基于二维S变换算法的图像去噪研究

图像去噪技术在航空航天、生物医疗、遥感通信、地质勘察等多个领域应用广泛。首先介绍了二维S变换算法的原理,然后通过傅立叶频谱计算二维信号的空间信息,最后将该算法用于图像去噪。仿真实验对比分析了S变换、小波、中值滤波、均值滤波和轮廓波变换算法的图像去噪效果,结果表明S变换算法在图像去噪中效果显著。     

空域滤波图像去噪算法研究

本文对几种有代表性的空域滤波图像去噪算法进行研究,并通过数值实验来分析这几种算法在图像去噪方面的性能。最后,对图像去噪所面临的问题和今后可能的发展提出了建议。     

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.     

基于小波变换的图像去噪方法研究

图像去噪问题是一个古老的难题,也是当前研究的热点问题,而图像小波去噪算法在图像去噪方面虽然已取得了一定进步,但在这一领域仍然有许多问题需要研究,为了进一步提高图像去噪质量,改善图像视觉效果。在此通过在小波阀值萎缩法、基于混合模型的小波去噪法、小波去噪与其他算法相结合的三类方法中分别选用了三种典型算法即VisuSh?rink法、基于高斯混合模型小波去噪法、中值滤波与小波去噪相结合的算法,对当前基于小波变换图像去噪这三类典型问题进行了研究。研究表明对于单一的噪声,用相应某种算法,就可能取得较理想效果。而对于混合噪声,单独的一种算法取得的效果是比较差的,只有采用几种算法相结合才能取得较好的效果,因而在此也为图像去噪指明了以后的研究方向。     

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.     

一种基于小波-Contourlet变换的图像去噪算法

提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.     

图像字典的盲构造算法

为了使冗余字典能够自适应地表征图像特征,提 出了一种优化的图像字典构造算法。算法 采用了冗余字典内基元类之间的灰色关联度作为字典优化依据,建立了一种新的字典优化原 则,提出了一 种自适应的字典设计算法。算法能够根据图像结构和噪声等信息自适应地选择字典的冗余 因子,将算法运用于图像去噪,结果表明,算法效率大大提高,同时也提高了图像去噪 效果。     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

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。     

基于小波变换的目标检测关键算法研究

图像去噪和边缘检测都是目标检测中至关重要的过程。结合半软阈值法和比例萎缩法,提出了一种改进的小波局部自适应阈值图像去噪算法,给出了一种高斯小波模极大值算法进行图像边缘检测。实验证明,去噪算法优于传统的半软阈值算法,较好地保留了图像的细节信息。边缘检测算法与经典的Canny算子相比得到了更多细节信息,使图像变的更真实。     

基于Contourlet变换的红外图像梯度自适应去噪

对Contourlet变换图像去噪阈值的选择进行了研究.分析了可见光图像去噪和红外图像去噪的特点,提出了红外图像梯度能量自适应去噪算法.通过实验证明,与传统的几种去噪相比,这种方法更好的保留了图像的轮廓细节,提高了图像的PSNR值,增强了去噪后的视觉效果.     

基于稀疏表示的红外图像去噪算法研究

红外图像具有动态范围窄、对比度低、易受噪声污染等缺点,传统红外图像去噪算法在去除噪声的同时也滤掉了图像细节。提出了一种基于稀疏表示的红外图像去噪新方法。该方法首先将原始红外图像进行聚类分析,再将每一聚类子图像分解成字典,由稀疏系数矩阵重构去噪后的红外图像。实验结果表明,该方法相比于传统红外图像去噪算法,能更好地保留图像的细节信息,视觉效果比较理想。     

基于四阶偏微分方程的并行图像去噪算法

四阶偏微分方程(PDE)图像去噪方法具有良好的去噪性能,但该类方法计算量大,耗时长.为提高算法的快速性和有效性,提出一种高效并行的四阶PDE图像去噪算法.该方法基于MPI并行环境,通过分析四阶PDE离散化后差分方程求解的并行性,对噪声图像进行条状重叠的数据划分,采用并行方式对图像去噪,极大地降低了运行时间.     

