利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

一种基于细尺度间小波系数相关性的图像去噪方法

图像去噪问题的研究一直是图像处理的热点问题.首先对噪声图像经小波分解后噪声小波系数在细尺度子带间的分布特点进行了研究,提出了一种结合尺度内和尺度间系数相关性的噪声统计模型--细尺度间噪声系数分布的"类零树结构",以及基于分块的Bayes阈值确定方法.在此基础上将二者相结合,提出了一种新的图像去噪方法.该方法首先通过Bayes阈值去噪法去除高层子带中的噪声,同时利用基于块阈值方法定位次外层子带中的噪声位置,然后利用"类零树结构"模型,估计对应的最外层子带中的噪声的分布,并进行相应的去噪处理.实验结果表明,该方法稳定、有效,去噪效果优于传统Bayes逐点阚值去噪方法,且具有较低的时间复杂度.     

基于Contourlet变换的图像DCT去噪新方法

为了改进滤波效果,以提高图像去噪质量,提出了一种通过离散余弦变换对Contourlet域中噪声能量进行估计来实现去噪的新方法.该算法不依赖于对噪声方差进行估计,而是直接利用离散余弦变换来对高频各子带进行局部特征提取,以便估计噪声能量的估计阈值.实验结果表明,与传统的小波软、硬阈值去噪方法和基于小波变换的图像离散余弦变换去噪方法比较,该方法有效地克服了采用硬阈值法引起的伪吉布斯现象和软阈值法因导致过度光滑而使信号失真等缺点.实验表明,该算法不仅可提高处理图像的信噪比,而且图像的视觉效果也明显改善,因此更具有实用价值.     

改进型滤波器组与PCA结合的图像降噪算法

在图像的除噪处理中,为了能更好地处理图像的边缘及纹理处的噪声,论文提出了利用非均衡五点梅花采样滤波器组(nuQFB)结合主成分分析(PCA)的图像除噪方法.NuQFB克服了传统小波分解方向分辨率低和传统多方向滤波器组无多尺度分析的缺点,实现了对含噪图像的多尺度和多方向分解的统一,使分解后的图像具有十二个高频方向子带.并通过主成分分析的统计学特征提取方法对分解后的系数进行噪声能量估计完成图像的除噪处理.试验结果表明,与小波主成分分析的除噪方法相比,经该文方法除噪后的图像具有较好的视觉处理效果与峰值信噪比(PSNR).     

基于BEMD和小波阈值的MRI医学图像去噪

针对核磁共振医学图像含有的混合噪声的特点,提出了一种基于2维经验模式分解(BEMD)和小波阈值去噪的新算法,即将图像分解到固有模态函数(IMF)域.然后采用小波阈值法对各固有模态函数成分进行去噪处理.在分析了小波硬阈值和软阈值去噪的特点之后,对小波阈值进行了改进,克服了传统小波阈值去噪的不足.实验结果表明该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医学的诊断.     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

改进的脊波变换图像半软阈值降噪方法

脊波变换是一种源于小波又高于小波的多尺度几何分析方法,应用于图像中.借鉴小波去噪的思想提出一种新的图像去噪方法,采用基于Bayesian估计的自适应阈值和半软阈值技术进行去噪,针对脊渡变换所产生的轻微的"划痕",引入平移不变的方法消除这种条纹干扰.实验结果表明,该方法较好地处理了图像细节和边沿保留与噪声抑制的矛盾,是一种有效的去噪方法.     

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。     

结合小波去噪的THz图像多尺度增强算法研究

针对返波管获得的连续THz透射图像对比度低且噪声大的特点,提出了一种结合小波去噪的多尺度图像增强算法.该算法先用图像金字塔变换对THz图像进行多尺度分解,然后采用指数变换在空域对获得的细节图像进行增强.为减小放大噪声的影响,在重构增强图像的过程中对每一分解层次的近似图像采用小波软阈值方法进行去噪,并对小波图像采用非线性...     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。     

基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

Hilbert-Huang变换在语音去噪中的应用

研究语音信号噪声抑制问题,针对噪声污染干扰正确语音的传输,传统采用的HHT噪声抑制方法有多尺度滤波和阈值去噪,对所有的IMF分量进行处理,没有将IMF分量中的有用信号和噪声信号区别开来,去噪效果受到抑制.为使去噪效果更好,提出一种新的基于能量分析的阈值去噪方法,对含噪信号经过Hilbert-Huang变换后的IMF分量,对于信号和噪声能量分布的特点进行能量分析,将加噪信号中有用信号和噪声信号分离开,再利用阈值去噪方法完成去噪.通过仿真,可观察出语音信号的噪声得到了抑制,能够准确识别语音信号,并且比小波方法简单,不用选择小波基和确定分解层数,不用选择判断阈值,就能够达到或接近小波去噪的水平.     

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。     

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.     

基于多尺度小波变换的高斯混合模型SAR图像去噪

针对合成孔径雷达图像斑点噪声去除问题,提出了一种滤波算法。该算法根据SAR图像小波系数分布的特点,采用高斯混合模型对其进行精确拟舍,并用贝叶斯估计来恢复原图。为了有效地克服对数图像均值不为零对小波滤波的影响,在多尺度小波变换前先对取对数后的图像作了归一化处理。仿真实验结果表明,该方法克服了常用的小波阈值去噪只有一个阈值的缺点,可在去除噪声的同时有效保留图像的边缘细节。     

Steerable Pyramid分解地震随机噪声衰减 ——基于局部Laplace先验概率密度模型

简单介绍了具有多尺度与多方向性特点的Steerable Pyramid分解和重构的基本原理。采用softLMAP阈值将其应用于地震数据随机噪声衰减中,进行了仿真计算和实际资料的处理并与自适应BayesShrink阈值及小波域softLMAP阈值去噪进行比较。结果证明利用Steerable Pyramid分解softLMAP阈值能比较彻底地去掉噪声,去噪后的图像边缘保持良好,滤除噪声同时还保留了有效部分,去噪效果良好,且易于实现,在地震资料处理中具有一定的可行性和应用前景。     

平移不变的小波域近邻系数阈值MR图像去噪

传统的小波域阈值去噪方法是根据每个小波系数各自的幅度大小进行相应的阈值修正,没有考虑到尺度间以及尺度内近邻的小波系数与当前小波系数的相关性,而使信号得不到更准确的估计。根据信号和噪声在尺度间的不同传播特性和尺度内近邻小波系数的相关性,设计出一种平移不变（TI）的近邻系数阈值策略,并依据磁共振成像（MRI）噪声图像的特点,结合复数域统一体去噪方法,提出了一种新颖的基于平移不变的小波域近邻系数阈值MR图像去噪算法。实验表明该算法能更准确地估计信号,且与几种磁共振（MR）图像去噪算法相比具有更好的去噪效果。     

基于小波域加权阈值的图像去噪方法

针对小波全局阈值去噪的缺点,介绍了一种子带自适应的阈值加权算法。通过对图像小波分解系数统计特性的分析,提出了一种近指数模型作为分解层之间小波系数的先验分布。在此基础上,对比噪声图像和无噪图像在各尺度下统计特性,给出了一种子带自适应的加权阈值计算方法,避免了各层子带去噪的不平衡。实验表明,与全局阈值和其它子带自适应阈值去噪方法相比,基于加权阈值的图像去噪方法能获得更高的信噪比和更好的视觉效果。