基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

基于伪中值滤波和小波变换的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

基于提升小波变换和中值滤波的图像去噪方法研究

针对实际拍摄的背景复杂、目标对比度和信噪比低的图像,在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,提出一种基于提升小波变换和中值滤波的图像去噪方法.首先对含噪图像进行提升小波分解,再在图像高频部分进行中值滤波以改善图像的消噪效果,最后采用信噪比(SNR)与均方根误差(RMSE)和图像灰度曲面图作为图像去噪效果的评估,将提升小波变换和中值滤波相结合的图像去噪方法与小波去噪、小波与中值滤波结合消噪等进行对比实验.实验结果表明,该方法既能消除图像噪声又能达到保持其图像边缘要求,且时间度较低.     

基于Bior小波变换和中值滤波的图像去噪

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想,而小波变换可以较好地滤除高斯噪声。本文将Biorthogonal小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声。实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单纯的小波变换或单纯的中值滤波。     

基于中值滤波和小波变换的图像去噪

针对混合噪声的特点,提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波,然后再通过小波阈值法对噪声进行去除,达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价,结果表明:这种方法改善了图像质量,去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法,可以有效的去除混合噪声。     

基于小波变换和均值滤波的图像去噪研究

针对均值滤波现有的缺点和小波变换存在的优势,特提出将小波变换和均值滤波相结合的算法,在该算法中,首先通过小波去噪进行图像处理,将处理后的图像通过小波变换得到近似图像、水平、垂直和对角三个高频细节提取出来,针对含噪图像的特点,对水平、垂直和对角三个高频细节采用不同的滤波模板进行中值滤波变换,最后将近视低频细节和变换后的三个高频信号采用逆小波变换得到再一次去噪后的图像。经过仿真实验结果可知,该算法在有效降低噪声的同时,保留了尽可能多的图像细节信息,其去噪效果优于单一的小波变换去噪、均值滤波去噪。     

中值滤波和小波变换相结合的图像去噪研究（英文）

为了保持原始图像在去噪过程中的边缘信息,文章提出了小波变换与中值滤波相结合的办法来处理含噪图像。首先对含噪图像进行小波分解,然后用中值滤波和不同的阈值(硬阈值、软阈值)处理小波分解后的子频带。该方法在去噪的同时保留了图像的边缘信息。实验证明,该方法的去噪效果优于单独使用小波去噪或中值滤波的方法。     

基于小波变换的红外图像滤波

为了提高红外图像的质量,对图像的滤波与增强是必需的,基于小波变换的滤波方法可以在一定程度上将噪声和图像细节分离,从而在基本不损失细节的情况下将噪声滤除.简要介绍了小波、小波变换、小波逆变换、离散二维小波变换和离散二维小波逆变换的基本概念.重点论述了小波变换的实现方法和小波滤波的实现方法.最后通过不同滤波方案的对比说明了基于小波变换的滤波方案的优越性.     

基于信息冗余的小波红外图像去噪算法

红外图像具有图像灰度集中、对比度低等特点,因而红外图像增强是红外图像应用必不缺少的部分,随之而来的是图像噪声的放大,为了进一步提高红外图像质量,需对增强后图像去噪。现有众多去噪方法中,极少同时兼顾算法效果及可实现性。提出了一种基于信息冗余的小波去噪算法,此算法在离散小波变化(DWT)过程中分别以不同的下采样方式获取多组含有相似冗余信息的小波系数,再利用噪声估计对小波系数进行非线性变换,抑制高频噪声并保留细节,然后利用变换后小波系数重构(IDWT)多副图像,利用含相似冗余信息的多副图像加权进一步去除高频噪声,获取最终去噪图像。此算法已在单片FPGA中进行实现,利用ALTERA CYCLONIII芯片实现后的处理帧频达到50 fps,满足实时性要求。     

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。     

基于小波变换的图像混合噪声自适应滤波算法

提出了一种基于小波变换的图像混合噪声自适应滤波算法.该算法首先采用中值滤波进行预处理以去除脉冲噪声,然后对图像进行二维小波分解得到高频和低频子图像.根据各高频子图像噪声分布特征,分别设计出新的结构元素进行形态学滤波,随后定义一种新型阂值判别函数对高频和低频子图像分别设定不同调节参数,以进一步滤除残余噪声.最后进行小波系数重构.仿真结果表明,该算法去噪效果明显优于其他几种算法,从而表明该算法是一种较为有效的图像混合噪声滤除方法.     

基于双正交小波域的SAR图像滤波方法

将E-lee、E-Kuan、GammaMap、wiener等经典滤波算法和双正交小波变换相结合,提出了基于双正交小波变换域的局部统计特性SAR图像滤波方法,同时提出了一个运算量少,且是归一化的对数变换,它将乘性的Speckle噪声转为加性噪声。在小波域内建立了局部统计特性SAR图像滤波算法,使用多分辨率的手段,因为在每个方向上的小波系数都具有相同的特征,可以很好地处理图像的一些特性,使得图像边缘被模糊的相对少些。实验结果表明,此方法比经典算法的效果要好。     

基于小波变换的红外图像压缩编码研究

根据红外图像空间相关性强的特征以及红外图像经小波分解后的数据特性,利用小波变换对红外夜视图像进行了压缩编码研究,得到了不同压缩比下的压缩结果。计算机仿真实验表明,此方法没有方块效应,视觉效果良好,对于红外图像来说有一定的应用价值。     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

一种红外图像小目标滤波算法研究

提出一种红外图像滤波算法,该算法建立在小波变换算法基础上.对非平稳信号的去噪声,小波变换具有时域和频域上的局部性特性、多分辨率分析特性,非常适合用来分析和处理非平稳信号,在保证运算速度的同时也提高了滤波质量.经实验证明,该算法较好地融合了噪声消除和边界保持两大优点,大大改善了图像预处理的效果.     

基于离散平稳小波变换的图像同态增强

同态增强可用于减少光照不均匀引起的图像降质,提出了一种基于离散平稳小波变换的图像同态增强算法,对图像进行离散平稳小波变换后,对变换后的各个高频子带采用不同的同态滤波器进行增强处理,实验结果表明,提出的方法能有效地提高图像对比度,又能突出图像的细节部分信息,其效果优于传统的同态增强。     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.