基于小波变换的图像去噪虚拟仪器系统

图像去噪一直是图像处理领域中重要而较难的研究课题.近十几年来随着虚拟仪器技术逐渐成熟和其应用领域的不断扩展,也为图像去噪研究提供了新的思路.基于小波变换,借助虚拟仪器平台构造了一种图像去噪的仪器处理系统,通过调用不同的小波基MATLAB算法和变换阀值系数控制实现了图像去噪的功能.示例结果表明该系统具有良好的图像去噪效果.     

基于双变量收缩函数的对偶树复小波图像去噪

常用离散小波变换缺乏平移不变性和良好的方向选择性,并且在图像去噪中使用的模型没有充分考虑系数间的相关性,导致去噪效果不理想.为了克服上述离散小波变换图像去噪的不足,提出了利用对偶树复小波变换与双变量收缩函数相结合的图像去噪算法.实验结果表明,该算法比传统算法有更好的去噪效果.     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于复合脊波变换的图像去噪

脊波变换是在小波变换的基础上提出的多尺度分析方法,对于图像中直线状和超平面的奇异性问题,脊波变换比小波变换有更好的处理效果。应用数字复合脊波变换去除嵌入在图像中的白噪声,并使用一个简单的复合脊波系数的硬阈值来实现。实验结果表明,这种算法比VisuShrink算法、普通脊波算法和Wiener 2滤波器图像去噪的去噪效果更好,同时复合脊波算法也能应用于图像去噪和模式识别特征提取。     

双Haar小波变换系数的MAP估计及在图像去噪中的应用

小波变换作为一种新的工具,在信号去噪中得到了重要的应用。本文对双Haar小波变换系数,提出了MAP的估计方法,并对其在图像去噪中的应用进行了讨论。实验表明所提出的小波收缩算法与软门限方法相比较,用于图像去噪时可以给出更好的结果。     

一种高效的小波Contourlet变换阈值去噪算法

针对现有图像去噪算法去噪效率与信号保真度不高的现象,通过研究小波变换与Contourlet变换,将其有机的结合在一起从而实现优势互补,并提出一种高效的阈值去噪算法,通过建立最大值列表,引入适当的阈值将其系数进行分类,并使用优化后的软阈值去噪算法与边缘优化算法对其分类处理,实验表明,该算法能够有效的对含噪图像进行去噪的同时保留其边缘信息,具有高效性、保真度高的图像去噪特性,在图像去噪领域有较好的发展前景。     

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Contourlet变换的图像去噪方法

图像去噪是数字图像处理领域的一项重要技术.传统的基于小波变换的去噪方法,去噪效果不是很理想.为了解决这一问题,提出了一种基于Contourlet变换的图像去噪方法.实验结果表明,与传统小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的信噪比.     

小波变换域数字图像增强算法及实现

图像增强是数字图像预处理中的重要方法,其主要目的是改善视觉效果.小波变换在图像压缩和图像分割两个方面应用较为广泛,图像增强方面应用较少.现概括了图像增强的原理,阐述了图像增强的方法,分析了一种小波变换域的图像增强算法并在Matlab环境下仿真实现.该算法首先使用haar小波对图像进行2层分解,然后对低频部分进行增强,对高频部分进行衰减,实验结果证明这是对图像去噪和增强的一种有效方法.     

基于平稳多小波变换的红外图像噪声抑制方法

提出了一种平稳多小波变换方法,该方法结合多小波和平稳小波变换在信号去噪方面的优点,给出了二维图像平稳多小波变换的mallat分解重构算法,并对红外图像的平稳多小波变换系数进行阚值处理实现图像去噪,仿真结果表明,相对于平稳标量小波变换和多小波的噪声抑制方法,此方法对噪声有更好的抑制作用,并尽可能多的保持目标的特征和细节．     

基于非抽样复轮廓波变换的图像去噪算法研究

将二维双树复小波变换(DT-CWT)与非抽样方向滤波器组(NSDFB)相结合,构造一种新的非抽样复轮廓波变换(NSCCT),并对其平移不变性作了相应证明。同时利用对称的正态逆高斯(NIG)分布先验概率模型和贝叶斯最小均方算法,提出一种基于NSCCT的图像去噪算法。实验结果表明,本文构造的NSCCT能够有效地抑制伪Gibbs现象,并且具有更丰富的方向分量,因而在图像的细节和纹理表现方面有一定的优势。     

