具有平移、尺度和旋转不变性的小波变换

寻求具有平移、尺度和旋转不变性的小波变换,是应用小波分析进行模式识别需要重点解决的课题。普通的离散小波变换对信号的起始位置非常敏感,不具有平移不变性。本文通过坐标变换,采用方向能量函数确定图像主轴方位,并将其旋转到水平方向得到方向归一化图像。通过对图像的重整和正交小波基的位移、伸缩变换,消除位移和尺度的影响,得到具有平移、尺度和旋转不变性的小波变换。     

新型方向及尺度乘积曲线波去噪算法

小波对处理具有点奇异的目标函数是一种最优的表示方法.对于二维图像而言,图像的主要特征由具有线奇异的边缘所刻画.曲线波变换是一种多尺度变换,对于具有光滑曲线奇异性的目标函数,曲线波提供了稳定的、高效的和近于最优的表示.本文在第二代曲线波的基础上,提出了新型方向及尺度乘积的曲线波去噪算法.实验结果表明,本文算法明显优于小波图像去噪方法,也优于曲线波的阈值方法.     

非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取,提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上,结合神经网络的非线性双曲线正切函数和BP训练方法,首先对含噪图像进行二进小波分解,然后对分解系数进行小波重建,并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理,得到最优阈值,最后对阈值处理的重建系数进行叠加,得到原始图像信号的估计值,即去噪后的图像信号。仿真实验表明,该方法具有较好的重建图像视觉效果,信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

基于B样条小波的偏微分方程图像去噪方法

提出一种基于B样条小波的偏微分方程图像去噪方法.先对图像进行B样条小波变换,将得到的高频系数采用偏微分方程方法去噪,迭代次数采用去相关最优停止准则进行控制;将得到的低频系数进行阈值处理,阈值选取采用基于信息熵的阈值选择策略,然后对处理后的小波系数进行B样条小波逆变换,得到去噪后的图像.数值实验表明,改进算法能克服B样条小波变换与偏微分方程去噪的不足,增强去噪能力,同时有效保护图像边缘和细节信息.     

一种新的基于NIG模型的四元数小波图像去噪方法

基于正态逆高斯模型和快速双边滤波,本文在四元数小波变换域提出一种新的图像去噪算法。首先将噪声图像进行四元数小波变换分解,其次应用快速双边滤波算法处理低频子带,高频子带采用正态逆高斯模型对其进行建模,并结合最大后验概率估计准则推导出相应的阈值函数,最后结合最优线性插值得到的阈值算法实现图像去噪。对提出的算法进行实验仿真,通过与已有优秀去噪算法比较,结果显示本文方法取得了不错的视觉效果,且在峰值信噪比和平均结构相似性上都得到一定的提高。     

基于非抽取小波变换的遥感图像贝叶斯去噪

图像去噪是遥感图像处理的一个重要方面。文中基于非抽取小波变换,提出了一种贝叶斯图像去噪方法。对小波系数采用广义高斯分布建模,根据贝叶斯估计理论,得到贝叶斯收缩阈值,采用软阈值收缩去噪。实验结果表明：该去噪方法能够有效地抑制正交小波变换产生的人为干扰和伪Gibbs现象,与正交小波变换阈值去噪方法相比具有明显的优越性。     

一种基于尺度相关的小波图像去噪方法

本文根据信号与噪声在小波变换下表现出的不同的传播性质,提出了一种基于空域相关的图像去噪方法。该方法通过计算相邻尺度小波系数乘积的累积直方图,确定阈值,再通过利用改进的阈值函数对小波系数进行阈值处理。通过试验结果表明,本文的算法在有效去除噪声的同时,能够较好的保留图像的细节信息。     

结合Shearlet与Bayesian MAP估计的图像去噪

针对小波变换及Contourlet变换在图像去噪应用中的不足,提出一种结合Shearlet与Bayesian MAP估计的图像去噪算法。首先对含噪图像进行Shearlet分解,之后根据Bayesian MAP准则对分解后的各子带信号进行估计,最后通过重构得到去噪图像。实验表明,相对于其他去噪算法,该方法很好地保留了图像的细节,取得了更好的视觉效果。     

