基于小波模极大值和Neyman-Pearson准则阈值的图像去噪

首先给出了2维噪声的小波变换特性,分析图像小波变换模的极大值与小波分解级数j和李氏指数之间的关系,指出如何确定和保护图像的边缘;接着阐述了基于软、硬阈值的图像正交小波变换去噪法,然后提出一种基于Neym an-Pearson准则的小波阈值的确定,从而又提出了一种基于小波模极大值和Neym an-Pearson准则阈值的图像去噪方法,解决了图像去噪和保护图像边缘这个“两难”问题。针对期望图像叠加了不规则噪声的假设,对几种去噪方法做了定性比较,并给出了去噪性能的定量分析,仿真结果表明,此方法能提高去噪后图像的信噪比,使评价原图像与去噪后的图像近似程度的方差和相对熵为最小,同时能很好地保留原始图像的边缘信息。     

具有边缘保持特性的零树小波图像压缩算法

基于小波变换的图像压缩算法,在含噪图像和较低码率时出现的边缘模糊现象多年来一直未能得到很好的解决.为了解决这一问题,提出一种具有边缘保持特性的零树小波图像压缩方法.首先,对图像进行小波边缘检测,确定哪些小波系数是图像的边缘特征,将其保护起来;然后,对小波变换域系数采用改进软阈值收缩方法实现去噪;最后,利用SPIHT(Set Partitioning in Hierarchical Trees)算法对图像进行压缩编码.实验结果表明,该方法不仅能获得较高的图像压缩率、较好地去除噪声,而且能在一定程度上解决边缘模糊问题,能较高地恢复图像质量.     

基于阈值法的小波去噪算法研究

去噪方法是信号处理中讨论得最为广泛的问题之一.人们根据噪声的统计特征和频谱分布的规律,开发了多种多样的信号去噪方法.小波变换由于具有时频局部化特点及小波基选择的灵活性,为信号的去噪提供了新的解决途径.介绍了传统的硬阈值和软阅值方法及新的小波阈值处理方法,能有效地弥补硬、软阈值方法的不足,是硬、软阈值方法很好的一个改进方案.克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点.并以实例进行比较,展现出改进方法优越性.     

小波阈值去噪在图像去噪中的应用

小波阈值去噪分为硬阈值去噪和软阈值去噪,它们的去噪思想都是在小波分解后的各层系数中,对模大于和小于某个阈值的系数分别进行处理.本文主要针对图像去噪,将一幅图像分别进行软和硬阈值去噪的方法进行比较,得出无论阈值门限设为何值,软阈值的去噪效果总是比硬阈值的去噪效果好这个结论.     

基于小波变换的图像阈值去噪的改进方法

基于Donoho提出的传统的阈值去噪方法,提出了一种新的阈值函数,并应用于图像的去噪.与Donoho的软阈值和硬阈值函数相比,这种新的阈值函数有更多的优点:可以实现能量自适应去噪;能够保存图像的边缘信息;函数的表达式简单,避免了硬阈值函数的不连续性;相比软阈值和硬阈值函数,新阈值函数更灵活.仿真结果表明,改进后的方法应用于图像去噪,无论是视觉效果还是信噪比都有了改善.     

基于边缘检测的噪声图像压缩编码方法

基于小波变换的图像压缩算法在含噪图像和较低码率时出现的边缘模糊现象多年来一直未能得到很好的解决,为了解决这一问题,提出一种基于边缘检测的噪声图像压缩编码方法。首先,对图像进行小波边缘检测,确定哪些小波系数是图像的边缘特征,将其保护起来;然后,对小波变换域系数采用软阈值收缩方法实现去噪;最后,利用等级树集合分裂算法(SPIHT)算法对图像进行压缩编码。实验结果表明,本文提出的方法不仅能获得较高的图像压缩率、较好地去除噪声,而且能在一定程度上解决边缘模糊问题。     

一种改进的小波阈值去噪方法

为了改进滤波效果。提高去噪质量，在分析目前被广泛应用的软阈值和硬阈值去噪方法的基础上，提出了一种改进方法。小波阈值去噪的关键是阈值函数的构造和阈值的选取，该方法融合了软阈值和硬阈值去噪方法的不同特点，在阈值函数中引入参数，通过调整参数以获得较优的小渡系数的阈值估计，使得改进阈值介于硬阈值与软阈值之间，有效克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。仿真结果表明：该方法在去噪的同时减少了信息的损失，信噪比、均方根误差等性能指标。较软阈值和硬闽值方法均有明显提高。     

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.     

基于BEMD和小波阈值的MRI医学图像去噪

针对核磁共振医学图像含有的混合噪声的特点,提出了一种基于2维经验模式分解(BEMD)和小波阈值去噪的新算法,即将图像分解到固有模态函数(IMF)域.然后采用小波阈值法对各固有模态函数成分进行去噪处理.在分析了小波硬阈值和软阈值去噪的特点之后,对小波阈值进行了改进,克服了传统小波阈值去噪的不足.实验结果表明该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医学的诊断.     

