基于小波变换和Cycle Spinning图像放大算法

提出一种基于小波变换和Cycle Spinning的图像放大算法。该算法对放大后图像进行初始估计,对估计图进行小波变换,并用Cycle Spinning去除图像中因小波变换而产生的伪吉布斯现象,进行小波逆变换得到放大图像。数值实验结果证实该方法在放大图像的同时也增强了图像的清晰度和对比度,能够有效提高放大图像的RMSE及PSNR,该方法也适用于带噪图像的放大。     

一种改进的基于分形编码的图像去噪方法

分形编码去噪是一种新型的图像去噪方法,此方法通过估计噪声方差及其原始无噪声图像的分形编码参数进行图像去噪,去噪与压缩同时进行。利用分形解码图像分辨率独立的特点进一步对其存在的块效应进行了改进,实验结果表明,经过改进后的分形编码去噪方法在峰值信噪比、压缩比和视觉效果上都达到了令人满意的效果。     

基于小波变换的Cycle Spinning图像融合的扩展研究

Cycle Spinning是在图像去噪时使用的一种消除伪吉布斯（Pseudo-Gibbs）现象的方法,目前的文献中较少有使用该方法进行图像融合的研究。尝试结合小波变换和Cycle Spinning循环平移的思想,提出了一种基于小波变换的Cycle Spinning图像融合方法,并在此基础上对平移进行了扩展研究。仿真实验证明该方法与传统DWT方法相比,能较好地保留图像的细节信息,获得更高的PSNR值。     

基于多元统计模型的分形小波自适应图像去噪

为了克服分形小波去噪方法缺乏保护图像的边缘与细节的缺陷,文中提出了一种基于多元统计模型的分形小波自适应图像去噪算法.通过建立一个参数可以灵活改善的多元统计模型来准确地估计各种相关信息,并通过最小化残差来自适应调整模型参数;在适度的噪声方差下根据拼贴距离找出最好的子树域中的近优父子树,通过使用四叉树分割来实现对噪声图像自适应地预测分形小波无噪图像编码,从而达到去除噪声和保护图像的边缘与细节的目的.实验结果表明,该方法在去除噪声的同时,能有效地保持图像的边缘特征和保留图像的精细结构.由于采用了预测小波分形编码,优化了算法结构,算法的处理速度比较快.因此,完全可以达到实时图像处理过程中的去噪预处理对处理速度的要求.     

基于曲波变换的图像去噪新算法

比较了小波变换和曲波变换,指出小波变换只具有点状奇异性的不足之处和曲波变换具有多尺度各向奇异性的优点,分析了现有的基于曲波变换的图像去噪方法,并对目前基于曲波变换的去噪算法进行了改进,提出结合Wrapping和Cycle Spinning的WCSCurvelet去噪新算法.仿真实验的结果证实了该算法减少了伪Gibbs现象,较好地保留了图像的细节和纹理,获得了更好的视觉效果和更高的峰值信噪比.     

基于平稳小波变换邻域系数萎缩的图像去噪法

为消除图像去噪过程中普遍存在的边缘失真,先利用Canny边缘检测算子提取含噪图像的边缘特征,使边缘图像的像素点和含噪图像的像素点一一对应,将含噪图像中边缘像素点的值设零,再将得到的去掉边缘信息的含噪图像进行二维离散平稳小波变换,对小波系数采用基于邻域的方法进行系数萎缩.该算法充分考虑了平稳小波系数的邻域性质,对处理后的小波系数进行平稳小波反变换得到平滑去噪图像,最后将边缘图像嵌入平滑图像中得到去噪后的图像.该算法能够在去除噪声的同时较好地保护图像的边缘,是一种有效的图像去噪法.     

小波变换结合Cycle Spinning图像融合的研究

正交小波变换对平移具有敏感性,直接使用其进行变换会产生伪吉布斯现象,Cycle Spinning方法在此基础上产生.但目前文献中较少使用该方法进行图像融合的研究.结合小波变换和Cycle Spinning循环平移的思想,提出一种基于小波变换的Cycle Spinning图像融合方法.实验证明该方法与传统DWT方法相比,能有效地保留图像细节信息,获得更好的视觉效果,更高的PSNR值和更低的RMSE值.     

一种基于M带小波变换的多幅图像去噪算法

基于小波的图像去噪算法是目前图像去噪研究的一个热点。大多数的研究考虑的都是单幅图像样本的情况,在基于图像的多幅含不同均匀噪声拷贝的两带小波去噪方法的基础上,把多幅含噪图像拷贝的两带小波去噪方法推广到了M带,提出了一种基于M带小波变换的多幅图像去噪方法。实验结果表明该方法的去噪效果要优于相同条件下的两带小波的去噪效果。     

一种基于DCT Cycle Spinning的图像压缩方法

综合利用DCT变换和Cycle Spinning,提出一种新的图像压缩方法。由于图像的DCT压缩是分块完成的,且DCT变换缺乏平移不变性,直接应用DCT变换对图像进行压缩会使压缩重构图像产生块效应和伪吉布斯现象,导致图像失真。引入Cycle Spinning算法能有效地消除图像DCT压缩过程中产生的失真。实验结果表明,与一般图像DCT压缩方法相比,该方法明显改善图像视觉效果,显著提高图像的PSNR值。     

基于快速离散曲波变换的图像去噪算法

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘,因此更适合于多尺度图像去噪。针对传统阈值法存在的不足,在分析wrapping方法的快速离散曲波变换基础上,提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法,并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真,并且更好地利用曲波系数的相关性。实验结果表明,该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比,使得去噪图像的峰值信噪比更高,视觉效果更好。     

