伪彩色红外图像的小波自适应去噪算法

针对噪声污染的伪彩色红外图像,提出了一种小波自适应去噪算法.该方法首先将图像分解为R,G,B颜色分量图像,对每幅图像进行小波变换.根据变换后的不同细节子图的小波系数在区域及方向上具有的不同相关性,用不同的窗口对不同细节图像系数的方差进行估计,然后对小波系数进行一种改进的阈值处理,得到结果图像.结果表明,该方法能有效去除噪声,同时较好地保持了图像的边缘和细节.     

基于整数小波变换的Wiener插值算法

小波变换中高低分辨率子带之间的相似性使得利用小波变换进行图像插值的方法成为可能.根据数字图像信号的特点,分析了小波变化后各个子带信号的特点,提出了基于整数小波变换的Wiener插值算法.用Wiener自适应滤波器训练得到插值滤波系数,同时结合既符合图像性质又能减小运算量的整数双正交小波基对图像插值.结果得到较高的信噪比和较好的主观视觉效果.平均峰值信噪比比传统的双线性插值法提升了2.4dB.     

基于形态小波变换的低对比度图像增强算法

针对传统的图像对比度增强方法所存在的一些问题,提出了一种基于形态小波变换的图像增强算法.首先,将低对比度图像采用基于提升格式的形态Haar小波进行小波变换,得到小波系数,该小波变换实现结构简单,计算量低,并且有利于图像重要的几何信息在低分辨率空间中的保留.然后,对低频子带小波系数,采用直方图双向均衡方法进行调整,对高频子带小波系数进行基于软阈值滤波的细节系数增强,将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果.     

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。     

基于TLS的正交小波变换红外图像去噪

提出了一种基于总体最小二乘的正交小波变换红外图像去噪算法。对红外图像进行离散正交小波变换,分别对各个分解层的高频子带,通过总体最小二乘算法估计小波系数,获得各个高频子带信号的估计系数,然后通过正交小波反变换得到去噪图像。仿真结果表明,该红外图像去噪算法能有效去除加性红外图像噪声,在信噪比、直方图匹配等方面都有较大改善,并获得了良好的主观视觉效果。     

基于小波的双线性插值算法的改进

双线性插值算法在图像处理中有应用广泛,该方法虽在一定程度上可以得到理想的效果,但对于图像中的部分高频信息会损失严重,造成图像整体质量降低。考虑到小波变换的特性,将双线性插值和小波插值相结合,提出了一种基于小波变换的双线性插值算法的改进方法。经验证,改进算法对于本身并不平滑的图像在超分辨率重建中具有一定的优势。     

激光主动成像图像边缘检测算法研究

针对激光主动成像图像特点,分析了双数复值小波变换的优点和Canny算子存在的不足,提出了一种基于双数复值小波变换和Canny算子相结合的边缘检测算法.首先对激光主动成像图像进行双数复值小波变换得到小波系数序列,再对小波系数进行滤波,最后运用Canny三条检测规则逐层检测图像边缘.通过对实际激光主动图像进行边缘检测实验,结合视觉效果和可匹配性指标,可以看出本文的算法具有图像边缘细节保护好、检测结果可匹配性强等优点.     

基于小波变换的CR图像增强

数字X光影像仪（CR）图像对比度低、细节不清晰,要对其进行增强处理方能满足临床诊断的需要,而目前通用的CR图像增强算法对比度和噪声增强过度、丢失细节,为此提出了基于小波变换的CR图像增强法。该算法将CR图像进行小波变换分解,针对各子图像的特征,对高频细节部分采用非线性函数进行对比度增强,提高细节清晰度;对低频平滑部分采用反锐化掩模（UM）的方法对图像进行增强,以保证CR图像整体增强效果,最后进行小波变换得到增强后的CR图像。实验证明,该算法处理后的CR图像细节丰富,细节方差（DV）比通用增强算法提高了将近3倍,而且信噪比高,细节方差和背景方差（BV）之比（DV/BV）约为其他算法的3．5倍,具有良好的视觉效果。     

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K-SVD算法改进BayesShrink小波阈值去噪

提出了一种基于BayesShrink小波阈值去噪算法和稀疏字典学习算法(K-SVD)相结合的图像去噪算法.针对现有的小波去噪算法只处理了细节子带系数,而没有处理近似子带的系数最终导致去噪效果带有局限性的问题,在实际应用中,噪声不仅改变了细节子带系数同时还改变了近似子带的系数,提出了使用K-SVD算法处理图像小波变换近似子带系数以改进现有小波阈值图像去噪算法的效果的缺陷,仿真实验结果表明:改进后的算法能够有效的去除图像的高斯噪声,提高图像的峰值信噪比,明显的改善图像的视觉效果.     

