小波域噪声分布估计的自适应正则化图像恢复

提出一种正则化图像恢复中自适应选择局部正则化参数的方法．首先提出局部正则化参数的大小应正比于降质图像局部噪声方差;然后在小波域内给出一种估计降质图像局部噪声方差的算法;最后根据小波域噪声方差估计值的分布自适应地确定局部正则化参数．实验结果表明,对于存在多种类型噪声的降质图像,文中方法对噪声方差的估计在分布上与真实噪声一致,而在恢复效果上则要优于Katsaggelos所提出的方法．     

基于小波域量化噪声的静态图像数字水印算法研究

数字水印是一种新的多媒体信息处理技术,嵌入信息的长度直接影响到算法的性能。在用小波变换进行静态图像处列长度自适应于原始图像,并定量分析了该方法检测过程,给出了检测门限。实验结果表明,该算法在保证图像质量的前提下,对信号处理有着较好的稳健性。     

基于噪声方差估计的小波阈值图像去噪新方法*

大多数小波阈值去噪方法需要根据噪声方差来计算相应的阈值,所以噪声方差的估计将直接影响阈值去噪的效果。在两种常用的小波域噪声方差估计方法的基础上,提出一种新的阈值求取方法,实验证明这种方法能在一定程度上提高去噪图像的信噪比,并且提高运算速度。     

基于小波变换域的实时估计噪声特性算法研究

针对在非标准卡尔曼滤波情况下,解决未知观测噪声统计特性(均值和方差)的实时估计问题,提出了一种基于小波变换域的实时估计噪声特性算法,该算法可以实时跟踪观测噪声的变化,实现了对观测噪声均值和方差的实时估计,解决了在未知观测噪声的条件下卡尔曼滤波失效问题。仿真验证了算法的可行性和有效性,对未知观测噪声方差估计较传统估计精度提高约一个数量级。     

信号相位匹配噪声估计的小波去噪方法

多数小波阈值去噪方法需要根据噪声方差来计算相应的阈值,所以噪声方差的估计将直接影响阈值去噪的效果.提出了一种新的相位匹配的噪声方差估计方法,利用该方法实时地逼近当前噪声,建立新的噪声的阈值求取方法.通过实验证明该方法能够大幅度提高信噪比,可以取得非常好的去噪效果.     

基于同质区域分割的高光谱图像混合噪声估计

降低高光谱（Hyperspectral, HS）图像中的噪声以提高图像质量一直是遥感图像处理领域的研究热点,而HS图像带有的混合光电噪声却难于准确估计,为此提出一种基于同性质区域（Homogeneous Region, HR）分割的HS图像混合噪声估计方法。首先结合HS图像的空间和光谱特性进行HR分割,然后在HR内通过多元线性回归（Multiple Linear Regression, MLR）方法去除区域相关性从而得到混合噪声,最后引进比例因子对混合噪声的内部参数进行估计。通过在仿真HS数据和真实AVIRIS数据上进行实验表明,该方法能够有效地进行HR分割,且对混合噪声的估计结果要优于其它传统噪声估计方法。     

基于小波系数层间相关性的图像噪声方差估计

噪声的方差估计是含噪图像处理中的常见问题之一,其基本思想是通过某种方法寻找含噪图像中的"纯"噪声子图像来估计原噪声方差.传统方法是通过空域或频域采样,得到该子噪声图像,然后直接对其估计方差,它对图像信息的分布有要求.在传统频域采样方法的基础上,提出一种结合图像小波变换系数层间相关性的新方法.其过程是:对第一级有效小波分解的斜向子块进行分析,利用小波变换系数的层间相关性,去除其中的图像信息,得到更"纯"的子噪声块,再估计其方差.通过仿真实验和实际4f系统输出图像实验证明,该方法比传统方法的估计结果更准确,更适合带宽较低的系统图像和图像本身高频信息较丰富的场合.     

基于小波域彩色交通图像的噪声处理方法

文章分析了图像处理在智能交通系统中的应用前景及现实意义，对小波变换的原理及其在彩色图像的去噪处理方面的应用进行了研究。通过Matbb软件仿真实现了基于小波域的滤波，并通过与其它方法比较的验证了该方法的优势及可行性。     

SVD域的图像高斯噪声强度估计

精确估计图像或视频中的噪声强度对于后续的信号处理是至关重要的先决条件。通过对含噪图像的奇异值特性的研究,提出一种精确的SVD域的图像噪声强度估计算法。该算法对噪声强度估计提出了创新的解决方法:1)利用奇异值的尾部数据进行噪声强度估计,这样达到尽可能地降低图像信息对噪声估计的干扰;2)对含噪图像加入已知强度的高斯白噪声,以计算噪声估计时需要设置的与图像内容相关的参数,因此该算法可以自适应图像的结构,能够广泛地适应各种类型的图片。实验结果表明SVD域噪声强度估计算法适用于各种图片类型,而且在极大的噪声强度范围内都能够稳定精确地估计噪声强度。     

