基于多级中值滤波和小波域HMT的图像去噪

介绍了小波域HMT模型和基于阈值分解的多级中值滤波,提出了一种基于多级中值滤波和小波域HMT模型的混合噪声抑制算法。在仿真实验中,将这种方法应用于混有椒盐噪声和高斯白噪声的Lena图像,并与其他的图像去噪方法相比。试验结果表明,这种方法在去除混合噪声、提高图像峰值信噪比的同时,具有更好的保持图像细节和边缘信息的能力。     

基于小波域HMT模型的图像去噪研究

研究小波域隐式马尔可夫模型树(HMT),提出了一种基于小波域HMT模型抑制高斯白噪声的改进图像去噪算法.首先将噪声图像沿水平、垂直及对角方向进行平移变换;然后对平移后的图像进行小波变换,建立其对应的小波域HMT型,分别进行去噪处理.最后取所有去噪图像的均值作为最终的去噪图像.在仿真实验中,对不同程度污染下高斯白噪声的Lena图像分别采用该文算法、小波域硬阈值与软阈值去噪进行比较.结果表明,该文算法很好地保留了图像的细节和边缘信息;提高了图像的峰值信噪比;抑制了Gibbs效应;具有较好的去噪效果.通过实验仿真可以看出,这种方法较好地去除了白噪声;提高了图像的峰值信噪比;较好地保存了图像的边缘和细节信息;抑制了振铃现象.     

基于对偶树复小波域HMT模型的遥感图像融合

针对遥感图像融合领域的实际应用,提出一种基于对偶树复小波变换与隐马尔可夫树模型结合的图像融合新方法。该算法将分别具有高光谱和高空间分辨率优势的两幅图像进行复小波变换,再对分解后不同频率域的系数选择不同的融合规则处理。采用低频系数加权平均;高频系数先建模,再基于区域能量规则处理的方法,最后完成逆变换得到重构图像。将该算法与其他几种图像融合方法进行比较,实验表明,该算法能够取得较为理想的效果。     

在变换域中用HMT图像降噪的研究

研究了HMT(隐马尔科夫树)在变换域中进行图像降噪的应用.就不同复杂程度的图像、不同类型噪声、及用不同的变换域与传统方法进行比较,得到结论变换域中的方法比在非变换域中的传统方法优越,HMT在小波域和DCT域有着近似的效果,在高斯白噪声下HMT方法是最有效的,在相关噪声下,降噪效果与图像纹理的复杂度及噪声的强度有关.     

基于Contourlet域HMT似然概率的图像融合方法

传统的基于Contourlet变换的图像融合方法大都 忽略了Contourlet系数之间 的相关性,导致特征信息的丢失。本文根据隐马尔可夫树(HMT)模型的两种状态和 3组概率确定能有效捕获尺度间、尺度内的Contourlet系数特性的似然概率,设计了图像融 合规则。实验结果表明,Contourlet域HMT模型应用于图像融合领域,能充分挖掘数据之间 的相关性,为融合图像提取更全面、准确的特征纹理信息。     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.     

基于小波域改进HMT模型的图像恢复算法

针对图像恢复中的边缘模糊问题,提出了一种基于小波域改进隐马尔可夫树( IHMT) 模型的图像恢复算法。IHMT模型更多描述了相邻尺度小波系数的互相关性,能准确刻画自然图像小波系数的统计特性。本文从图像恢复的贝叶斯框架出发,将简化的IHMT模型作为图像小波域的先验模型,构造正则化约束进行图像恢复。采用近似等价的方法,将含有混合密度的恢复方程简化为单一密度求解。实验结果表明,该算法能有效再现图像的边缘信息,提高峰值信噪比。     

在变换域中用HMT图像降噪的研究

研究了HMT（隐马尔科夫树）在变换域中进行图像降噪的应用,就不同复杂程度的图像,不同类型噪声,胶用不同的变换域与传统方法进行比较,得到结论,变换域中的方法比在非变换域中的传统方法优势,HMT在小波域和DCT域有着近似的效果。在高斯白噪声下HMT方法是最有效的,在相关噪声下,降噪效果与图像纹理的复杂度及噪声的强度有关。     

一种基于小波域HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型(HMT) 的基础上提出了一种图像去噪新方法。实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。     

改进多尺度融合结合小波域HMT模型的遥感图像分割

提出了一种结合权值背景融合的小波域多尺度图像分割方法。首先通过小波域隐马尔可夫树模型获得图像各个尺度上的初始分割,然后为各个尺度上每一分割像素点分别赋予权值,并建立一种融合父子尺度信息的新背景模型,最后利用权值背景融合各个尺度图像初始分割结果,得到像素级分割。仿真结果表明,该方法可得到优于已有文献的分割效果。     

