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。     

一种图像增强新方法

提出了一种四树复小波包变换域层内层间系数相关性图像增强新方法。该方法利用四树复小波包变换具有移不变性、良好方向选择性和对高频信号的细致分析能力,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不变的同时,充分利用变换域信号复系数层间相关性强和噪声复系数层间相关性弱的特点,采用非高斯双变量模型对每一个方向子图复系数进行降噪处理。同时考虑图像的弱边缘在变换域某些方向子图内复系数值较大,而在其他方向子带内其值较小的特点,甄别出弱边缘点对应的复系数并进行增强处理。实验结果表明,无论是PSNR指标,还是在视觉效果上,该方法的增强性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪,在有效抑制噪声的同时,具有很好的图像弱边缘增强和细节保护能力。     

复小波包域遥感图像局部自适应融合算法

为了使融合后的图像在保持原IKONOS 卫星图像多光谱特性的同时,最大可能地提高图像空间 分辨率,提出了一种基于四树复小波包变换的SAR 图像与多光谱IKONOS 卫星图像相融合的新方法．该方法 利用复小波包变换的多方向性和对高频细节信号良好的时频局部化分析能力,分别对IKONOS 图像经HIS 空 间变化的I 分量子图和SAR 图像进行复小波包分解,并对分解后的低频复系数采用取平均或取大值的方法、 对高频方向复系数采用邻域一致性测度的局部自适应方法进行复系数融合．用融合后复系数经复小波包反变 化得到的图像代替原IKONOS 图像经HIS 变换的I 分量,再经HIS 空间反变换得到最终的融合图像．实验结 果表明,该融合算法在光谱保留和空间质量提高方面,比传统的基于小波变换的融合算法具有更高的性能．     

基于阈值分类的小波域混合模型图像降噪

通过一种自适应阈值分类,小波系数被分为两类:“大”的(重要的)和“小”的(不重要的)。根据不同类小波系数的统计特性分别用不同的模型进行降噪,对于“大”的一类用一种具有尺度间相关性的双变量模型进行降噪,而对于“小”的一类用一种具有强局部相关性的零均值高斯模型进行降噪,最后用Cycle-spinning方法抑制降噪过程中可能存在的震铃和锯齿等失真。实验结果表明了该算法在客观峰值信噪比和主观视觉上都优于一些传统的降噪算法。     

复小波域层内层间相关性图像去噪方法

提出了双树复小波变换域尺度内和尺度间复系数相关性图像去噪新方法。该方法利用双树复小波变换的多方向性和平移不变性对图像进行多尺度分解,采用邻域复系数微分窗对其高频方向子图进行尺度内复系数相关性建模,并按最小错误率贝叶斯决策规则进行分类和状态标识;再把复系数尺度内状态标识与复小波域隐马尔可夫树相结合,从而实现降噪功能。实验结果表明,该方法在峰值信噪比指标上优于传统的滤波方法,能有效地抑制噪声的同时,对图像边缘具有较好的保护能力。     

复数小波域的高斯尺度混合模型图像降噪

由于复数小波变换具有近似平移不变性和良好的方向选择性,因此适用于图像去噪。为了取得更好的降噪效果,提出了一种基于复数小波的高斯尺度混合模型降噪算法。该算法首先对自然图像的复数小波系数建立统计模型,即将位于相邻位置和尺度的系数邻域建模为一个高斯尺度混合模型;然后用该模型对子带系数进行贝叶斯最小均方估计,以达到降低噪声的目的。由于这一模型很好地利用了复数小波系数幅值尺度间和尺度内的相关性,因此可以取得较好的降噪效果。实验结果表明,该算法无论从峰值信噪比还是从主观视觉上都优于一些传统的降噪算法。     

基于小波包变换的非局部均值去噪方法

在非局部均值滤波的基础上,为了更有效地去除图像噪声,提出一种基于小波包变换的非局部均值去噪算法。首先对图像进行小波包变换,通过小波域系数估计图像的高斯噪声参数,然后计算经小波包分解后高频子带内小波系数的相似度,并以此作为权值来对小波系数进行调整,最后通过小波包逆变换对图像进行重建。实验结果表明与传统的非局部均值去噪算法相比较,该算法能在去噪的同时有效地保持图像的边缘细节等信息,取得更好的去噪效果。     

双树复小波包变换语音增强新算法

实小波包变换是语音增强中效果较好的一种算法,利用阈值的方法对小波包系数进行压缩进而重构语音信号.分析了实小波包变换的平移敏感性,以及其对语音进行增强时的缺陷.提出采用双树复小波包变换方法进行语音增强,当低通滤波器和高通滤波器对应的小波基近似为希尔伯特变换对时,该变换能大大减小实小波包变换中的平移敏感性.同时考虑小波包系数之间的相互关系,提出了重叠块复阈值算法.结果表明,算法优于传统实小波包变换及点阈值算法,尤其对含周期噪声的语音信号,双树复小波包变换算法的优势更为明显.     

