多方向一维小波变换的显微图像去噪

根据显微图像的特点,从水平、垂直、+对角线、-对角线四个方向将二维图像转为一维数组,对不同的分解尺度上的高频系数采用不同的阈值处理,对阈值处理后的高频系数进行增强处理,进行一维小波逆变换,一维数组转化为二维图像,最后将四个二维图像进行非均权值计算得到去噪后的图像。在原子力显微镜得到的显微图像中进行仿真实验,与改进软阈值去噪算法和Keesook.J.Han提出的去噪算法相比较。结果证明多方向一维小波变换的显微图像去噪算法具有更好的去噪性能,边缘细节保持明显优于其他算法。     

基于小波变换的图像去噪研究

根据噪声能量在不同尺度、不同方向上的高频系数的分布差异,将全局阈值法改进为在不同尺度、不同方向采用不同的阈值进行去噪。该方法与全局软阈值与硬阈值相比,有更好的视觉效果。通过比较去噪图像的峰值信噪比和均方根误差的数据可以看出,此法较全局软、硬阈值法有更好的去噪效果。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

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。     

基于状态权的小波边缘检测算法

提出了一种基于小波变换和各向异性扩散的图像多尺度边缘检测方法。对噪声图像进行小波变换,得到高频和低频小波系数。对高频小波系数归一化后进行各向异性扩散得到状态权,把该权值作用在原高频小波系数上,得到了既去除噪声又保持结构不变的小波系数。对低频小波系数直接用小波阈值方法去噪,利用小波系数模极大值法对去噪后的高频和低频小波系数进行边缘检测,得到最终的边缘图像。实验结果表明,该边缘检测方法由于结合了小波和各向异性扩散方法,从而有效地抑制了噪声,得到了连续、清晰的边缘。     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。     

双向扩散耦合阈值的小波边缘检测算法

为了准确的提取含噪图像在边缘点处所对应的小波系数,根据偏微分方程一步迭代扩散的结果等价于平移不变Haar小波去噪的一步收缩,结合前向-后向的双向扩散的特点,提出双向扩散耦合阈值的小波边缘检测新方法.该方法对噪声图像进行小波变换,得到的高频部分进行双向扩散耦合阈值.该阈值有效地去除噪声同时增强了边缘信息,利用阈值后各高频以及低频部分的细节信息,采用多尺度小波变换模极大值检测方法得到最终的边缘图像.实验表明,新方法在滤除图像噪声、保留细节边缘和保持边缘连通性方面都有不错的效果,具有实用性.     

小波技术在"数字图像处理"课程中的教学应用

设计了图像尺度模型去噪实验项目.图像噪声的存在严重影响了图像的处理效果,图像去噪有利于图像的后续处理.设计了图像尺度模型去噪实验.利用二维离散小波变换分解含有加性噪声的图像,并尺度模型应用于分解后的各个高频子带中,它能够按照能量分布将区域内的小波系数分成多个子区域.对各部分进行能量估计和多阈值估计,获得去噪最佳阈值,并...     

利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。