模型的傅里叶-小波图像降噪方法.所提出的降噪方法综合了两者的优点,考虑到噪声小波系数间的相关性,小波系数统计特性通过局部高斯尺度混合统计模型来刻画.实验结果表明,此法可有效去除噪声,并且能够克服传统的小波去噪效果与选用的小波基函数相关的局限性,和其他方法相比,无论从视觉上还是峰值信噪比上比较,此方法降噪效果明显较好.     

基于改进圆拟合算法的激光光斑中心检测

主要运用图像处理的方法来检测激光器输出光斑的中心位置,在圆拟合基础上改进了算法,加入了采集处理,去噪滤波,以及多次迭代等处理方法,提高了检测光斑中心位置的精确度,同时预处理和去噪滤波有效地减少了测量时的白噪声以及椒盐噪声的干扰,增强了抗干扰能力。     

小波阈值法在图像去噪中的应用

介绍了小波去噪的基本理论以及小波阈值法去噪的原理。小波阈值法去噪的关键是阈值的设置和阈值函数的选择。本文归纳了阈值的设置方法和阈值函数的选择方法,并针对图像去噪进行了仿真实验,将一幅混有不同水平高斯白噪声的图像分别进行软、硬阈值函数去噪。实验得出软阈值函数的去噪效果比硬阈值函数的去噪效果好这个结论。     

基于中值滤波和小波变换图像降噪的新算法

针对小波变换去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到良好的降噪效果的问题,文中构造了一个新的小波阈值函数,并对中值滤波进行了改进,将此两者方法相结合进行图像去噪。仿真实验结果表明,新算法能够有效去除高斯白噪声和脉冲噪声,而且去噪后图像的峰值信噪比和均方误差都较单一算法得到改善,从而证明了该方法的有效性。     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。     

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生Gibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。     

基于水下图像小波变换的图像阈值去噪方法的研究

水下图像污染过程和机理十分复杂,不同的水下环境噪声也不尽相同。在此尝试用小波阈值去噪方法对水下图像进行去噪,力求改善图像质量。小波阈值去噪是信号处理中一种重要的去噪方法,针对常用硬阈值函数不连续的特点以及软阈值函数存在偏差的问题,提出了一种新的阈值处理方法。在Matlab中的仿真试验结果表明,新阈值方法的去噪效果无论在视觉效果上,还是在信噪比上都优于传统的硬阈值和软阈值,充分体现出小波阈值去噪方法的优越性。     

自适应去噪滤波器组合的训练与设计方法

该文通过建立噪声信道模型提出一种对噪声自适应的去噪滤波器组合进行训练和设计的方法。通过对训练图像及噪声信道输出图像的有监督训练,建立自适应于噪声的滤波器组合模型,并可在随后的应用中采用该模型对通过噪声信道的图像进行盲滤波达到滤除图像噪声和保留图像细节的目的。为验证设计方法的有效性,采用高斯调制的加权中值滤波器组对信道中常见的椒盐噪声和均匀分布脉冲噪声进行滤除,效果较现有方法有明显优势。该设计方法可以推广应用到其它具有适应性的去噪滤波器之上,使它们对不同类型、不同强度的信道噪声进行更柔性化的处理。     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。