变换域全相位信号处理算法

全相位处理有效地改善了信号吉布斯现象,为了在数据压缩、谱分析和多分辨率分析等领域 内充分利用全相位方法,本文设计了各种正交变换下全相位信号处理算法的一般形式,即全 相位变换等于信号准2倍延拓的全相位核加权,推导出离散傅里叶变换（Discrete Fourier transform,DFT）、离散余弦变换（Discrete cosine transform,DCT)和DCT正交基下的全相 位核的数学表达式及反变换公式。为进一步改善算法效果,给出了加窗的变换域全相位处理 算法的系统实现框图,对满足线性的窗进行了分析。最后,基于DCT、离散小波变换(Discre te wavelet transform,DWT)的传输特性和信号子带分解实验证实了该算法的正确性和可实 现性。     

改进的Contourlet变换的图像去噪算法

为了更有效地去除图像中的噪声,提出一种基于Contourlet变换的新阈值与改进阈值函数的图像去噪方法。新阈值考虑了图像经Contourlet变换后在低尺度子带和高尺度子带的去噪特性,较好地克服通用阈值的不足;改进阈值函数对阈值处理的Contourlet变换的高频细节系数分为上频、中频和下频,并进行相应的处理,较好地弥补各阈值函数的缺陷。实验结果表明,与通用阈值相比,新阈值能更有效地去除图像中的噪声,获得更高的峰值信噪比(PSNR),结合改进阈值函数后,图像的边缘细节得到更好的保护,视觉效果更好。     

Contourlet变换及其在图像去噪中的应用研究*

Contourlet变换是小波变换的新发展,具有多分辨、局部性和多方向性等优良特性,能更有效地捕捉图像中的几何结构。分析了Contourlet变换的原理和性质,重点探讨了其在图像去噪领域的应用及改进,最后给出了未来Contourlet变换值得研究的若干方向。     

一种改进Contourlet变换的图像去噪算法

针对Contourlet分解的细节图像在奇异点附近产生振荡,在去噪过程中会产生伪吉布斯现象,提出一种改进的拉普拉斯金字塔实现基于Contourlet变换的图像去噪算法。阈值的选取不仅考虑不同尺度中噪声含量的不同,而且在不同方向上对阈值进行了调整。实验结果表明,利用该文去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

全相位DCT自适应插值算法

全相位DCT内插方法可有效减少吉布斯效应,具有优良的内插特性。在此基础上,结合边缘自适应内插思想,提出全相位DCT自适应内插算法,并根据插值点邻近像素采样点的不同选取方法,推导出相应的内插公式。实验结果表明,提出的全相位DCT自适应内插算法在有效抑制吉布斯效应的同时,能更好地保持图像边缘,改善图像质量。     

一种无抽样Contourlet变换的图像去噪方法

提出一种基于Contourlet变换的图像去噪方法,Contourlet变换采用无抽样形式,系数萎缩处理阈值门限与尺度相关。通过模拟产生不同方差噪声信号进行Contourlet变换,确定各尺度子带系数阈值,得到噪声方差与各尺度子带阈值对应表。对噪声污染图像进行Contourlet变换并估计噪声方差,查表得到各子带阈值,进行系数萎缩处理。实验表明提出的处理方法简单有效,去噪结果具有良好去噪视觉效果和较高峰值信噪比。     

一种基于Contourlets变换和全变差的图像去噪方法

为了在克服振荡现象的同时更多地保留图像细节部分,利用一种新的图像细节表征方法Contourlet变换,在Contourlet框架下嵌入全变差,提出了一种新的非线性无约束最优化图像去噪方法。由于Contourlet变换具有多分辨率分析和多方向的特性,使得在Contourlets域中建立模型比在小波域中建立模型更有优势。实验证明该方法在抑制噪声的同时不仅能够很好地减少阈值产生的振荡现象,同时也能很好地保持图像的边缘,是一种有效的去噪方法。     

一种基于非抽样LP的Contourlet变换图像去噪方法

由于提高Contourlet变换冗余性可以抑制去噪结果中的伪Gibbs现象,因此为了提高变换冗余度和避免数据量过大,以进行快速有效的图像去噪,提出了一种基于非抽样LP的Contourlet变换图像去噪方法。该方法首先对带噪图像进行非抽样LP多尺度分解;然后对各子带图像进行临界抽样的DFB分解,再采用尺度相关的分层模型对各子带图像进行阈值处理;最后对处理后的子带图像进行DFB和LP重建,以得到去噪后的图像。与同类型有关方法进行的对比实验表明,在去噪后图像的PSNR值上,该方法比常规Contourlet变换方法至少提高1dB;在完成时间方面,该方法比其他改进方法快1倍以上。     

一种基于Contourlet变换的气象图像增强算法

针对气象传真图,提出一种基于Contourlet变换的图像增强方法。充分考虑气象传真图的自身特征和Contourlet变换系数的稀疏性,应用Contourlet变换将包含噪声的图像分解成噪声系数和信号系数,利用气象传真图的主要稀疏系数对分解图像进行增强处理。实验结果表明,该方法是一种有效的气象传真图像增强方法。     

Contourlet变换在图像检索中的应用

利用 Contourlet 变换良好的稀疏特性及其能准确地捕获图像中边缘信息的特性,分析了纹理图像Contourlet系数的统计特征,提出了一种滤波算法。该算法根据纹理图像Contourlet系数分布的特点,采用高斯模型对其进行精确拟合提取纹理特征,针对各子带数据的离散程度进行加权处理,为分类能力强的特征量赋予较大的权值,并加入在低频子带上提取的灰度—平滑共生矩阵统计量,来形成最终的特征向量,以两幅图像不同特征向量间的加权欧氏距离作为图像的相似度进行检索。仿真实验结果表明,该方法在检索效果上有一定的优越性。     