基于迭代分形解码和边缘扩展的图像修复算法

根据分形码的高压缩性,提出一种基于迭代分形解码和边缘扩展的图像修复算法。在信息嵌入阶段,运用1-D变换算法、2次推操作和换操作获取索引表,对照索引表将分形码和奇偶校验码存入图像的最低2位有效位中。在图像修复阶段,对接收到的图像进行3层篡改检测,迭代地采用提取的有效分形码和边缘扩展算法对篡改图像进行修复。实验结果表明,该算法能够获得较好的图像修复效果。     

基于改进NLM的PCB图像去噪算法

针对工业生产中的PCB图像边缘信息缺失且携带有大量噪声,现有去噪算法效果不佳、计算量庞大、复杂度高等问题,提出了一种基于改进NLM的PCB图像去噪算法,旨在提高PCB图像的去噪质量.首先,采用基于形态学的权重自适应算法对PCB图像进行图像增强,使PCB图像保留较好的边缘信息;其次,引入特征匹配模型对增强后的PCB图像与原始PCB图像进行特征点匹配融合;最后,通过改进NLM算法的权重值对PCB图像进行去噪,得到最终的去噪图像.实验结果显示,与现有算法相比,所提算法更好地保留了PCB图像的边缘信息,去噪效果佳,显著改善了图像质量,增强了图像的鲁棒性,且提高了计算速度,降低了算法复杂度.     

基于分形分辨率无关性的应用研究

针对解码图像的方块效应,提出了一种基于分形编码分辨率无关性的新的解决方案。在低分辨率下解码图像后,结合双线性与最近邻点插值方法还原图像。在不改变原编码的前提下,该算法有效地减少了解码图像的方块效应。     

一种新的具有增强效果的小波域图像去噪方法

为了使去噪后的图像具有更佳的视觉效果,基于新近出现的一种小波域阈值去噪方法——NeighShrink,提出了一种具有细节增强效果的小波域图像去噪方法——增强型邻域收缩方法(enhanced NeighShrink,ENS)。该方法一方面继承了NeighShrink方法的优点,在对小波系数进行阈值处理时,由于考虑了其与邻域系数的相关性,从而大大减少了误判图像细节为噪声的情况,同时,通过改变NeighShrink方法中小波系数收缩因子的计算方法,用该方法去噪后的图像取得了高于NeighShrink方法的峰值信噪比;另一方面,通过引入一个细节增强因子P,使得该方法能够对图像细节进行增强,从而得到了更佳的视觉效果。通过实验证明,该方法能够在去噪和细节增强这两方面优于普通软阈值去噪方法和NeighShrink方法。     

带结构检测的非局部均值图像去噪算法

针对非局部均值(NL-Means)图像去噪算法有大量结构残留的问题,提出一种带结构检测的NL-Means滤波算法。首先使用一个结构分析器对噪声图像进行预处理,突出图像中的细节信息,然后利用边缘检测的结果调节NL-Means算法相似性度量,为了保留图像的边缘内容让具有相似边缘内容的像素能够获得更大的权,而边缘内容不相似邻域有较小的权（或为零）。实验结果表明：该算法提高了NL-Means算法的去噪能力,滤波后的图像结构相似度更高,改善了图像的视觉质量。     

分形图像编码的快速细粒度迭代解码

该文基分形图像编码的固有特征，阐述和研究了分形图像编码的迭代解码方法的“可分级性”概念，在这一思想指导下，在迭代解码过程中用单缓冲算法取代传统分形编码中的双缓冲算法，在节省了内存空间开销的同时有交地实现了更细粒度上的质量可分级性解码，继而提出了一种块排序解码算法用于基于尺寸自适应块分割的分形编解码方案中，获得了更快的解码收敛速度，通过以上一系列算法深入地阐述了分形偏解码中“质量连续可分级性”的思想，给出了一个初步的实现模型并对结果作了详尽的分析。     

用噪声检测算法改进理想低通滤波器

针对图像去噪算法存在滤除噪声与保留图像边缘细节之间的矛盾,提出了一种使用基于分数阶微分梯度的随机噪声检测算法来提高理想低通滤波器的去噪性能的方法。首先,使用不同方向的分数阶微分梯度模板与含噪声图像进行卷积,计算出图像在不同方向上的分数阶微分梯度;然后,依据预先设定的阈值获得不同方向的分数阶微分梯度检测图,将在所有选定方向上梯度都发生跳变的像素点判定为噪声点;最后,只对图像中被检测出的噪声点用理想低通滤波器进行滤波,可使图像在去除噪声和保留图像细节两方面同时获得较优的效果。实验结果表明,所提算法不仅可以获得更好的视觉效果,而且去噪后图像的峰值性噪比(PSNR)表明去噪后的图像更接近原始图像,使用理想低通滤波器获得的最大PSNR为29.0893dB,所提算法获得的最PSNR为34.7027dB。将分数阶微积分用于图像去噪,为提高图像去噪性能提供了一个新的研究方向。     

结合加权核范数与全变分的图像二级去噪

为提升图像去噪后的视觉感受,提出一种加权核范数最小化（WNNM）结合全变分（TV）的二级图像降噪方法。首先对含噪图像进行TV基础去噪,其次用噪声图像与基础去噪结果图做差分运算,并对差分后的结果自适应维纳滤波,然后将滤波后图像与基础TV降噪图像叠加,利用块匹配做相似补丁收集,最后运用加权核范数最小化进行二次去噪,得到最终降噪图像。通过与原WNNM、三维块匹配去噪（BM3D）、漏斗自相似非局部去噪（FNLM）方法对比,该方法不仅对平滑区域有较优的降噪效果,同时处理了漏斗自相似非局部去噪与BM3D在高噪声情况下带来花斑与假条纹状况,并且使结构纹理信息最大化相似。