基于非下采样轮廓小波变换的图像去噪

针对采用下采样滤波器结构的轮廓波、轮廓小波在图像去噪过程中会引入伪吉布斯现象,利用小波变换(WT)和非下采样方向滤波器组(NDFB)构造了一种新的多尺度、多分辨率图像的非下采样轮廓小波变换(NWCT)。WT去除了拉普拉斯金字塔滤波器(LPF)的计算冗余,NDFB保证了该变换具有平移不变性。为了验证该变换的有效性,对其进行了图像去噪实验。实验结果表明,所提出方法能获得比WT、轮廓波变换(CT)、轮廓小波变换(WCT)更高的峰值信噪比(PSNR),并且能够很好地抑制伪吉布斯现象。     

基于LS-SVM的复轮廓波变换的图像去噪

针对传统的轮廓波变换图像去噪时引入边缘混叠现象,提出了复轮廓波变换(Complex Contourlet Transform,CCT)和最小二乘支持向量机(LS-SVM)的图像去噪方法.该方法充分利用了复轮廓变换的平移不变性、多方向性以及LS-SVM的小样本学习能力,应用训练好的LS-SVM模型将含噪图像的CCT系数分为含噪点和非含噪点,进行去噪处理.仿真结果表明该算法有效保护图像边缘纹理信息,其峰值信噪比明显高于其他算法,并且具有良好的视觉效果.     

基于抗混叠轮廓波的乳腺图像降噪与增强方法

乳腺X射线成像是乳腺疾病早期检测的有效手段.然而典型的乳腺X射线图像往往对比度低,噪声污染严重,本文提出一种新颖的基于抗混叠轮廓波变换的乳腺图像降噪及增强方案.首先分析了原始轮廓波变换的频谱混叠问题,设计出一种能稀疏表示图像边界及纹理信息,同时能抑制混叠影响的抗混叠轮廓波变换;在此基础上,分别采用高斯分布与广义拉普拉斯分布来刻划噪声相关及信号相关的变换系数,实现阈值萎缩降噪;接着对处理后的系数进行非线性增强,达到增强乳腺图像中细节信息的效果.实验结果表明,本文方法能有效提高乳腺图像的质量,在计算机辅助乳腺诊断方面有较高应用价值.     

基于非抽样Contourlet变换的自适应阈值图像增强算法

提出了一种基于非抽样Contourlet变换的自适应阈值图像增强算法,首先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的变换系数,然后由变换系数自适应地确定阈值和调整增强函数,并对变换系数做增强处理,最后对增强处理后的变换系数进行反变换,实现图像增强.实验结果表明,与其他基于变换域的算法相比,该算法可以得到更好的增强效果.     

Contourlet域自适应萎缩阈值去噪方法

受到传输距离、电子干扰等多方面因素的影响,在测量船远程故障视频诊断系统中,地面接收到的设备状态图像不可避免地混合有随机噪声,因此图像去噪是设备状态图像预处理阶段重要的任务之一。Contourlet变换是一种优异的图像去噪工具,但固定的萎缩阈值不能自适应于Contourlet系数的邻域信息。构造了一种利用Contourlet系数邻域信息的自适应萎缩阈值,用该阈值结合Contourlet循环平移方法实现图像去噪,实验结果表明,该方法可以提高去噪后图像的峰值信噪比。     

基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将 I 分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与 I 分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的 I 分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.     

基于非下采样Contourlet域高斯尺度混合模型的图像降噪

提出了一种图像去噪方法,将高斯尺度混合(GSM)模型引入非下采样Contourlet变换(NSCT)域,构造了基于NSCT分解系数的邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。仿真实验结果表明,通过本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在峰值信噪比(PSNR)提高与视觉效果上优于其它的去噪方法。实验结果验证了方法的正确性。     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

具有多方向选择性的小波构造

在二维离散希尔伯特空间中构造了一种具有简单细胞感受野特性的多方向低冗余度小波.该小波的频谱具有扇形支撑区,因此本文称之为扇形方向小波(fanlet).Fanlet变换通过圆周对称多分辨率分解和方向滤波器组实现,它将图像分解为多分辨率多方向子带.利用遗传算法设计fanlet变换中满足重构条件的圆周对称滤波器组.与轮廓波(contourlet)相比,Fanlet的光滑度高,并且没有频谱混淆现象.实验结果表明,利用fanlet进行图像去噪,其峰值信噪比和视觉效果均优于contourlet.