基于冗余Contourlet变换的图像相关法去噪

Contourlet变换是多尺度几何分析中十分重要的一种方法,可以实现灵活的多分辨、局部、多方向图像表示,但是由于不具有平移不变性,在图像去噪中易产生伪吉布斯现象,这里应用冗余Contourlet变换,具有平移不变性,且能有效表示图像几何纹理信息。在去噪应用中考虑分解系数的层间信息,将BivaShrink方法推广到冗余Contourlet变换中。实验结果表明,本文方法提高了去噪后图像的峰值信噪比(PSNR),同时有效保存了图像纹理信息,视觉效果更好。     

基于边缘检测的Contourlet变换图像去噪

为了实现较好保留图像边缘特征的有效去噪,提出了一种基于边缘检测的Contourlet变换去噪方法。该方法先用LOG算子提取图像边缘,进而在Contourlet变换域上对图像的边缘部分和非边缘部分分别选取不同阈值进行最佳软阈值去噪处理。实验表明,与采用Donoho软阈值的Contourlet变换去噪方法相比,该方法可有效地保留图像的边缘信息,达到了更好的去噪效果。     

Contourlet变换在图像压缩中的应用研究

目前基于小波变换的图像压缩方案比较普遍.而二维小波只是一维小波的张量积,基函数的支撑区域由区间扩展为正方形,只有有限个方向.Contourlet变换是一种图像的多尺度几何分析工具,能够稀疏表示图像,非线性逼近能力很强,它的基函数则具有方向性,各向异性.本文在分析了Contourlet变换的基础上,对变换后的重要系数和其位置进行了编码.对标准图像barbara进行测试,实验结果表明:基于Contourlet变换的方案和基于小波变换的方案相比,峰值信噪比平均提高约0.5dB,且采用Contourlet变换能够较好地保留图像中的纹理,图像的主观视觉质量较好.     

改进结构的Contourlet变换及其图像去噪应用

针对Contourlet变换基图像不具备局部频率特性的缺点,分析了在频域楔形支撑区域外部出现潜在混叠的原因,并结合易操纵金字塔结构的优良特性,提出一种改进结构的Contourlet变换.该变换采用易操纵金字塔替换了原变换的拉普拉斯金字塔,保证了其平移不变性.非线性逼近实验和基图像分析的结果表明,该变换能够稀疏表示图像,避免了频域出现混叠.去噪实验结果表明,改进结构的Contourlet变换可以有效地提高去噪图像的峰值信噪比和去噪图像质量.     

基于非抽样Contourlet变换的最佳软阈值图像去噪

研究了小波变换在图像处理中的缺陷,以及Contourlet变换在图像处理中产生伪Gibbs失真的原因。为了在多尺度分析框架下改进图像去噪的效果,提出了一种基于非抽样Contourlet变换的图像去噪算法,利用非抽样Contourlet变换的多尺度多方向性以及平移不变性,对加噪图像进行非抽样Contourlet变换得到变换系数,然后对变换系数采用分层最佳软阈值处理,最后将其反变换得到去噪后的图像。实验结果表明,与Contourlet变换图像去噪算法相比,该算法可以达到更好的效果。     

基于Contourlet变换和Wiener滤波的图像降噪

提出一种新的基于Contourlet变换和Wiener滤波的图像降噪方法。该方法充分利用Contourlet变换域系数服从广义高斯分布的特点,在Contourlet域采用Bayes收缩阈值法进行预降噪,采用Wiener滤波法对预降噪图像中的残留噪声进行进一步处理,以提高图像的恢复精度。仿真结果表明,该方法较传统的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量。     

基于Contourlet域主成分分析的SAR图像去噪

相干斑噪声是合成孔径雷达图像所固有的,并且严重降低了图像的可编译性,影响了后续图像分割,特征提取,目标分类和识别等工作.因此,SAR图像的相干斑去除问题一直是SAR图像应用研究的重要问题之一.针对SAR图像噪声去除问题,提出了一种基于Contourlet多尺度分解域主成分分析的SAR图像去噪新方法,并且简要归纳了已有的SAR图像去噪方法.方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像.在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征,且信噪比也较高.     

基于小波-全相位方向滤波器组变换的多聚焦图像融合

利用全相位方向滤波器组良好的多方向性和平移不变性的特征,提出一种基于小波-全相位方向滤波器组变换的多聚焦图像融合方法。对不同聚焦图像进行小波-全相位方向滤波器组变换,采用加权平均算子对低频系数进行融合,采用局部方差准则对各个方向上的高频系数进行融合,对融合后的系数进行重构,得到高低频比例升高的融合图像。实验结果表明,与其它多聚焦图像融合算法相比,该方法显著减少均方根误差的值,提高峰值信噪比的值,使得融合图像效果好。     

基于非下采样Contourlet和扩散的图像去噪

根据非下采样Contourlet变换同时具有多尺度、多分辨分析和平移不变的性质,提出一种基于非下采样Contourlet变换和P-Laplace扩散相结合的图像去噪方法。该方法不但继承了非下采样Contourlet 变换捕捉边缘信息的能力,而且在P-Laplace扩散去噪时具有保持图像边缘信息的优点。实验结果表明该方法具有较好的图像去噪效果。     

一种基于非下采样Contourlet变换的自适应阈值去噪方法

文章提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整Bayes去噪阈值。实验结果表明：与小波阈值去噪方法对比,非下采样Contourlet自适应阈值去噪算法在保留图像边缘细节的同时,不仅能明显提高图像的SNR值,而且还减少了Gibbs现象。