基于二进小波变换的边缘保持图像插值算法

利用离散二进小波变换(DDWT)所具有的良好的多尺度边缘提取特性以及子带间的相关性,提出了基于DDWT的边缘保持图像插值算法。算法利用多尺度边缘的指数衰减规律预测损失掉的高频子带中的边缘,并利用三次样条插值算法恢复损失掉的高频子带中的非边缘信息。最后通过离散二进小波合成得到高分辨率图像。实验结果显示,该算法优于传统的双线性和双三次插值算法。对于像Lena这样的纹理较少的图像其峰值信噪比(PSNR)提高了2dB以上,而对其它图像插值的结果也有不同程度的质量改善,插值的结果更符合人的视觉系统特性。     

基于Contourlet和改进牛顿插值的图像超分辨率重建

通过研究现有图像超分辨率重建算法原理,针对其不足,提出了一种基于Contourlet轮廓波和改进牛顿插值算法的图像超分辨率重建方法.该算法首先对原始图像进行Contourlet变换,然后对高频分量做多方向的改进牛顿差值计算,最后进行小波逆变换得到更加清晰的高分辨率图像.实验结果表明,该算法比传统插值算法和小波插值算法具有更好的视觉效果,并且拥有更高的信噪比和结构相似性.     

基于混沌与小波变换的图像加密算法

利用混沌系统的初值敏感性,参数敏感性和类随机性等特点,首先提出一种称之为"混沌变换"的图像置乱算法。并在此基础上,设计了一种基于小波与混沌变换的图像加密算法。该算法的处理过程:图像预处理;对原始图像进行小波变换,得到四幅小波分解子图;用混沌变换对四幅子图进行图像置乱;小波逆变换。实验结果表明解密图像与原始图像一致性良好,同时本算法具有很高的安全性。     

基于SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分 Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分 Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

一种基于小波变换的图像变化检测算法

针对多时相遥感图像之间的变化检测易受照度变化和噪声的影响,提出了一种基于多尺度分析和多变量假设检验的变化检测方法,首先将已配准的2幅图像的差值进行小波分解,得到4幅子图,小波分解过程中不进行下采样,然后将4幅子图中对应点处的小波系数组成一个四维的矢量,并对每个分量赋予不同的权值,最后利用多变世假设检验判定变化区域。实验结果表明所提取的方法具有较强的抗照度变化和噪声影响的性能。     

Morphology-based three-dimensional interpolation

In many medical applications, the number of available two-dimensional (2-D) images is always insufficient. Therefore, the three-dimensional (3-D) reconstruction must be accomplished by appropriate interpolation methods to fill gaps between available image slices. In this paper, we propose a morphology-based algorithm to interpolate the missing data. The proposed algorithm consists of several steps. First, the object or hole contours are extracted using conventional image-processing techniques. Second, the object or hole matching issue is evaluated. Prior to interpolation, the centroids of the objects are aligned. Next, we employ a dilation operator to transform digital images into distance maps and we correct the distance maps if required. Finally, we utilize an erosion operator to accomplish the interpolation. Furthermore, if multiple objects or holes are interpolated, we blend them together to complete the algorithm. We experimentally evaluate the proposed method against various synthesized cases reported in the literature. Experimental results show that the proposed method is able to handle general object interpolation effectively.     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

Noise Reduction for Images with Non-uniform Noise Using Adaptive Block Matching 3D Filtering

Noise reduction is a very important topic in image processing. We propose a new method to deal with the case where the noisy image has different noise levels in different regions. The main idea is to segment automatically the noisy image into several sub-images so that each sub-image has approximately the same noise level. We perform Block matching 3D filtering (BM3D) to these subimages in order to obtain denoised sub-images. We then merge sub-images together and enhance the discontinuous regions between the sub-images by performing BM3D again on small image patches. Our experimental results show the effectiveness of this proposed method in terms of Peak signal to noise ratio (PSNR) when compared with the bivariate wavelet shrinkage and the standard BM3D method. In addition to Gaussian white noise, our method performs better than the bivariate wavelet shrinkage and the standard BM3D method even for signal dependent noise.     

基于Matlab的小波变换在图像压缩中的应用

近十几年来小波理论研究已成为应用数学的一个新方向。通过对二维离散小波分解与重构快速算法及其在工程图像处理应用中的介绍,分析了二维离散小波分解与重构的算法,最后在Matlab数学分析工具环境下,从实验角度出发探讨了算法在图像压缩中的应用方法并分析了应用实例。结果表明,应用该算法可以获得较大的图像压缩比。     

区域指导的激光水下图像插值算法

提出了一种区域指导的激光水下图像插值算法(简称AIU).AIU算法首先采用小波变换,对低频成分进行特殊处理,以抑制散斑噪声和增强关注的目标;然后将图像分割成目标区域和背景区域,结合近邻法和众数法确定待插值点所属区域,对区域内部点采用线性插值;对于区域间的过渡点,设计非线性插值公式,对与待插值点属于同一区域的邻域像素,分配较大的权值,对相邻区域的邻域像素分配较小的权值.实验结果表明,AIU算法可以克服传统插值算法的边缘模糊问题,使目标更完整清晰.