基于小波域峰态值的无参考噪声图像评价算法

随机散布在自然图像里的噪声失真一般会破坏图像的原始概率密度分布。研究发现,无失真自然图像和它对应的噪声图像在离散小波变换（Discrete Wavelet Transform,DWT）系数分布上有很大区别：对于自然图像,其DWT系数分布比较尖锐,峰值高,拖尾短;对于噪声图像,其系数分布则比较扁平,峰值低,拖尾长。作为一种常用的统计特征描述,峰态值可以度量和区分不同失真程度的噪声图像的DWT系数分布,而且,DWT系数分布的峰态值具有很好的频率尺度不变性。基于以上特性,提出了一种无参考噪声图像质量评价模型（Blind Noisy Image Quality Assessment model using Kurtosis,BNIQAK）。实验测试了三个最大的质量评价图像库中的五种噪声失真图像,结果表明,和现有无参考噪声评价模型、一般无参考评价模型和全参考（Full-Reference,FR）评价模型相比,BNIQAK具有更好的评价效果。     

小波变换应用于图象去噪

数字粒子图象测速技术（ＤＰＩＶ－ＤｉｇｉｔａｌＰａｒｔｉｃｌｅ－ＩｍａｇｉｎｇＶｅｌｏｃｉｍｅｔｒｙ）已在国内外得到广泛的重视和应用,但目送２其最大的问题是精度问题,由于ＤＰＩＶ的图象数据是用ＣＣＤ摄像机经相应的图象卡采集示踪粒子图象得到的,这样在实验过程不可避免引入的噪声（主要是示踪粒子大小、示踪粒子数值量、诊断窗口大小、诊断窗口内的速度梯度和量化效果等引入的噪声）降低了实验测量的精度。本文应用     

一种基于区域分割的多尺度遥感图像融合方法

光谱保持和高分辨率保留是图像融合的重要问题,提出了一种区域分割和小波变换相结合的多尺度遥感图像融合方法。首先对经过配准的待融合图像进行小波变换,然后对变换后的低频系数进行基于区域标准差的分割,将低频系数分为目标信息和背景信息,接着对目标信息采取基于绝对值的融合,对背景信息采用基于灰度误差的融合。对小波变换后的高频系数采用基于清晰度的融合规则,最后进行小波逆变换得到融合图像。将该方法和几种常用融合方法进行对比分析,结果表明:该方法在有效地保持多光谱影像光谱信息的同时,可以有效地提高融合影像的空间细节信息,有利于后续进行信息提取和图像分类。     

用于灰度图像分割的小波区域扩张算法

文献[1,6]提出了小波变换聚类（WaveCluster)算法,该文将这种思想引入区域扩张的图像分割算法中,提出了小波区域扩张算法,首先对图像进行小波变换,在变换空间中进行图像分割,再将分割结果映射到原始空间,有效地提高了分割效率。     

基于去降Mallat离散小波变换的彩色图像分割

该文针对Mallat快速离散小波变换,提出了一种利用变换平移不变性的离散小波变换的彩色图像分割方法。首先对原始图像进行平移不变性的小波变换,然后提取颜色和纹理特征,并采用k均值算法进行分割。实验表明该方法对纹理图像和彩色自然图像都具有较好的分割效果。     

基于非下采样Contourlet变换域

依据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,并基于该模型提出一种新的非下采样Contourlet变换图像分割方法。用合成纹理图像和实际图像进行仿真实验,并与小波域隐马尔可夫树模型分割及Contourlet域隐马尔可夫树模型分割等方法进行了比较,实验结果表明,在大多数情况下,该算法分割结果要好于相比较的方法,在边缘特征方面保持了良好的视觉效果,并且模型的训练简单快速。     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好地对SAR图像进行分割,该文结合SAR图像和小波变换多分辨分析的特点,提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明,该方法是一种有效的SAR图像分割方法。     

基于小波神经网络的脑图像分割研究

随着影像学的发展,医学影像设备极大地提高了人类获取自身信息的能力,推动了现代医学的发展.为了更好地获得脑部图像的信息,对脑部图像进行分割研究.首先介绍了脑图像的分割研究背景,然后详细研究了脑图像的分割方法.在分割算法中,给出了脑图像预处理模型,然后通过将小波理论和神经网路相结合提出一种脑部图像分割算法,并将将该算法在脑部图像处理中实现.脑图像分割实验表明算法能够有效地对图像进行分割.实验评估结果显示算法对于脑图像的分割足高效的.     

基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定阈值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阈值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

基于多分辨率的分水岭图像分割算法

针对分水岭分割算法的2个缺陷：耗时较长和过分割问题，该算法在低分辨率图像上进行分水岭分割，提高了分割的速度；由低分辨率图像返回到高分辨率图像时，采用了一种基于边缘信息的合并函数，避免了边缘信息的丢失，保证了分割的准确性。该文设计了一种基于梯度图像的噪声抑制方法，可抑制高斯噪声对梯度图像的影响，有效避免了过分割问题。实验结果证明，该算法兼顾了效率和分割的准确性。