邻域统计检测的双树复小波图像去噪

针对现有的脉冲噪声去除算法在去噪性能和计算效率上的缺陷,提出了基于邻域统计检测的双树复小波图像去噪算法。根据噪声的灰度特征、邻域像素的多数原则以及灰度偏差等统计特性进行噪声检测,充分利用双树复小波变换的优秀特性,在双树复小波域中用光滑可导的阈值函数以及自适应阈值对噪声图像进行去噪处理,最后用去噪图像中的像素,替换噪声图像中对应的噪声像素以得到最终的去噪图像。实验数据证明,所提出的方法优于部分最新提出的算法,具有较好的去噪性能和快速的计算效率。     

双树复小波域的MRI图像去噪

目的 噪声会降低磁共振图像(MRI)的质量,影响视觉效果和计算机辅助诊断,针对MRI噪声的莱斯(Rician)分布特性,设计一种有效的MRI去噪算法. 方法 在双树复小波(DT-CWT)域结合双边滤波器(BF)和基于Stein无偏误差估计的邻域收缩法(NeighShrinkSURE)、二变量收缩法(BivariateShrink)设计一种有效的磁共振图像MRI去噪算法.所设计的算法充分考虑了MRI的噪声分布特性以及小波系数的层间和层内相关性,其性能优劣主要取决于平方MRI的双树复小波系数的噪声标准差估计的准确程度,其次和双边滤波器的参数以及两种收缩方法的占比有关.为了使各算法的协同发挥最好的性能,以均方误差(MSE)、峰值信噪比(PSNR)和结构相似度(SSIM)作为图像质量评价指标,修正DT-CWT系数的噪声标准差,确定最佳双边滤波参数以及两种收缩方法的占比.在双树复小波域结合3种方法设计了一种有效的MRI去噪算法.结果 与现有几种算法进行图像去噪比较实验.在视觉效果、去噪指标PSNR和SSIM以及耗时方面,本文算法综合性能优于现有的几种MRI去噪算法,PSNR提高了约0.51~1dB,SSIM提高了约5%~10%.结论 双树复小波域的去噪优于基本小波去噪,利用层内和层间相关性的去噪算法很好去除了噪声,双边滤波器的使用增强了低频部分的图像,使得本文算法在MRI莱斯噪声的去除上获得了较好的表现,在去噪的同时能够保留边缘和细节信息.     

一种基于贝叶斯估计的双树复小波图像去噪算法

为了去除图像中的高斯噪声,本文根据贝叶斯最大后验概率估计,把双树复小波变换和拉普拉斯分布模型结合起来,提出了一种基于贝叶斯估计的图像去噪算法。实验表明,本文算法能明显的改善和提高主观视觉效果和峰值信噪比。     

基于矩形方向窗的小波域去噪方法

根据小波变换的特点,提出了一种新的局部邻域窗口选择方法——基于方向性的矩形窗口选择方法。对同一尺度不同子带选用不同方向的矩形窗口,并且不同尺度下窗口的大小也不同;对于多方向性的图像,使用双树复小波变换取代传统的离散小波变换。实验结果表明,将其应用于图像去噪,简单有效,并且可得到更高的峰值信噪比和更好的视觉效果。     

基于双树复小波变换的BivaShrink自选窗图像去噪算法

在小波变换理论和双变量模型的研究基础上,本文提出了一种BivaShrink自选窗算法,该算法根据邻域内小波系数的相关度大小自适应选取邻域窗口。最后将双树复小波变换应用在BivaShrink自选窗图像去噪算法中。实验结果证明,BivaShrink自选窗优于BivaShrink 去噪算法,与传统的离散小波变换相比,双树复小波自选窗图像去噪效果优于BivaShrink自选窗。     

基于改进阈值的双树复小波眼电信号去噪方法

眼电(EOG,electrooculogram)信号由眼球的运动而产生,通常在采集过程中混入强烈的背景噪声,去噪是对眼电信号作进一步分析和识别的首要步骤.提出将双树复小波变换用于眼电信号的去噪,并采用一种新的阈值估计方法改善统一阈值过度扼杀小波系数的缺点,用均方根误差和信噪比评价眼电信号的去噪效果.结果表明:与传统离散小波变换相比,双树复小波变换既能很好地抑制噪声,又能更好地保留信号的细节,具有较高的实用价值.     

