一种红外图像对比度增强的小波变换法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法．对红外图像进行离散平稳小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强;并给出一种评价增强图象质量的准则．实验结果表明,本文提出的方法在有效的增强红外图像对比度的同时,又能很好的抑制红外图像中相关噪声、加性高斯白噪声和乘性噪声．     

基于低秩分解和改进的非局部平均的SAR图像相干斑抑制

为抑制合成孔径雷达（SAR）图像成像过程中形成的相干斑噪声,提出了一种基于低秩分解和改进的非局部平均的SAR图像相干斑去噪方法。首先将SAR图像进行对数处理,将乘性噪声转换为加性噪声;然后利用低秩稀疏分解将对数图像分解成低秩图像部分和稀疏图像部分;接着对含噪严重的稀疏图像部分分析其结构张量,生成非局部平均滤波所需的衰减因子,进行改进的非局部平均滤波去噪;最后再做图像合成,经指数变换得到去噪后的SAR图像。实验结果表明,该方法经视觉评价、边缘保持指数（EPI）和等效视数（ENL）等方面评测,具有较好的抑制噪声和保持边缘及纹理细节的能力。      

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

基于改进的双水平集的MRI图像快速分割方法

针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。     

哈特曼球差自动测量系统中的小波变换图像处理及实现

阐述了小波变换去除图像噪声的基本原理和方法,利用小波变换技术对球差自动测量系统中CCD测量的哈特曼(Hartmann)小孔光阑图像进行噪声抑制和去除.讨论了Hartmann光斑数字图像处理中小波分解与重构算法,小波分解得到的高频系数阈值量化处理,然后进行去噪.采用Visual C 6.0和Matlab混合编制程序调用Matlab的小波变换工具箱函数来实现Hartmann光斑数字图像噪声抑制和去噪分析.结果表明,小波变换去除噪声的效果比传统的傅立叶(Fourior)变换方法具有极大的优越性.     

基于小波变换的红外图像边缘提取研究

红外图像的边缘提取是其判读和识别的重要技术基础.红外图像背景复杂、噪声较为严重.针对这一特点,利用小波变换易于消除噪声、运算方便的特点,提出了一种基于小波变换的红外图像边缘提取算法.首先利用小波算法对红外图像进行滤噪,然后利用高斯函数作为平滑函数对图像进行水平和垂直方向的小波变换,提取红外图像边缘特征.给出了仿真实例,证明了该算法的科学性和可靠性.     

基于Curvelet变换的ESPI图像散斑噪声抑制算法研究

重点研究了Curvelet变换的去噪原理及方法,并结合ESPI条纹图中散斑乘性噪声的特性,提出了改进的Curvelet变换去噪方法,即在去噪之前,先将图像进行对数变换,使得乘性噪声变成加性噪声,然后再进行Curvelet变换去噪,这样会更有利于噪声与边缘信息的分离。并把该方法应用在对轮胎的激光无损检测图像处理系统中,实验结果表明该方法在有效去除散斑噪声的同时,较好地保持了条纹图的边缘细节信息。     

一点定标与小波变换相结合的红外非均匀校正算法

分析了一点定标,两点定标及小波变换的特点,针对一点定标、两点定标存在的问题,提出了一点定标与小波变换相结合的红外图像非均匀校正算法.利用红外非均匀响应既包括加性噪声又包括乘性噪声的特性,对需要校正的图像先进行一点定标校正去除加性噪声,再通过小波变换对乘性噪声进行处理.并通过实验仿真结果证明该方法的校正精度达到了两点定标校正法的校正精度,可以有效地进行非均匀性校正.     

基于小波变换与模糊理论的医学超声图像增强与去噪方法研究

医学超声图像的增强与去噪一直是医学图像处理的重要课题,针对传统超声图像增强处理算法的不足,本文提出一种基于小波分析理论和模糊理论的超声图像增强与去噪算法,首先对医学超声图像进行对数变换,将乘性噪声转换成加性噪声;然后再对超声图像进行多尺度小波变换,得到图像的高频和低频小波系数;再对低频系数进行模糊域增强,对高频系数进行小波软阈值去噪;最后通过小波重构得到增强后的图像。实验证明,该算法能有效增强超声图像的视觉效果,去除噪声,具有一定的应用价值和意义。     

基于改进阈值函数的SAR图像小波去噪方法

为了抑制SAR图像的相干斑噪声,对Garrote阈值函数做了改进,增加指数函数使其更易于逼近其渐近线,提高函数中阈值参数和自变量的阶数,以缩小其偏差性.将改进的Garrote阈值函数用于SAR图像小波阈值去噪.首先,在图像预处理阶段,利用常规方法将SAR图像相干斑乘性噪声模型转换为加性噪声模型,以利于小波滤波处理;其次...