基于小波变换及隐式马尔科夫树模型的图像信号去噪

研究基于小波变换的隐式马尔科夫模型树(HMT)方法,用于去除图像信号中的白噪声。该方法利用了小波变换域系数间的相关性和自相似信息,并在Lenna图像中验证了方法的有效性。对不同程度污染的高斯白噪声图像的去噪效果与传统方法进行比较;结果表明,基于小波变换的HMT方法有更好的去噪效果,所建立的HMT模型更能体现图像的特征。     

基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法

本文针对文本图像首先提出了一种基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法(Context-Adapted wavelet-domain Hidden Markov Tree,简称为CAHMT),该算法具有较高的分割质量和较低的计算复杂度.其次,为了进一步提高CAHMT算法分割的效果,将该算法与微分算子、尺度系数相结合提出了两种新的文本图像分割算法.最后通过实例阐明了这些算法的有效性.     

基于改进小波域隐马尔可夫模型的遥感图像分割

该文提出了一种基于改进小波域隐马尔可夫树(HMT)模型进行图像分割的方法。该方法利用基于希尔伯特变换对的二维方向小波,这种小波变换具有平移不变性、方向检测性好的特点。同时该方法还利用拓展HMT对该改进小波域中尺度间的小波系数相关性进行建模,并结合多背景融合技术进行遥感图像的分割,得到了优于已有文献的分割结果,而且与同类算法相比,降低了算法所需的计算量。     

基于复小波邻域隐马尔科夫模型的图像去噪

多分辨信号和图像模型可用于捕获图像中平滑和奇异区域的统计结构,但是,基于正交小波变换的模型受到平移变化的影响从而降低了其准确性和实时性.本文将邻域隐马尔科夫模型LCHMM( Local Contextual Hidden Markov Model)扩展到复小波的范围,提出了一种基于复小波的邻域隐马尔科夫模型C-LCHMM( Local Contextual Hidden Markov Model Based On Complex Wavelet),该模型具有近似平移不变性及分辨率高的特点、能够捕获小波系数的邻域的统计特征、且计算复杂度小.仿真试验表明基于复小波邻域隐马尔科夫模型(C-LCHMM)用于图像去噪的效果优于典型的去噪算法.     

基于双变量收缩函数的对偶树复小波图像去噪

常用离散小波变换缺乏平移不变性和良好的方向选择性,并且在图像去噪中使用的模型没有充分考虑系数间的相关性,导致去噪效果不理想.为了克服上述离散小波变换图像去噪的不足,提出了利用对偶树复小波变换与双变量收缩函数相结合的图像去噪算法.实验结果表明,该算法比传统算法有更好的去噪效果.     

基于小波域隐马尔科夫模型的文本图像子带分割方法

本文在已有文献的基础上,通过分析不同子带小波系数之间的相关性,提出了一类基于小波域HMT(Hidden Markov Tree)模型文本图像分割方法.其基本思想是先在子带分类的基础上,综合考虑不同尺度上的分类,进行多尺度文本图像分割,最后根据后验像素信息对上述方法所得分割结果进行修正,得到优于已有文献的分割效果,而且在一定程度上减少了分割算法的计算量.     

Q-shift复小波的一种新型构造方法及其在图像去噪中的应用

为了提高复小波变换的效率,本文提出了一种设计Q-shift复小波滤波器的新方法。与目前采用多相位矩阵的晶格分解结构得到正交小波的方法不同的是,这里从更为一般的完全重构滤波器组出发寻求满足特定要求的正交小波。不但可以构造出系数更为简单、运算更加方便的小波,而且可以实现任意精度的复小波变换。该方法的可拓展性好,可以很方便的添加如高阶消失矩等限制并简化设计过程。以普遍采用的Q-shift10/10小波为例,利用本文构造的正交小波可将复小波变换中的乘法运算降低到原来的1/3,而加法基本相当,且小波的频率选择性质更好。将其用于图像去噪的实验表明,采用本文构造的小波可以显著提高处理速度并得到更高的峰值信噪比(PSNR)。     

基于双树复小波变换的多聚焦图像融合算法研究

针对传统离散小波变换图像融合算法在图像特征表达上存在的不足,采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分解与重构,并对高频子带应用基于局部相似性度量的加权平均与选择相结合的融合策略。通过对实验结果的主客观分析,证明该方法得到的融合图像效果较好,优于基于传统小波变换的算法和局部能量取大的算法。     

基于双树复小波变换的多聚焦图像融合方法

针对同一场景的多聚焦图像融合,提出了一种基于双树复小波变换(DT-CWT)的图像融合新算法.首先利用DT-CWT对图像进行多尺度和多方向分解,并根据双树复小波分解域各子带的系数特性定义了图像局部方向对比度,然后针对高频分量系数的选择,采用基于方向对比度的融合规则,而在低频域采用图像清晰度为测度的融合策略.实验结果表明,该算法能够很好地将多聚焦图像中的重要信息提取并注入到融合图像中,与其他方法相比较,取得了更好的融合效果,提高了融合图像的质量.