基于自适应邻域系数的小波图像阈值降噪

利用小波系数的层内相关性原理,并结合广义高斯模型,提出一种自适应邻域的阈值去噪方法。该方法通过计算以待处理系数为中心的不同邻域内的相关度系数,选择相关程度最好的邻域。对该方法中选择的邻域尺寸进行统计,发现分解的层次越高,较大的邻域出现的概率越大,这有利于保护边缘信息。实验结果表明,该方法优于固定邻域及阈值改进的邻域阈值方法,是一种有效的去噪方法。     

基于双树复小波变换的图像增强方法

在图像增强处理中,传统的图像增强方法例如直方图均衡、小波系数增强等等,虽然取得了较好的图像增强效果,但在增强图像的同时也将噪声放大了.本文针对这一问题,提出了一种基于二维双树复小波变换的图像增强方法,因其具有良好的多方向性信息捕捉能力,克服了传统二维小波变换缺乏方向性的缺点.增强算法将系数分为强边缘、弱边缘和噪声点三类...     

基于小波收缩与非线性扩散的去噪算法

分析小波收缩与非线性扩散之间的内在关系并证明两者的等价性。根据等价性的特点构造新的扩散方程,提出一种基于改进的非线性扩散与二维小波收缩的混合图像去噪算法。实验结果表明,与其他去噪方法相比,该算法在计算复杂性和去噪效果方面的综合性能 较优。     

基于复小波系数局部方差无偏估计量的图像去噪

为了更有效地去噪,在考虑了图像局部具有不独立性特点的基础上,利用双树复小波变换,提出了一种新的空间适应算法,该算法对于每个系数利用中心方形窗来估计局部方差,克服了以前的去噪方法不能有效地去除图像边缘噪声的弱点,和目前好的实验结果进行的对比结果表明,该方法有效地改善了去噪效果。     

复脊波变换SAR图像去噪算法

在分析传统脊波变换去噪方法优缺点的基础上, 针对其不足, 提出一种基于复脊波变换的去噪方法。算法将传统脊波变换中的标量一维小波变换替换为二元树复小波变换, 使得脊波变换具有平移不变性; 然后, 对图像采用冗余分块处理, 使得处理结果更平滑, 有效地提高了图像的峰值信噪比（PSNR）。仿真实验表明, 在SAR图像去噪应用中, 本方法能够更好地保留图像中的纹理信息, 处理结果优于传统脊波变换以及小波变换去噪方法。     

基于双树复小波变换彩色多聚焦图像融合方法

针对离散小波变换图像融合算法在特征表达上存在的不足,将双树复数小波变换引入到彩色多聚焦图像融合中。对彩色图像的三个通道分别进行融合处理,并采用基于多测度的融合策略：各通道小波变换后低频子带采用区域清晰度的方法;高频子带采用区域标准差的方法。融合效果评价除使用传统方法的熵、交叉熵外,还使用了通用的主观与客观相结合的方法。通过对实验结果的主客观性能分析,验证了该方法得到的融合图像效果较好,优于离散小波变换融合算法。     

双密度双树复小波域多聚焦图像融合

将双密度双树复小波变换引入多分辨率图像融合中,利用双密度双树复小波变换的多尺度、多方向性和平移不变性特征分解多聚焦图像,对分解后高、低频图像系数采用不同融合策略进行融合,应用双密度双树复小波逆变换重构图像。采用多组多焦距源图像进行融合实验,并对融合结果进行了客观评价。实验结果表明双密度双树复小波域融合方法对多聚焦图像具有更好的融合效果,图像的细节描述更加精确。     