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。     

基于平滑阈值函数的Ridgelet图像去噪

Ridgelet变换是继小波(Wavelet)变换后提出的一种新型的多尺度分析方法。它不仅具有小波变换的优点,还能更有效地表示图像的线性性质。鉴于Ridgelet变换具有多方向性,能够更好地恢复图像的边缘信息,得到比小波去噪更好的效果。本文将有限Ridgelet变换结合平滑阈值函数应用到特定图像的去噪中,试验结果表明,它比小波去噪及基于Ridgelet变换的简单阈值去噪效果更好。     

基于Contourlet变换自适应阈值的图像去噪算法

综合利用Contourlet变换和图像在各个尺度各个方向上的轮廓细节的大小,一定程度上改进了Donoho阈值"过扼杀"其分解系数的缺点,同时还考虑图像的轮廓细节.实验结果表明,与小波阈值,Contourlet阈值和多尺度Contourlet阈值相比,这两种方法更好的提取了图像的轮廓细节,提高了图像的PSNR值.     

基于提升小波的MEMS陀螺去噪方法研究

微机电系统(MEMS)陀螺的随机漂移误差是传感器的主要误差,传统硬、软阈值去噪法在去噪效果和实时性方面存在不足。该文从提升小波变换的基本理论出发,分析了提升小波阈值去噪原理,提出了基于提升小波的改进阈值去噪算法,并结合MEMS陀螺输出数据,并对硬、软阈值去噪法与改进阈值去噪法的仿真实验进行比较分析。仿真结果表明,改进阈值去噪法获得了更高的信噪比83.532 7dB,其去噪效果明显优于硬、软阈值,且运算速度较快,更适合实际运用。     

基于离散小波标架的信号降噪

本文提出了基于小波标架的软门限压缩降噪方法,它是根据小波标架表示系数在不同的尺度有不同的方差,在各尺度分别模拟理想选择估计器来选择门限对小波系数进行压缩。该方法能有效地减少［３,４］中基于小波基方法的振荡效应,并对仿真结果作了理论分析。     

基于双变量收缩函数的对偶树复小波图像去噪

常用离散小波变换缺乏平移不变性和良好的方向选择性,并且在图像去噪中使用的模型没有充分考虑系数间的相关性,导致去噪效果不理想.为了克服上述离散小波变换图像去噪的不足,提出了利用对偶树复小波变换与双变量收缩函数相结合的图像去噪算法.实验结果表明,该算法比传统算法有更好的去噪效果.     

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NSCT和Tsallis熵的SAR图像快速分割方法

针对小波域SAR图像分割结果粗糙及运算速度低的不足,本文提出一种基于非下采样Contourlet变换(NSCT)和混沌粒子群优化(CPSO)的最大Tsallis熵的SAR图像快速分割方法。首先,利用NSCT提取SAR图像的概貌和细节信息,并建立相应的概貌-细节灰度级矩阵模型;然后,利用Tent映射CPSO算法搜索最优阈值,并提出递推算法大大减少迭代过程中适应度函数的重复计算。实验结果表明,与小波域SAR图像快速分割方法相比,该方法采用了具有多方向性和移不变性的NSCT分解图像,信息提取更为有效,分割结果更佳;同时由于引入混沌序列并以递推方式计算粒子适应度,粒子群搜索的收敛精度更高,运算时间更少。      

基于短波红外的天文检测系统研究与应用

首先本文介绍了天文导航的基本原理,然后提出利用短波红外技术检测星体图像, 在对星体图像进行小波变换的基础上,利用多尺度分析方法,确定图像自适应阈值,实现图像小波域的去噪,达到星体目标检测的目的,该方法能够更好地提高星体检测精度,从而提高系统设备的导航精度。通过试验验证表明,该系统检测精度满足试验测量要求。