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。     

图像阈值去噪中的小波特性分析及算法改进

选取合理的小波和阈值算法能够获得理想的图像阈值去噪结果;分析了小波正交性、消失矩以及滤波器结构等特性对图像阈值去噪的影响,提出了图像闽值去噪中小波特性的选取依据．按照噪声与图像信息在小波多尺度分解中传递特性的不同,提出基于信息量的自适应分层阈值算法;仿真结果表明,在进行图像阈值去噪时应优先选取双正交小波,且其消失矩阶数近似于图像的最高次奇异性,去噪小波的高通分解滤波器应具有偶对称性质,低通分解滤波器长度不宜过短．自适应分层阈值算法的图像去噪效果要明显优于全局阈值算法,图像信噪比能够提升至27．86（bior2．6,SNR0=20）;具有偶对称高通分解滤波器的双正交小波能够获得较好的图像去噪效果,其消失矩阶数应近似等于图像的最高次奇异性,基于信息量的小波自适应阈值算法在提升图像信噪比的同时,能够有效保留图像的细节信息．     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

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.     

基于自适应收缩因子的SAR图像去噪

针对合成孔径雷达 (SAR)图像固有的斑点噪声 ,提出了基于自适应收缩因子的去噪方法 .该方法首先将图像分解至平稳小波域 ,利用与信号相关小波系数的空间及尺度相关性 ,自适应地得到收缩因子 ,修正小波系数 .与基于Mallat分解的阈值去噪及Wiener滤波相比 ,该方法在有效抑制SAR图像噪声的同时 ,较好地保持了图像边缘细节 ,达到了理想的去噪效果     

图像小波去噪的算子描述

给出了一种基于二维离散小波变换的图像去噪方法,并用算子的形式加以描述,通过对小波变换系数进行阈值处理实现图像的去噪。讨论了不同的阈值选取方法和阈值策略。并提出了一种自适应局部阈值法。用均方差衡量去噪性能,实验结果证明,用自适应局部阈值法去噪好于全局阈值法去噪。     

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.     

改进的小波自适应阈值图像消噪

在图像降噪中,小波阈值法可以有效的降低图像的噪声,但阈值选取往往是固定的.而经过小波变换后图像各子带的统计特性有所不同,因此δ的值应根据各子带的特性来选取,即δ应为自适应阈值.另外用阈值法消噪后,为消除在一些不连续点会出现伪吉布斯现象,考虑阈值消噪前对图像进行循环平移,形成自适应阈值与循环平移的有机结合.通过仿真实验证明了小波阈值法比一般的图像消噪方法有所改进.特别是图像的均方误差有很大的降低,同时提高了信噪比.     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

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3σ准则的小波阈值法在去除红外图像噪声中的应用

针对红外图像去噪领域中,传统小波阈值选取不当造成的图像模糊、峰值信噪比低等问题,提出采用以“3σ”准则确定小波阈值的方法。该方法以高斯噪声的统计特性为基础,若分解后的小波系数幅值大于3σ则保留,小于3σ则置零。将保留的小波系数采用小波逆变换重构,可得去噪后红外图像。去噪实验表明,该方法有效可行,与传统硬、软阈值法、SVD分解法相比,该方法还原红外图像效果更佳。     

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。     

自适应阈值的小波变换在纸病去噪中的应用

以图像噪声会影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出一种自适应阈值小波变换去噪方法．该方法根据含噪信号特性和信噪比,自适应地选择小波变换的最优分解层数和最佳软阂值,达到最优的降噪效果．仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波能有效地滤除噪声,同时还能较好地保护图像细节,使图像达到更好的视觉效果．     

基于块自适应窗的小波域维纳滤波图像去噪

基于图像经小波分解后细节子带能量簇的主方向由边缘方向、纹理方向和子带滤波器的方向选择性共同决定这一事实,提出了基于块自适应窗的小波域维纳滤波图像去噪算法。对含噪图像进行离散小波变换后,对每一层三个细节子带分别无重叠分块,利用细节子带块能量相关函数确定每一块中能量簇的主方向及相应的块自适应窗口,在得到的块自适应窗口中估计不同方向块中各点信号方差,进而对子带系数进行维纳滤波,得到细节系数的估计,然后进行小波逆变换,得到去噪图像。实验结果表明了该方法比基于矩形窗口的小波域局部维纳滤波有更好的去噪效果。     

结构相似性灰关联在强噪声图像增强中的应用

为提高强噪声环境下的图像质量,提出一种图像增强新算法．该算法首先对含噪图像进行多尺度小波分解,得到不同尺度、不同方向下的频域信息,然后利用图像中噪声与边缘在不同频带上的分布规律和衰减特性,通过灰色理论中的灰色关联度来区分噪声与边缘,从而在噪声抑制和边缘增强两个方面提高图像的质量．实验结果初步显示,与传统的空域滤波方法和相对较新的小波自适应阈值去噪、Contourlet域自适应阈值去噪等方法相比较,新算法所得图像的视觉效果得到了改善,峰值信噪比最优,可用于强噪声环境下的图像增强预处理．     

自适应压缩双边滤波算法

为了提高压缩双边滤波算法的滤波效果,对其灰度方差参数值的设置加以改进,即使用自适应的参数值代替原有固定的参数值。对加噪图像进行小波分解,将分解得到的高频部分,分成相同大小的子图像,根据拉普拉斯快速估计算法估计各子块的噪声方差,并计算其平均值,然后利用灰度方差与噪声方差的线性关系计算灰度方差参数值。随机选取4幅灰度图像,添加噪声,测试改进算法。结果显示,改进后的算法比改进前的算法的图像的峰值信噪比更高,滤波效果更好。     

采用小波构造的图像阈值去噪算法

通过分析小波阈值去噪的特点,采用定长紧支撑双正交小波参数化构造方法构造滤波器长度为(13-3),并具有2、4、6阶消失矩的零点偶对称双正交小波。针对全局阈值算法的不足,提出了自适应分层阈值去噪算法,由小波分解细节系数中噪声的衰减速度来计算分层阈值。仿真测试结果验证了构造的小波具有良好的去噪能力,并能保留更为完备的图像细节信息,说明结合自适应分层阈值去噪算法可以明显改善去噪图像的质量和信噪比指标。