基于对数压缩的超声各向异性扩散去噪方法

针对当前超声图像去噪算法很难同时做到降噪和边缘保持的情况,在进行各向异性扩散模型研究的基础上,提出基于对数压缩的改进各向异性扩散算法（LCAD）去除超声散斑噪声。算法将图像对数压缩后进行噪声分布模型估计,然后构造基于广义伽马分布的扩散系数,在扩散过程中达到降噪和边缘保持效果。     

改进的基于各向异性扩散的B超图像降噪方法

散斑噪声是超声成像机制引起的固有形态,它对超声图像质量以及医学诊断的准确性有很大的影响;针对传统Perona-Malik(PM)各向异性扩散模型通过四方向扩散无法提供充分的信息且处理效果不明显的问题,提出八方向选择式扩散模型;针对传统算法对强噪声则失效、扩散门限参数K依据经验选取的不足以及迭代终止条件不明确,提出改进的扩散系数计算方法,应用自适应选取的扩散门限参数K,且提出适合改进算法适用的迭代终止准则;经过多组仿真实验,证明文章算法较传统模型可以更好的控制扩散过程,并且提高了算法鲁棒性和效率,综合峰值信噪比(PSNR)、边缘保持度(FOM)等指标,表明该算法相比同类算法有更好的降噪和边缘保持效果.     

基于平稳小波域的各向异性扩散图像去噪方法

针对传统的各向异性扩散去噪方法存在的导致图像细节丢失的问题,提出了一种基于平稳小波域的各向异性扩散图像去噪方法。该方法根据平稳小波变换的特性,通过在高频和低频子带上选用不同的梯度门限进行各向异性扩散,然后进行重构得到去噪后的结果图像。实验结果表明,该方法在有效去除噪声的同时,图像细节保留较好,去噪后的图像具有更好的质量。     

基于离散平稳小波变换的心电信号去噪方法

提出一种基于离散平稳小波变换的心电信号噪声去除方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的阈值去噪方案。该方法有效克服传统离散正交小波变换去噪时容易产生Gibbs现象的问题,从而达到保持心电波形特征且抑制噪声的双重目的。     

基于离散正交小波变换的图象去噪方法

给出了一种基于离散正交小波变换的图象去噪方法,该方法通过二维离散小波变换将图象投影到小波变换域,通过对小波变换系数进行阈值处理实现二维图象的去噪,并用实验验证了该方法的有效性。     

基于级联离散小波变换的信号去噪方法研究

提出了基于级联离散小波变换的信号去噪方法。该方法通过对带噪信号作一层离散小波变换(DWT)后提取的低频部分和高频部分分别作一层DWT和四层DWT,然后,对低频部分提取的低频成分和高频成分均作三层DWT,接着,对所有分解的小波系数进行阈值处理,最后,完成信号重构。实验结果表明:在同样的小波分解层次下,本方法去噪效果好于DWT法和WPD法。     

基于图像特征的各向异性扩散去噪方法

对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘,为此,提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。     

离散小波变换的VLSI架构

这篇论文对小波变换技术及其VLSI实现架构进行了回顾与总结。重点讨论了离散小波变换及其快速算法——Mallat算法。然后对该算法的几种典型VLSI实现架构进行了讨论和比较，并对未来的工作给出了建议。     

二次离散小波变换的语音增强方法

提出了一种基于二次离散小波变换（DWT）的语音增强算法。该算法首先对带噪语音信号进行离散小波变换,提取离散细节信号,并对其进行第二次离散小波变换。再按照不同的规则选取阈值,对信号进行去噪处理。最后再对出来后的语音信号进行合并。对比实验结果表明,该方法具有良好的消除噪声的效果,提高了语音的清晰度和可懂度。     

高阶各向异性扩散小波收缩图像降噪算法

证明一种高阶各向异性扩散与小波收缩的等价性,并根据等价性利用高阶各向异性扩散与小波收缩的优势,提出高阶各向异性扩散小波收缩降噪算法。该算法在低频部分采用经典的非线性扩散方法进行扩散,在高频部分采用高阶各向异性扩散方法进行小波收缩。实验结果表明,高阶各向异性扩散小波收缩算法的计算复杂性介于高阶各向异性扩散与小波收缩算法之间,降噪能力高于这2种方法。     

小波变换估计非线性扩散最优停止时间

Gilboa提出一种针对高斯噪声的基于信噪比(SNR)最优的迭代停止时间估计方法。该方法用一个噪声补丁来估计图像噪声与冗余(噪声图像与去噪图像的差)的协方差对冗余方差的导数,补丁是随机生成的纯高斯噪声图像,其均值为零并且方差等于噪声图像的噪声方差。在实际应用中图像噪声方差未知,补丁的噪声是随机的,不同噪声所得到的最后停止时间可能不同。针对这些问题,对该方法进行了改进。首先将图像进行小波变换;再利用小波系数的层间相关性去掉第1层斜向高频系数(HH1)中的边缘纹理信息,获得"纯"的子噪声;然后把子噪声作为补丁的噪声取代随机噪声。实验结果表明,改进方法不仅能解决随机噪声补丁的两个问题,而且去噪图像在峰值信噪比(PSNR)上有一定优势。     