基于边缘检测的双树复小波图像融合算法

提出了一种新的图像融合算法——基于边缘检测的双树复小波图像融合算法。多聚焦图像经过双树复小波变换较好地克服了传统小波变换的平移敏感性等缺点;低频系数利用边缘信息进行融合,较好地保留了图像的细节信息,提高了融合图像的质量;高频系数则采用常见的基于区域特征的融合规则。实验结果证明,该算法能够有效地提高融合图像的清晰度,细节更为丰富。     

基于替换规则的对偶树复小波变换遥感影像融合*

针对对偶树复小波变换(DT-CWT)比离散小波变换具有更好的方向选择性、平移不变性,能更好地表征影像特征的优点,提出了基于替换规则的对偶树复小波变换遥感多光谱和全色影像融合算法。通过对IKONOS影像的实验表明,本方法比基于实数小波变换的融合方法和IHS变换法有优势,在保留了光谱特征的基础上,更好地提高了融合影像的清晰度,且方法简单高效。     

一种基于双树复小波变换的图像融合方法

提出了一种基于双树复小波变换的图像融合方法。采用双树复小波变换对源图像进行分解后,该方法首先对各频域分别定义一种活性测度和匹配测度,再通过相应的匹配测度来计算各频域的融合因子,然后采用加权与选择相结合的规则融合高频系数和低频系数,得到融合图像的各频域系数。最后,采用双树复小波逆变换重构得到融合图像。实验表明,该融合方法具有良好的客观评价性能和主观视觉效果。     

基于对偶树复小波变换的模糊纹理分割

提出了一种基于对偶树复小波变换的模糊纹理图像分割算法,该方法包括纹理特征提取和纹理分类两个阶段,其中,特征提取在对偶树复小波变换的基础上进行;纹理分类可以直接用模糊C均值算法进行聚类从而完成纹理的分割,但由于该算法中隶属度函数是基于样本到类中心的距离设计的,这对非球形分布数据很不合理,针对该问题,引入样本与样本的紧致度来度量类中各个样本之间的关系从而修正隶属度函数,并将其用于纹理分类。实验结果表明与模糊C均值算法在运行时间上相差不大的情况下,改进的方法在分割精度、边缘准确性和区域一致性上都得到了明显的改善。     

基于小波阈值和全变分模型的图像去噪

针对小波阈值函数去噪不彻底并且造成图像边缘模糊的问题,提出一种自适应小波阈值和全变分模型相结合的去噪方法。利用小波变换的时频域特性将含噪图像分解得到各维度小波系数,对低频小波系数利用全变分模型去噪,对于高频系数根据不同分解尺度选择不同的最佳阈值去噪,克服了统一阈值的不足,增强了算法的自适应性。理论分析和仿真实验结果表明,所提方法兼顾了小波变换和全变分模型的去噪优点,在有效去除噪声的同时更完整地保留了图像的边缘和细节信息,有较高的结构相似度和峰值信噪比。     

小波变换和变分PDE相结合的图像去噪算法

为了更好地恢复图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像去噪算法。该算法的思想是先构造一个用带有韦伯心理学的范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到还原图像。与传统的直接求泛函最小化的问题有区别,该算法是用变分的思想再结合小波变换进行图像去噪。小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得新算法具有运行时间短、速度快的特点。理论分析和实验仿真表明,该算法能达到比单一方法更好的恢复效果。     

2维双树复小波不确定度加权融合的人脸识别

在人脸识别中,传统小波、Gabor小波不能很好地表征人脸特征。提出2维双树复小波多频带不确定度加权融合的人脸识别算法,使用了人脸2维双树复小波多频带特征,计算多频带不确定度及其权值并结合多频带特征进行加权融合,能很好得到人脸的特征。该加权融合算法首先计算人脸2维双树复小波多个频带特征图,然后计算多个频带滤波不确定度权值,最后进行加权融合。同时使用了2维主成分分析(2DPCA)方法对特征向量进行子空间投影,应用欧氏距离作为相似测度实现分类识别。使用英国剑桥Olivetti实验室(ORL)图像库进行了测试,实验结果表明,提出的方法相对于使用2DPCA、Wavelet和Gabor小波的特征提取方法,取得了更好的识别效果。