具有自适应窗口的双变量模型图像去噪方法

针对小波域去噪方法BiShrink-local(双变量萎缩局部方差估计)会造成图像的细节信息丢失的问题,给出一种具有自适应窗口的双变量模型图像去噪方法.该方法一方面继承原方法的优点,另一方面又利用区域生长原理,通过判断图像的小波系数值是否属于同质,从而更好地区分噪声和细节信息.通过实验表明,该方法能对含有高斯噪声的图像进行较好地去噪,同时在保持细节方面优于原来的方法.     

NSST各向异性双变量收缩的图像去噪算法

提出一种基于非下采样Shearlet变换(NSST)的各向异性双变量收缩函数的图像去噪算法。根据NSST不同尺度间系数的方差各向异性特性,在双变量收缩函数的基础上引入各向异性拉普拉斯概率分布,利用牛顿迭代算法得到各向异性的双变量收缩函数,对NSST系数进行处理,充分利用NSST能捕捉更多纹理及结构等细节信息的优点。实验结果表明,该算法在峰值信噪比、结构相似性以及主观视觉效果上均得到较大提高。     

基于双局部阈值小波收缩的图像去噪算法

提出了一种基于双局部阈值的小波收缩的图像去噪算法。该算法利用小波系数的幅值、空间特性以及对噪声图像的分割,得到两个局部阈值：幅度阈值和空间阈值。利用这两个局部阈值（每个区域阈值不同）对小波系数做相应的“收缩”处理和重构,从而得到一个优质的去噪图像。该算法计算简单速度快,去噪效果明显,优于其他一些去噪算法。     

基于各向异性双变量收缩的含噪图像融合

针对含噪图像的融合问题,基于各向异性双变量收缩提出了一种图像融合的新算法。在小波域内,对高频子带进行各向异性双变量收缩以压缩噪声,对收缩系数进行模值选大融合,对低频子带进行算术平均融合,对融合系数进行逆变换获得融合图像。对多聚焦图像及红外与可见光图像的融合结果进行主客观性能评价表明,所提出的方法可以更好地保留源图像的细节信息,并有效抑制噪声。     

改进的基于小波双变量模型的图像去噪算法

研究图像小波系数间的统计相关性并建立适当的模型,可以显著提高图像处理的质量。在贝叶斯最大后验估计理论框架下,讨论了Sendur提出的双变量模型,用MAP估计方法推导了对应的萎缩函数,分析了基于双变量模型去噪算法的不足,在此基础上进行了改进,利用MAP软阈值对第L级三个高频子带进行局部自适应处理。实验结果表明了改进后算法的有效性。     

基于变系数双变量模型的双变量阈值去噪法

针对不同子带小波系数的父子小波系数联合分布不同的特点,提出可描述这一特征的父子小波系数的变系数双变量分布模型,并使用贝叶斯最大后验估计理论推导出基于新模型的双变量阈值函数。结合具有平移不变性和多方向选择性的双树复小波变换以进一步提高图像的去噪效果。实验结果表明,与Sendur的双变量阈值法相比,新方法去噪后图像的PSNR值有了提高,图像的主观视觉效果也得到改善。     

改进的双变量收缩函数模型脑电信号消噪方法

针对传统小波消噪全局阈值处理独立性假设和双变量函数模型对没有父系数的最高层小波系数不做处理的缺陷,提出一种高密度离散小波变换中利用双变量收缩函数对脑电信号进行消噪的方法。子小波系数根据双变量函数实现局部自适应收缩处理。同时根据父系数趋于0时,阈值函数近似于软阈值函数,对最高尺度小波系数进行软阈值法消噪。从实际信号处理效果和客观定量指标两方面进行评价,结果表明这种改进算法都优于软阈值法、硬阈值法以及双变量收缩法。     

