基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像。这种方法与全局Donoho软、硬阈值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显。它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑。仿真实验证明,该方法是一种有效的图像去噪方法。     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像.这种方法与全局Donoho软、硬阔值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显.它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑.仿真实验证明,该方法是一种有效的图像去噪方法.     

结合小波去噪的THz图像多尺度增强算法研究

针对返波管获得的连续THz透射图像对比度低且噪声大的特点,提出了一种结合小波去噪的多尺度图像增强算法.该算法先用图像金字塔变换对THz图像进行多尺度分解,然后采用指数变换在空域对获得的细节图像进行增强.为减小放大噪声的影响,在重构增强图像的过程中对每一分解层次的近似图像采用小波软阈值方法进行去噪,并对小波图像采用非线性...     

基于小波变换和形态学分水岭的血细胞图像分割

医学图像处理提取细胞中使用分水岭方法时,容易产生过分割现象且对噪声的干扰极为敏感,为了解决此缺点,提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解,选取合适的小波基和改进去噪阈值函数对图像进行小波去噪,然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换,最终得到分割结果。实验结果表明,该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割,同时具有很好的鲁棒性和普适性。     

基于小波的图像基本处理技术研究

鉴于小波多尺度分解与重构在图像的光照补偿、去噪、压缩方面的重要作用,介绍了小波变换的分解与重建,提出了包括IVIW光照补偿方法、基于Haar小波的去噪与压缩方法 ,并通过MATLAB R2009a平台对Yale人脸库中的图像进行成功验证。结果表明,基于小波变换的图像预处理方法简单易行且有效,解决了原始图像包含巨大数据量的问题,减少了计算的复杂度,尽可能消除了可变因素的影响,得到清晰的人脸图像。     

基于对偶树复小波域图像融合的SAR图像去噪

边缘信息是图像重要的细节信息,保护图像的边缘信息对提高图像质量非常重要.但是在图像去噪的过程中,往往会破坏图像的边缘信息.针对去除噪声和保护边缘信息的双重考虑,提出一种基于对偶树复小波域图像融合的SAR图像阈值去噪.考虑到局部硬阈值和软阈值各自的特点,利用对偶树复小波变换的优点和图像融合的特点,首先在自然对数域对SAR图像进行对偶树复小波分解,然后对小波系数分别执行局部硬阈值去噪和局部软阈值去噪,最后依次通过图像融合,对偶树复小波反变换,指数变换得到去噪以后的图像.实验结果表明,算法融合了两种周值去噪方法的优点,在明显去噪的同时,更好地保护了图像的边缘信息.     

小波变换在X射线图像边缘检测中的应用

分析了X射线探伤图像的特点,将小波变换技术应用到X射线图像的边缘检测中,提出了基于小波变换的模极大值边缘检测算法,利用二次B样条小波,采用Mallat快速算法进行小波分解,采用分块阈值选取方法确定模极大值点,给出缺陷边缘。实验结果表明,该方法去噪效果好,检测出的缺陷边缘具有较强的连续性。     

图像噪声去除的小波相位滤波算法

利用小波变换进行信号与图像去噪是小波应用的一个重要方面。小波变换具有“变焦”时频局部化特性,可以实现紧立集正交变换,使得其在数据压缩、图像处理与去噪等领域得到广泛应用,并且得到了不少较为成熟的算法。在大量的小波去噪文献中,以基于小波幅度去噪的研究居多,而本文则欲讨论基于小波相位特性的图像去噪方法。通过对图像作二维小波分解,然后对各尺度上得到的小波系数依据相位特性进行滤波,由所余系数重构图像即可得到去噪的结果。1 图像的快速小波分解 1.1 小波分析理论所谓小波分析,从数学角度去看,它属于调和分析的范畴,但从事计算数学的工作者把它认为是一种近似计算的方法,用于把某一函数在特定空间内按照小波基展开;从工程角度去看,小波分析是一种信号与信息处理的工具,是继Fourier分析之后的又一有效的信号分析方法。小波变换作为一种新的多分辨分析方法,特别适合于处理非平稳信号。     

基于小波域双谱分析的磨粒图像多尺度形状特征提取

磨粒图像的形状特征是识别典型磨粒的主要参数,而这些典型的磨粒反映机械设备零部件的运行状态。根据双谱分析不能抑制非高斯噪声干扰的缺点,提出基于小波域双谱分析的磨粒图像多尺度形状特征提取方法。首先对磨粒图像进行小波包多尺度分解,再对低频部分进行重构,达到去噪和磨粒图像多尺度表征的目的。然后采用Radon变换将重构后的图像映射到一组一维投影,对一维信号进行双谱分析,得到双谱不变量特征,作为磨粒图像的多尺度形状特征参数。实验结果表明,该方法能够很好地结合小波包变换和双谱分析的优点,获得的多尺度形状特征参数能够有效地用于磨粒类型识别。     