生产过程中的小波阈值信号去噪方法

在工业生产过程中,由于设备所收集到的混合信号中包含大量的背景噪声信号,而这些背景噪声信号会影响到异响有用信号的提取。因此,为对收集的信号进行消噪,提出了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,结合硬阈值和软阈值方法各自的特点,采用了几种改进的方案,分别是多项式插值法,软、硬阈值折衷法和模平方处理方法。最后给出了数值试验,结果说明,改进的小波阈值方法都得到了较好的去噪效果,为工业生产过程优化信号提取提供了依据。     

拟正态分布扩散的图像平滑

目的在传统的去噪模型中,若仅考虑去噪与边缘保护这两个方面,会导致纹理等细节信息丢失,为解决传统模型这方面的缺陷,提出了一种基于拟正态分布的图像去噪模型。方法提出的模型是以经典的各向异性扩散模型为基础,首先分析了扩散系数在扩散过程中的作用,引入通量函数,做归一化处理,建立新的扩散系数,构造新的扩散模型;然后考虑新模型在去噪过程中,既要有效去噪,又要保护图像的边缘、纹理等细节信息,将扩散系数构造成拟正态分布函数。结果实验结果表明,在同一实验条件下,新模型的峰值信噪比与经典模型相比提高了28 d B左右,均方差大幅度降低,图像的边缘更加清晰,对比度得到显著增强。结论提出的新模型能够较稳定地控制扩散过程,使图像在去噪和保边缘、纹理等细节信息方面都达到令人满意的效果,峰值信噪比有了大幅提高,其去噪性能较经典模型更具优越性。     

基于稀疏去噪的DTCWT火焰图像融合检测

燃煤火焰图像黑把子区域的边缘模糊或不完整,无法直接使用Canny检测算子准确检测出边缘信息。针对该问题,提出基于稀疏去噪的双树复小波变换(DTCWT)火焰图像融合检测方法。利用稀疏去噪对2幅单帧火焰图像进行DTCWT融合,采用Canny检测算子检测边缘。实验结果表明,该方法能够得到噪声较低的图像和比较完整的黑把子边缘信息。     

结合阈值去噪与边缘优化的图像增强算法

针对图像在传输过程中容易出现干扰的问题,该文通过研究图像的增强技术,通 过对比分析,提出了一种结合阈值去噪与边缘优化的图像增强算法,该算法结合小波Contourlet 变换与人眼的视觉固有特性,有效地对分解后的图像系数进行分类,并结合改进边缘优化算法 的增益因子来优化边缘区信号;而非边缘区采用改进后的软阈值去噪算法进行去噪处理。经实 验,该算法具有准确性高与去噪能力强的特性,能够在去噪的同时有效保护边缘信号,与预期 目标相符,具有一定的实用价值。     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

双向增强扩散滤波的图像去噪模型

提出一种双向增强扩散滤波的图像去噪模型。简化扩散方程建立双向扩散系数,使模型在扩散过程中能够实现平滑与锐化的双向过程,为加强平滑和锐化强度,用小波变换增强图像,使整体图像轮廓得到增强和局部图像纹理特征得到弱化。然后,对阈值进行了自适应设计和改进,使其根据图像的最大灰度值和迭代次数自动控制阈值,进一步保留图像边缘和细节特征。实验仿真和可行性的验证结果表明,新模型去噪效果较理想,不但能抑制噪声,而且能保护细节信息,峰值信噪比得到了有效的提高,性能更优越。     

一种改进的二进小波变换图像去噪方法

本文在分析图像噪声消除与细节保持相矛盾的基础上,提出了一种改进的二进小波变换图像去噪方法。首先用自适应滤波多尺度边缘检测方法检测出图像的边缘;然后用二进小波变换去噪方法进行全局闯值去噪;最后将边缘图像嵌入到二进小波去噪后图像。实验结果表明,该方法不仅能够滤除图像的噪声,而且能够保持图像的边缘信息。     

基于非局部自相似性的遥感图像稀疏去噪算法

基于非局部自相似性的遥感图像稀疏去噪方法研究,在为后续的图像分析、识别以及较高层次的处理提供保证方面具有重要意义。针对遥感图像中存在非局部自相似性和稀疏性,在分析传统稀疏去噪模型的基础上,将具有相似结构的非局部块构建成组,用组作为稀疏表示单元,利用基于组正则化稀疏模型进行图像去噪。此外,针对采用整幅图像进行字典学习具有高计算复杂度,分析组特点,为每个组自适应学习一个字典。最后,为获得有效的去噪结果,利用迭代收缩阈值算法解决L0最小化问题。以"资源三号"遥感图像为数据进行实验,结果表明,该算法能较好地去除遥感图像的噪声,提高图像的峰值信噪比,保持图像结构信息。基于非局部自相似性的遥感图像稀疏去噪算法能够充分利用图像块信息有效的去除图像中的噪声,提高图像质量。     

结合平稳小波变换和形态学的图像去噪算法

图像噪声去除是否有效将直接影响后续图像处理的质量,为了在消除噪声的同时保持图像边缘细节,提出一种结合平稳小波变换及形态学处理的新算法。该算法利用平稳小波相位不变性的特点,充分考虑小波系数的层内相关性;同时结合形态学的方法对图像的边缘信息进行估计;最后通过选择性质相似的区域进行阈值去噪。实验结果表明,该方法在降低了图像噪声的同时又有较好的视觉效果。     

基于自适应正则化的全变分去噪算法

Stanley Osher和Martin Burger提出的基于Bregman距离的迭代正则化全变分去噪算法运算速度较快,但是应用于图像去噪时,没有考虑不同区域的灰度分布特性,从而容易导致纹理等重要信息丢失或模糊的缺陷.针对这一现象,提出了一种基于自适应正则化的全变分去噪算法.论文对Osher的去噪模型中的全局正则化参数进行改进,给出了一种根据图像中不同区域的灰度分布特性,自适应选取正则化参数的方法.该算法可以保留图像的边缘和纹理细节信息.实验结果证实了所提算法的有效性,其信噪比较原有方法至少提高1.0 dB以上.