结合脉冲耦合神经网络与模糊算法进行四值图像去噪

该文研究了如何将模糊算法用于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN),进行四值图像去噪,提出了基于模糊PCNN的图像去噪算法.计算机仿真结果表明,将模糊算法与PCNN相结合,可有效地去除被噪声污染的四值图像的噪声,且恢复图像的视觉效果明显地好于用另两种常用的图像去噪方法(中值滤波和均值滤波)得到的结果.在医用图像和军事图像处理方面,四值图像的去噪恢复是非常有价值的,故本文对于PCNN的理论研究和实际应用均有重要的意义。     

一种高效的小波Contourlet变换阈值去噪算法

针对现有图像去噪算法去噪效率与信号保真度不高的现象,通过研究小波变换与Contourlet变换,将其有机的结合在一起从而实现优势互补,并提出一种高效的阈值去噪算法,通过建立最大值列表,引入适当的阈值将其系数进行分类,并使用优化后的软阈值去噪算法与边缘优化算法对其分类处理,实验表明,该算法能够有效的对含噪图像进行去噪的同时保留其边缘信息,具有高效性、保真度高的图像去噪特性,在图像去噪领域有较好的发展前景。     

基于域自适应的红外图像去噪算法

在红外图像去噪任务中,由于真实的红外噪声图像难以大量获取,而使深度学习算法高度依赖于人工合成噪声,无法很好地去除真实的红外噪声。本文提出一种基于域自适应的红外图像去噪算法,包括一个图像转换模块和两个图像去噪模块。首先利用图像转换模块将合成红外噪声图像和真实红外噪声图像相互转换,然后将转换后的图像和原图像作为去噪模块的训练数据,采用一致性损失函数使两个图像去噪模块产生一致的结果,最后将训练后的去噪网络框架用于红外图像去噪任务。实验表明,本文提出的算法与BM3D、DnCNN和ADNet算法相比在合成红外噪声数据集上有更高的指标数值和更好的视觉效果,在真实红外噪声数据集上有同样优秀的去噪效果。证明了该算法具有良好的泛化能力,能够在真实噪声下恢复清晰的红外图像。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于总变分和中值滤波的图像去噪方法

总变分图像去噪方法是一种经典的图像去噪算法,但是在噪声水平较高时容易产生虚假边缘,从而影响了去噪效果。为了克服总变分去噪算法容易产生虚假边缘的不足并有效地去除噪声,在此利用噪声的无方向性这一与边缘特性不同的特点,提出了一种结合中值滤波和总变分的图像去噪方法。为了说明该去噪算法的有效性,进行了大量的仿真实验。实验结果表明,该方法降噪效果明显,人眼能直观感受到图像质量的改善,在高噪声水平下,其峰值信噪比至少提高了1．2dB左右。     

基于整数小波变换与快速递推GCV的静止图像去噪

基于整数小波提出一种用于自然景物图像去噪的快速递推广义交叉验证(FR-GCV)算法,首先对图像做整数小波变换(IWT),计算小波图像中小波系数的分布概率,然后利用整数递推,降低了GCV函数计算复杂度。最后通过小波系数下采样和阈值上界限定进一步降低了算法复杂度。实验结果表明,FR-GCV算法对自然景物图像去噪耗时比GCV算法降低了90%以上。FR-GCV算法能够快速求取去噪最优阈值,在静止图像去噪领域具有较强的实际意义。     

基于相邻小波系数的图像去噪算法

针对传统的小波去噪方法在滤除噪声上的明显不足,提出了一种基于相邻小波系数的图像去噪算法。充分考虑了滤噪系数与相邻系数间的相关性,首先采用3×3像素的系数滑动窗口对噪声系数进行均值采样,然后结合双阈值法对小波系数进行缩减。实验结果表明本算法明显优于传统的滤波算法,具有较高的信噪比,是一种有效、可行的图像去噪方法。