基于平衡正交多小波的超声图像降噪研究

医学超声图像存在特有的斑点噪声,它大大降低了超声图像的质量,因此必须进行降噪处理。平衡正交多小波同时满足正交性和对称性,具有比单小波分解更加精确、去噪效果更好的特点。故对超声图像进行平衡正交多小波分解,然后利用模糊聚类与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

基于多小波变换及多层阈值的图像降噪研究

提出了一种基于多小波变换分层阈值的图像降噪的方法。此方法首先对一幅噪声图像进行多小波分解;接着根据多小波分解后的能量分布特性,在不同尺度的高频子带内,对小波系数进行不同阀值处理;最后经多小波反变换,得到重构图像。实验结果表明:此方法既可以有效地降低噪声,又可以较好地保持图像细节。     

小波变换在身份证图像降噪中的应用研究

针对非理想身份证图像中存在的斑点噪声,利用小波变换降噪的特点,将身份证图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行降噪处理。结果表明小波指数方法是较优降噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

基于小波变换和数据融合技术的图像降噪方法

提出了一种基于小波变换和数据融合技术的图像降噪的方法．此方法对同一原始图像信号不同噪声的多源图像分别进行小波分解，在图像分解的高频域内，对小波系数进行阈值处理后，再进行数据融合处理，根据“多数原则”选择重要小波系数．在低频域内，新的逼近系数则通过对多幅图像的逼近系数直接进行加权平均得到．然后利用重要小波系数和逼近系数进行小波反变换，即可得到融合后的图像．实验结果表明：此方法既可以有效地降低噪声，又可以较好地保持图像细节．     

基于小波多层阈值平滑处理的航测图像降噪

在基于小波的图像降噪处理算法中,有时候存在着对图像信息的过扼杀和对噪声信息的欠滤出,使得对图像降噪后反而降低了信噪比,这就不利于对图像的分析和观察,尤其是对航测l冬I像的处理影响很大,主要是由于阈值的选取和处理方法不合适引起的.在提出了针对不同类型噪声的三种平滑阈值降噪处理方法,结合Birge-Massart策略得出的多层阈值,对小波系数进行软-硬阈值之间的处理,就是在不同尺度的频带内对小波系数进行逐渐向零收缩,以达到较好的保持有用信息,降低噪声,仿真实验表明对一般低信噪比(SNR)的航测图像做降噪处理时,效果很好.     

一种新的线边界检测方法

提出了一种超声图像的多尺度非线性抑噪的自适应线边界检测方法，首先对超声斑点图像进行多尺度分解，然后对高频部分应用非线性软阈值方法来抑制斑点噪声，再利用逆小波变换重建图像，最后采用基于“窄条”的线边界检测方法对降噪图像进行处理，以不同方向与大小的“窄条”来近似组织边界，其中“窄条”的大小由基于区域增长的局部统计特性决定．仿真实验与组织超声图像验证了此方法在抑制斑点噪声与增强边界方面具有良好的性能．     

基于模糊聚类的小波变换图像去噪算法改进

介绍一种改进的较优的基于模糊聚类的小波变换图像去噪算法.首先分析了模糊C均值聚类算法中加权指数m的重要性,采用基于模糊决策的方法,分别构造模糊目标和模糊约束,由模糊目标和模糊约束的交集来共同确定最优的加权指数m以获取较为理想的聚类分类结果.再利用该种加权模糊聚类算法把小波系数划分成包含信号与只包含噪声的小波系数两类,将只包含噪声的小波系数置为零,将包含信号的小波系数利用软阈值法进行收缩,最后对处理后的系数根据M带小波变换的局部时频分析能力及其良好的信噪分离能力进行M带小波变换,得到去噪效果较好的图像.     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

基于奇异值差分谱分析和蚁群算法的小波阈值降噪

针对传统小波阈值去噪阈值选取的问题,将奇异值差分谱的方法与蚁群算法相结合运用到小波阈值降噪中,提出一种小波系数双阈值寻优方法.首先将待处理含噪信号进行多尺度小波分解;之后根据每级信号小波系数的奇异值差分谱分析得到寻优的目标函数;然后根据目标函数利用蚁群算法在每级的小波系数上进行阈值寻优;最后重构经过最优阈值量化规则处理的小波系数得到降噪信号.通过对仿真信号的降噪处理表明本方法对不同特点信号的降噪效果要好于传统阈值降噪方法;对滚动轴承以及深沟球轴承的振动故障信号的降噪处理验证了方法的可行性和适用性.     