相干光学系统图像复原的各向异性扩散方法

相干光学系统中图像噪声污染严重,提出一种基于各向异性扩散的图像复原模型,该模型的扩散系数从理论上满足Charbonnier等人提出的构造扩散系数准则,同时结合对数变换对相干光学图像进行复原去噪处理。实验结果表明,同SRAD、Lee、Frost、Non-local Means算法和基于小波的BLS-GSM、BM3D等方法相比,该算法可以更有效地进行边缘平滑,而且还能够较好地解决图像边缘和细节失真的问题,不论从PSNR,还是从视觉评价效果来看,该算法都具有一定的优越性。     

基于人类视觉系统和离散小波变换的彩色图像水印

为了扩大数字水印的适用范围,提出一种基于人类视觉系统（HVS）和离散小波变换(DWT)的彩色图像数字水印算法。首先利用混沌加密算法把一个有意义的二值图像加密成水印;然后将彩色图像从RGB色彩空间转换到YCbCr空间,提取Y分量,对Y分量进行一级离散小波变换;最后求出低频分量LL1的视觉掩蔽值,根据视觉掩蔽值,将水印嵌入到彩色图像的Y分量的低频小波系数域上。实验结果表明,该算法具有较好的不可见性和鲁棒性。与以往的基于YCbCr颜色空间的算法相比,该算法具有更好的不可见性和鲁棒性。     

基于局部方差改进的超声图像各向异性扩散去噪算法

针对各向异性扩散算法不能有效区分强噪声和弱边缘的缺点,提出了一种基于图像局部统计特征改进的算法。该算法在对图像进行各向异性扩散去噪的过程中,使用梯度阈值找到图像中灰度变化较大的点,再通过计算局部方差和局部去心方差的差值判断该点是否为噪声点,若是噪声点则使用均值滤波处理。对仿真图像和临床超声图像的实验结果表明:与传统的各向异性扩散算法相比,改进的算法在图像去噪和特征保留的能力上得到了良好的提升。     

基于离散小波变换和离散余弦变换域的扩频水印盲提取算法

针对扩频水印的盲提取问题,提出了一种在数字音频中扩频水印的盲提取算法。算法将扩频后的水印信息隐藏在音频文件小波分解的低频系数再做离散余弦变换(DCT)后的第5个系数中。提取时在扩频序列及其长度均未知的情况下,采用二次谱和奇异值分解(SVD)的方法对嵌入时使用的扩频参数进行估计,实现了数字音频中扩频水印的盲提取。仿真实验表明,所提算法在未知扩频参数的情况下能提取出归一化系数(NC)为1的水印图像并且水印的鲁棒性也很强,在加噪、低通滤波等攻击下估计出的扩频序列正确率能达到90%以上,恢复出的水印图像清晰可见,归一化系数都在0.98以上。     

NSCT变换和小波包变换相结合的图像隐藏方法

为了更好地解决NSCT域图像隐藏不可见性和鲁棒性之间的矛盾,提出了一种基于NSCT变换和小波包变换相结合的可见光图像隐藏方法,利用NSCT变换将载体图像分解为低频子带和一组高频子带,对低频子带进行二级小波包分解,通过奇异值变换将秘密图像重要位平面信息隐藏在小波包分解低频子带中,次要信息自适应隐藏在NSCT高频子带中。实验表明,在同等嵌入容量下,算法峰值信噪比大于50 dB,对几何攻击和滤波等干扰处理后,秘密图像的归一化系数仍接近于1。     

基于离散小波变换和感知哈希的加密医学图像检索算法

针对加密存储在云服务器的医学图像安全检索问题,提出基于离散小波变换（DWT）和感知哈希的加密医学图像检索算法。首先结合Henon映射的特点对图像进行频域加密运算;然后,对加密医学图像进行小波分解,得到逼近原图的子图;其次,根据离散余弦变换（DCT）的特性,通过比较DCT各系数与系数均值的关系得到图像的感知哈希序列;最后通过比较感知哈希序列之间的归一化相关系数来实现对加密医学图像检索。与基于非负矩阵分解（NMF）的哈希算法相比,所提算法在高斯噪声下检索精度提高了近40%,且在JPEG压缩攻击、中值滤波攻击、缩放攻击和扭曲攻击下检索精度与之相差无几。实验结果表明,所提算法对于常规攻击和几何攻击具有较好的鲁棒性,同时降低了图像加密的时间复杂度。