复小波域最大后验概率图像复原

提出了一种双树复小波变换域最大后验概率图像复原方法。该方法通过在最大后验概率图像迭代复原过程中构建噪声残差,并采用双树复小波变换零均值高斯模型对参差进行降噪处理,从而避免了原泊松最大后验概率图像复原过程中噪声放大的问题,实现了迭代复原的正则化目的。对比实验结果表明,该图像复原方法能很好解决恢复迭代中噪声放大的问题,同时,在视觉效果、PSNR、ISNR等指标上均比Wiener、Pisson-MAP等算法好。     

二元树复小波域的局部高斯混合模型图像降噪

在复小波域上对观测图像进行一种基于高斯混合模型的后验概率分类,并在每类小波系数的局部邻域估计出局部高斯混合模型的参数,这种参数估计是局部自适应的;然后用该局部高斯混合模型对各个子带系数进行贝叶斯框架下的最大后验概率(MAP)估计,以达到降低噪声的目的．由于这种小波变换具有近似的平移不变性和良好的方向选择性,因此在降噪的同时可以很好地消除主要边缘处的“震铃”效应．实验结果表明;文中算法无论从峰值信噪比还是从主观视觉效果上都要优于一些传统的降噪算法．     

基于四元数小波混合统计模型的图像去噪

图像的去噪和压缩一直是图像处理的经典问题,传统的方法中很难将二者 同时兼顾。四元数小波变换是实小波、四元数理论及二维希尔伯特变换相结合的产物,是一 种新的多尺度分析图像处理工具。图像经四元数小波变换后,其小波系数不仅在尺度内具有 相关性,而且在尺度间也具有一定的相关性。文中提出一种混合统计模型,该模型包括尺度 间的二元非高斯分布模型和尺度内的广义高斯分布模型,然后运用最小均方误差（MMSE） 估计从噪声图中的小波系数恢复原图的系数,从而达到去除图像的噪声的目的。仿真实验表 明,论文方法不仅可以获得信噪比上的提高、视觉上达到明显的去噪效果,而且取得了较高 的压缩比。     

Image denoising using statistical model based on quaternion wavelet domain

Image denoising is the basic problem of image processing.Quaternion wavelet transform is a new kind of multiresolution analysis tools.Image via quaternion wavelet transform,wavelet coefficients both in intrascale and in interscale have certain correlations.First,according to the correlation of quaternion wavelet coefficients in interscale,non-Gaussian distribution model is used to model its correlations,and the coefficients are divided into important and unimportance coefficients.Then we use the non-Gaussian distribution model to model the important coefficients and its adjacent coefficients,and utilize the MAP method estimate original image wavelet coefficients from noisy coefficients,so as to achieve the purpose of denoising.Experimental results show that our algorithm outperforms the other classical algorithms in peak signal-to-noise ratio and visual quality.     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

双树复小波域的邻域自适应贝叶斯收缩去噪

为了更加高效去除图像采集或传输中引入的噪声,提出了一种基于双树复小波域的邻域自适应贝叶斯收缩的图像去噪方法,利用了双树复小波变换的平移不变性和更多的方向选择性的优点,并考虑了系数间的局部自适应邻域相关性,以尺度适合的窗口为单位估计相应系数的方差,利用滑窗求其平均作为整个子带的图像方差,通过贝叶斯收缩来处理小波系数,从而实现高效的图像去噪。实验结果证明,该方法取得了很高的峰值信噪比和更好的视觉效果,去噪性能优良。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

基于小波系数关系的图像去噪方法

为了在保留图像边缘信息的同时,尽可能地去除图像噪声,提出一种基于小波系数尺度间和尺度内关系的去噪方法。该方法使用小波系数的相关系数和邻域小波系数的平均幅值来分别表示小波系数的尺度间和尺度内关系,并以此来辨别出图像的边缘信息和噪声;同时提出了一种阈值函数来处理图像的小波系数。实验表明该方法能取得较高的信噪比,并能保存图像的一些细节信息。     

基于小波包分解的整体变分去噪算法

由Rudin等人提出的整体变分（TV）模型被认为是目前最好的图像去噪模型之一。理论表明,TV模型对分块常量的图像去噪效果显著。对于纹理细节丰富的图像,通过引入小波包分解技术,对图像的纹理细节进行多层小波包分解,得到一系列近似分块常量的子图像,用TV模型对子图像分别进行处理,从而图像的纹理细节得到了更好的保留。相对于单独使用TV模型去噪,该方法得到的复原图像峰值信噪比（PSNR）提高了1 dB左右。同时由于采用改进的Bregman迭代方案求解TV模型,算法收敛时间得到了极大的减少。     

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。