基于GHM和FCM的自适应图像水印算法

提出一种基于GHM多小波变换域上的模糊自适应水印算法。利用多小波系数块的能量、重要系数对小波块进行分类,结合图像自身的局部特性,在多小波系数中的两个相关的细节子图像中自适应地嵌入一幅二值水印图像;为了增强水印的鲁棒性,采用冗余嵌入方法;水印的提取不需要原始图像。实验结果证明,该算法对剪切、JPEG压缩、锐化等多种图像处理具有很好的鲁棒性。     

一种改进的多小波相邻系数去噪算法

小波分析理论已经成为信号去噪中的一种重要的工具.多小波因其能同时具有正交性、紧支性、对称性和高的逼近阶等信号处理中十分重要的特性.弥补了单小波的不足,从而具有更为广阔的应用前景.信号经多小波变换后,不但同一尺度内相邻多小波系数间存在着相关性,而且不同尺度间对应位置上的系数也存在相关性.文中对受白噪声污染的信号进行(平移不变)多小波分解,采用相邻系数法确定阈值的同时利用多小波系数尺度间的相关性,来有效地抑制小尺度上部分幅度较大的噪声多小波系数,提出一种改进的多小波相邻系数去噪算法.仿真实验表明,与传统的多小波阈值和相邻系数法去噪相比,该算法可以获得更好的去噪效果.     

A new wavelet-based fuzzy single and multi-channel image denoising

In this paper, we propose a new wavelet shrinkage algorithm based on fuzzy logic. In particular, intra-scale dependency within wavelet coefficients is modeled using a fuzzy feature. This feature space distinguishes between important coefficients, which belong to image discontinuity and noisy coefficients. We use this fuzzy feature for enhancing wavelet coefficients' information in the shrinkage step. Then a fuzzy membership function shrinks wavelet coefficients based on the fuzzy feature. In addition, we extend our noise reduction algorithm for multi-channel images. We use inter-relation between different channels as a fuzzy feature for improving the denoising performance compared to denoising each channel, separately. We examine our image denoising algorithm in the dual-tree discrete wavelet transform, which is the new shiftable and modified version of discrete wavelet transform. Extensive comparisons with the state-of-the-art image denoising algorithm indicate that our image denoising algorithm has a better performance in noise suppression and edge preservation.     

基于稀疏先验的非局域聚类图像去噪算法研究

图像去噪是一类典型的病态（ill-posed）逆问题求解,噪声掩盖下的真实图像并不确定,需要引入先验信息缩小病态问题的求解范围。为了将外部干净图像的先验信息引入去噪进程,提出了一种基于外部干净图像与内部噪声图像稀疏先验的非局域聚类图像去噪算法,通过联合外部干净图像与内部噪声图像的图像块得到类稀疏化表达字典;通过全局的相似块匹配,得到理想图像的稀疏系数估计;基于类字典和估计的稀疏系数,采用压缩感知技术的稀疏重建方法实现图像去噪。实验表明,与传统的非局域稀疏聚类图像去噪方法相比,所提算法显著降低去噪块效应,在保留更多细节的同时,图像平坦区域过渡更加自然;而理想图像先验来源的扩展则进一步提高了算法在强噪声下的去噪性能,对强噪声具有更强的抑制能力。     

基于多小波分析的超声斑纹噪声抑制方法研究

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好特性要求,而标量小波不能同时达到这些要求.提出了一种新的基于多小波、多分辨率分析抑制超声斑纹噪声的理论和方法,通过评价两种多小波的分解与重构,得到了两种可以分别适用于这两类多小波的最佳预处理方法,给出了多小波变换的解析表达式.在二维图像阵列的应用方面,通过采用局部方差作为阈值,对超声斑纹图像进行阈值化去噪处理的实验结果表明,多小波变换在有效抑制斑纹噪声的同时,相对于其他方法还能更好地保留原图像的边界等重要特征信息.     

基于多子波的SAR图像噪声的抑制

SAR图像的噪声为乘性噪声,传统的图像去噪方法效果较差。SAR图像噪声抑制的方法一般可分为空域滤波和频域滤波。子波分析是一种典型的频域处理方法,通常首先对SAR图像进行子波分解,保留低频,对高频子带的系数做硬阈值或软阈值处理,然后进行重构。对于平滑区域,噪声抑制效果明显,但在边缘细节比较丰富的区域,细节损失严重。本文在多子波的预滤波中采用了冗余技术,并利用边缘跟踪算法对子波分解后的高频子带中的边缘和噪声进行有效的分离,从而确保了在抑制噪声的同时保留了边缘信息。实验结果验证了该方法的有效性。     

形态小波域声呐图像谱聚类去噪算法研究

针对声呐图像噪声污染严重的问题,在基于形态小波的声呐图像去噪方法中引入了谱聚类算法以实现低信噪比下图像的去噪.给出基于形态中点小波的声呐图像去嗓法,在此基础上引入谱聚类的概念,针对谱聚类能快速实现数据分类的特点,对形态中点小波分解后的高频小波系数进行分类,使得包含噪声与细节信号部分的小波系数得以分离.对分离后的两类小波...     

基于多小波域SOT结构的SAR图像去噪与压缩算法

合成孔径雷达（SAR）图像固有的相干斑噪声严重影响了SAR图像的判读和进一步压缩处理,提出一种在多小波域将空间方向树（SOT）去噪与压缩相结合的SAR图像压缩算法。首先利用SOT对高频子带的多小波系数进行软阈值去噪,滤除相干斑噪声;然后采用改进的多级树集合分裂（SPIHT）算法编码形成嵌入式码流。利用大量的机载SAR图像对该算法进行了仿真验证,实验结果表明采用该算法进行SAR图像压缩提高了重建图像的PSNR,同时对相干斑噪声进行了有效的抑制。