基于一种新小波变换的OCT图像去噪方法

散斑在OCT图像中既是信息载体,也是一种严重的噪声。针对OCT图像的这一特点,提出一种基于小波变换和维纳滤波相结合的OCT图像去噪方法。通过对OCT图像进行小波分解,得到四个不同频带的子图像,保持低频部分不变,对另外三个高频细节图像进行维纳滤波,将低频子图像和三个滤波后的高频细节子图像进行小波反变换,得到去噪后的图像。实验结果表明小波变换和维纳滤波相结合的方法对OCT图像有比较理想的去噪效果。     

基于Kohonen网络的小波阈值在遥感图像去噪中的应用研究

传统Donoho非线性小波阈值去噪方法中,阈值的选取一般是根据噪声方差设置的,但在实际的操作中很难对噪声方差的精确值,这种理论上的局限性使得各种基于方差估计的去噪方法并不能获得实际需要的去噪结果;针对阈值选取的问题,提出一种非线性小波变换阈值的kohonen神经网络的自调整学习训练方法对遥感图像进行去噪,该方法在小波变换的基础上结合了神经网络的非线性阈值自组织特征映射算法,阈值的选择根据训练图像进行学习;可以实现自调整寻找最优值,以满足实际,达到最优的去噪效果。     

一种基于小波阈值函数的交通图像去噪算法

针对高速运动条件下交通实时监测图像的失真和去噪问题,介绍小波阈值图像去噪过程和传统GCV阈值的原理,引入整数小波变换和合并递推运算的思想,提出一种快速递推GCV阈值的小波图像去噪方法。仿真实验分析了传统GCV阈值和快速递推GCV阈值去噪的效果,并比较了两种算法的复杂度。结果表明,快速递推GCV阈值算法不仅保留了传统GCV阈值算法去噪效果明显的特点,而且很好地解决了算法复杂度较高的问题,具有良好的应用前景。     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

基于小波系数的双变量模型中医诊断图像处理方法

中医四诊即望、闻、问、切,是中医用于诊断疾病的四个基本方法,它们是中医正确辨证和有效治疗的前提.对中医诊断图像进行去噪可以提高医学图像的信息利用率,小波变换是目前最新的时频分析工具,是医学图像去噪的强有力处理工具.提出了一种基于层内和层间相关性的双变量模型小波收缩图像处理方法.实验证明,该图像处理方法能有效去除中医诊断图像中的噪声.     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点,把信号分成信号象素与可能噪声象素两类,对于可能是噪声的象素,采用图像的小波软阈值去噪方法进行滤波,而对信号象素不产生影响,且能保留更多的图像细节。文中也给出了标准中值滤波,自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验,结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波,稍微优于自适应维纳滤波算法,且能够比较好保留图像的细节部分。     

一种基于小波变换的混合去噪方法

该文提出了一种基于小波变换的混合去噪方法。该方法通过对图像进行小波分解后,首先确定低分辨率的截断参数,对于大于此截断参数的小波系数,进行小波收缩处理;而对小于此截断参数的小波系数,进行异性扩散迭代去噪。实验结果表明,该算法具有两种方法集成优点的去噪效果,边缘也能较好地保持。     

Wavelet-Based De-noising of Positron Emission Tomography Scans

A method to improve the signal-to-noise-ratio (SNR)of positron emission tomography (PET) scans is presented. A wavelet-based image decomposition technique decomposes an image into two parts, one which primarily contains the desired restored image and the other primarily the remaining unwanted portion of the image. Because the method is based on a texture extraction model that identifies the desired image in the space of bounded variation, these restorations are approximations of piecewise constant images, and are referred to as the cartoon part of the image. Here an approximation using a wavelet decomposition is used which allows solutions to be computed very efficiently. To process 3-D volume data a slice by slice approach in all three directions is adopted. Using a redundant discrete wavelet transform, 3-D restorations can be efficiently computed on standard desktop computers. The method is illustrated for PET images which have been reconstructed from simulated data using the expectation maximization algorithm. When post-processed by the presented wavelet decomposition they show a significant increase in SNR. It is concluded that the new wavelet based method can be used as an alternative to the well established de-noising of PET scans by smoothing with a Gaussian point spread function. In particular, if the volume data are reconstructed using the EM algorithm with a larger number of iterations than the number of iterations that would be used without post-processing, the 3-D images are sharper and show more detail. A MATLAB^® based graphical user interface is provided that allows easy exploration of the impact of parameter choices.     

应用ROF模型的医学超声图像去噪方法

由于超声成像机制使医学超声图像中存在着大量的斑点噪声,这些斑点噪声大大降低了图像的清晰度和质量,给超声诊断带来很大的困难。针对医学超声图像的斑点噪声去噪问题,提出了一种基于帧相关处理、ROF分解和自适应小波阈值的去噪方法,能够在抑制超声图像斑点噪声的同时,尽可能地保留甚至增强图像的细节信息,大大提高图像质量,取得了很好的效果。     

基于HVS视觉模型下的图像降噪

描述了构建人类视觉系统(Human vision system，HVS)降噪模型的思想方法及理论依据。为了解决SureShrink及VisuShrink方法对重建图像带来的不良影响，建立了基于HVS模型的适应小波门限降噪模型，提出HVSShrink降噪策略。通过对该算法进行测试和比较，证明了使用本方法可以得到具有较好视觉效果的重建图像。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。