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。     

基于双树复小波二元统计模型的图像去噪方法

为了更有效地进行图像去噪,提出了一种基于双树复小波二元统计模型的图像去噪方法,该方法先用带参数的二元广义高斯分布(GGD)来模拟原图双树复小波系数的统计分布;然后结合最大似然估计(MLE)得到优化的参数估计;最后在此先验分布的基础上,运用最大后验概率(MAP)来估计从噪声图的小波系数中恢复原图的系数,从而达到去噪的目的。实验表明该新方法不仅可以干净地去除图像的噪声,还可以有效地保留图像细节,取得了良好的去噪效果,尤其是去噪图像的视觉效果要明显优于目前的很多算法。     

基于多元统计模型的分形小波自适应图像去噪

为了克服分形小波去噪方法缺乏保护图像的边缘与细节的缺陷,文中提出了一种基于多元统计模型的分形小波自适应图像去噪算法.通过建立一个参数可以灵活改善的多元统计模型来准确地估计各种相关信息,并通过最小化残差来自适应调整模型参数;在适度的噪声方差下根据拼贴距离找出最好的子树域中的近优父子树,通过使用四叉树分割来实现对噪声图像自适应地预测分形小波无噪图像编码,从而达到去除噪声和保护图像的边缘与细节的目的.实验结果表明,该方法在去除噪声的同时,能有效地保持图像的边缘特征和保留图像的精细结构.由于采用了预测小波分形编码,优化了算法结构,算法的处理速度比较快.因此,完全可以达到实时图像处理过程中的去噪预处理对处理速度的要求.     

自适应去噪函数性能研究

提出一种新自适应去噪函数。与经典的硬阈值函数与软阈值函数相比,此函数具有明显优点。首先,此函数表达式简单易于计算,连续并有无穷阶导数,便于进行各种数学处理;其次,本文证明了新函数具有收敛性、连续可导性及自适应性,为信号的自适应去噪提供了新的方法。仿真结果表明新函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的信噪比和更好的视觉效果,去噪后图像相对硬阈值函数去噪图像较光滑,相对软阈值函数去噪图像则更多地保留了图像边缘等局部特征,同时其均方误差最小,优于经典的两种阈值函数。     

基于小波和PCA的自适应颜色空间彩色图像去噪*

在彩色图像去噪任务中,传统的颜色空间通道之间存在很强的互相关性,使去噪后图像出现颜色突变,影响图像去噪效果。针对该问题,提出一种降低通道之间相关性的颜色空间构造方法,该方法以待去噪图像在小波变换域中系数的聚集特征为依据,利用主成分分析方法确定系数聚集的主方向、次主方向。由主方向和次主方向的基向量确定自适应的颜色空间,在该颜色空间中实现图像去噪。实验结果表明,相比传统的颜色空间,本文所构造的颜色空间去噪无论在视觉效果、峰值性噪比和稀疏特征保真度上,均取得了更好的去噪效果。     

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。     

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.     

多尺度几何分析的图像去噪方法综述

小波图像去噪已经成为图像去噪中应用最广泛的经典方法,而随之出现的多尺度变换去噪方法也已是当前图像去噪研究的一个热点。在对目前图像去噪的现状以及小波去噪总体概括的基础上,简要介绍了多尺度几何分析的产生和发展,进一步详细分析和总结了基于多尺度变换的图像去噪方法。基于对小波去噪以及多尺度变换图像去噪问题的理解,提出了对多尺度变换图像去噪方法的一些展望。     

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Ridgelet变换的多尺度去噪算法研究

给出了Ridgelet变换的理论,并提出了一种基于尺度因子与Ridgelet变换的图像去噪算法,将Ridgelet应用于图像去噪并与小波去噪进行比较。实验结果表明,该算法对高斯白噪声污染的图像去噪具有较好的效果,不仅可以提高处理图像的信噪比,而且图像的视觉效果有明显改善。     

基于小波变换的图像去噪研究

根据噪声能量在不同尺度、不同方向上的高频系数的分布差异,将全局阈值法改进为在不同尺度、不同方向采用不同的阈值进行去噪。该方法与全局软阈值与硬阈值相比,有更好的视觉效果。通过比较去噪图像的峰值信噪比和均方根误差的数据可以看出,此法较全局软、硬阈值法有更好的去噪效果。