基于M带小波变换的多聚焦图像融合

针对目前小波域内多聚焦图像融合所存在的问题,提出一种基于M带小波变换的图像融合方案。由于M带小波变换域在能量紧致性和方向选择性等方面都比传统二带小波更有优势,综合考虑图像在M带小波变换域的多尺度和多方向性信息以及局部区域的相关特性,提出了一种新的小波域图像融合策略——基于多子带联合窗口特性的图像融合。仿真实验分析表明,该文算法的结果不论在视觉效果还是在信息量指标方面都优于传统的二带小波。     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

M带小波的子带自适应阈值除噪算法

在广义高斯分布（Generalized Guassian Distribution,GGD）模型最优软阈值的基础上,提出了一种基于M带小波变换的子带自适应图像除噪阈值确定方法,在阈值确定中,考虑了尺度因子、子带大小等因素的影响。采用软阈值除噪,算法简单实用。实验表明,对纹理丰富的图像,该文提出的除噪方法效果优于目前流行的其他算法。     

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。     

一种新的基于多小波的图像去噪算法

图像去噪是最基本的图像处理技术,小波分析是目前国际上最新的时间．频率分析工具,是信号去噪的强有力处理工具。通过小波变换可以将交织在一起的混合信号分解成不同频率的块信号。多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足。本文提出了一种新的图像去噪方法,该方法以多小波变换为基础。实验证明,具有很好的去噪效果。     

一种基于区域分割和M带小波变换的图像融合算法

针对目前小波域图像融合所存在的问题,文中阐述了一种基于区域分割和M带小波变换的图像融合算法,在图像配准的基础上对各幅源图像进行M带小波分解,由分解结果产生图像纹理向量,对纹理向量进行聚类,形成源图像的多尺度区域分割,通过区域重叠得到指导融合的联合区域分割图像,然后进行图像融合;此算法充分利用了图像中体现象素间关系的区域信息和M带小波变换在能量紧致性和方向选择性等方面的优势;仿真实验表明,该算法的结果不论在主观视觉效果还是在客观评价指标方面都优于传统的二带小波融合算法.     

基于多小波变换的图像去噪

小波分析是目前国际上最新的时间频率分析工具,是信号去噪的强有力处理工具.小波变换可以将交织在一起的混合信号分解成不同频率的块信号.多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足.提出了一种新的图像去噪方法,该方法以多小波变换为基础.实验证明,去噪效果良好.     

基于小波变换的图像去噪研究

鉴于传统的去噪方法难于在时频域得到很好的兼顾,提出一种基于小波变换的去噪方法.通过对图像实施二维离散小波变换,在小波域中,选取适当的阈值对小波系数进行处理.Matlab仿真试验表明,具有很好的效果.     

基于小波变换的图像去噪

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。针对传统去噪方法的缺陷,从理论上推导了二维小波分解和重构具体算法,研究了小波图像去噪的基本理论和方法,在此基础上利用Matlab7．0．1对含有两种不同高斯白噪声的图像进行了仿真实验,实验表明,基于小波变换的图像去噪可以有效地提高图像的去噪效果。     

基于小波变换的多尺度多方向图像去噪

小波图像去噪是小波应用较成功的一个方面,通过阈值进行去噪,最佳阈值T的确定是一个关键问题.由于噪声能量在不同方向(水平、垂直和对角)的高频系数分布情况有所差异,可对小渡全阚值消噪方法进行改进为:图像进行小波分解后,对每一尺度的不同方向的高频系数取不同阈值进行去噪.称之为多尺度多方向消噪法.与全局阈值法相比,新方法使图像更加清晰,并能更好地适合人眼的视觉特性.从消噪后图像的信噪比和均方根误差上看,新方法也优于全局闽值去噪法.因此,该方法在客观和主观上都能同时获得更佳的去噪效果.     

基于小波阈值和全变分模型的图像去噪

针对小波阈值函数去噪不彻底并且造成图像边缘模糊的问题,提出一种自适应小波阈值和全变分模型相结合的去噪方法。利用小波变换的时频域特性将含噪图像分解得到各维度小波系数,对低频小波系数利用全变分模型去噪,对于高频系数根据不同分解尺度选择不同的最佳阈值去噪,克服了统一阈值的不足,增强了算法的自适应性。理论分析和仿真实验结果表明,所提方法兼顾了小波变换和全变分模型的去噪优点,在有效去除噪声的同时更完整地保留了图像的边缘和细节信息,有较高的结构相似度和峰值信噪比。     

多方向一维小波变换的显微图像去噪

根据显微图像的特点,从水平、垂直、+对角线、-对角线四个方向将二维图像转为一维数组,对不同的分解尺度上的高频系数采用不同的阈值处理,对阈值处理后的高频系数进行增强处理,进行一维小波逆变换,一维数组转化为二维图像,最后将四个二维图像进行非均权值计算得到去噪后的图像。在原子力显微镜得到的显微图像中进行仿真实验,与改进软阈值去噪算法和Keesook.J.Han提出的去噪算法相比较。结果证明多方向一维小波变换的显微图像去噪算法具有更好的去噪性能,边缘细节保持明显优于其他算法。     

基于改进的小波阈值技术MRI图像去噪

提出了一种改进的小波阈值处理的核磁共振成像（MRI）医学图像的去噪方法。结合图像的特点并利用小波系数的区域相关性,对小波阈值处理方法进行了改进,根据信号和噪声系数的不同分别处理,克服了传统小波变换不足。结果表明该方法在有效去除噪声的同时,较好保留了MRI图像的细节,有利于医学的诊断。     

基于小波变换的图像去噪优化算法

提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

一种基于小波变换的多尺度图像融合方法

近年来图像的数据融合技术在图像处理领域中得到了广泛的重视和应用。如何对同一目标的多源遥感图像数据进行有效的融合,最大限度地利用多源遥感数据中的有用信息,提高系统的正确识别、判断和决策能力,是遥感数据融合研究的重要内容之一。在小波变换金字塔结构的基础上,提出了一种基于小波变换的多尺度图像融合方法,对热红外与可见光图像进行了融合处理。实验结果表明,该融合方法十分有效,获得的融合图像更符合人们的视觉特性,更有利于机器视觉。     

一种基于小波变换边缘保护的图像融合算法

提出一种基于小波变换的像素级图像融合算法。采用小波系数局部模极大和加权局部能量分析相结合的方法融合高频成分;用加权局部能量分析融合尺度系数。算法获得的融合图像具有很强的视觉表现能力。此算法不需要设置阈值,具有较强的泛化能力。对多聚焦图像进行的融合实验结果表明,基于小波系数局部模极大和局部能量分析相结合的高频融合策略较好地再现了图像中各种边缘信息;基于加权局部能量估计的低频融合策略有效地去除了原图像的模糊。融合后的图像在客观评价和主观视觉效果上均有显著提高。