基于小波收缩的噪声图像恢复新型算法实现与验证

小波变换技术是近20年发展起来的新的信号处理技术,但对小波的研究由来已久。随着小波理论的不断完善,它以自身良好的时频特性在图像去噪领域受到越来越多的关注。图像去噪是信号处理中的一个经典问题,传统的去噪方法多采用平均或线性方法进行,但是其去噪效果不好,本文基于此目的,采用了连续两次半软阈值去噪的方法,来去除含噪图像的噪声,最后通过MATLAB软件仿真此方法的去噪效果,并与其它去噪方法进行比较,得出本文提出的方法去噪效果更优越。     

基于非下采样剪切波变换域三变量模型图像去噪算法

结合非下采样剪切波变换域三变量阈值滤波和多分辨引导滤波,本文提出一种去除高斯白噪声的图像去噪的有效方法。在非下采样剪切波变换域中,以三变量非高斯模型对方向带通子带系数间相关性进行建模,采用最大后验估计理论推导出三变量收缩阈值函数。此外,对低频子带系数采用多分辨引导滤波进行平滑处理,以达到更好的噪声抑制效果。实验结果显示,本文所提去噪方法可以有效抑制噪声同时保留更多的图像细节信息,与其他滤波算法相比,该去噪算法可得到更高的客观数据及更好的视觉效果。     

基于稀疏分解的指静脉图像去噪

手指静脉识别技术因其独特的优势,受到广泛的关注。然而由硬件系统获取的手指静脉图像常常含有严重的噪声、阴影等问题,所以对低质量的静脉图像的去噪成为了整个识别过程的关键。本文提出了一种基于稀疏分解的指静脉图像去噪新方法。基于稀疏分解的图像去噪是将含有噪声的图像信息进行稀疏分解,分解成稀疏成分和其他成分。其中的稀疏部分是有用信息,其他部分被认为是噪声,再由图像的稀疏部分重建原始信号,达到恢复原始信号并去除噪声的效果。本文根据指静脉图像的静脉的特点,应用高斯函数构造了过完备库。用合成图像和真实指静脉图像分别对新算法进行实验验证。实验结果证明,与传统的去噪算法相比,峰值信噪比提高1-2dB。      

一种高斯尺度混合模型的Shearlet域图像去噪(英文)

提出了一种基于高斯尺度混合模型的Shearlet域图像去噪方法.高斯尺度混合是一个独立高斯随机向量和一个独立隐随机尺度因子的乘积,可以很好地刻画相邻位置和尺度的Shearlet系数邻域的统计特性.在此基础上,对Shearlet系数进行贝叶斯最小均方估计.通过对加入高斯白噪声的图像进行去噪,仿真结果表明和其他基于小波域的方法相比,无论从视觉上还是峰值信噪比上,shearlet域方法降噪效果明显更好.     

基于独立分量分析的近红外图像去噪方法的研究与应用

独立分量分析（Independent Component Analysis,ICA）是一种新的盲源信号分离方法,近年来已吸引了信号处理学界和神经网络学界众多学者的研究兴趣.该文提出了基于独立分量分析的近红外图像去噪方法,该方法能有效地处理用黑白CCD传感器监测电力设备所产生的图像,使这种监测方案具有实用价值.文中简单描述了以黑白CCD传感器为核心器件的电力设备在线监测系统,阐述了ICA的基本原理,介绍了基于负熵判据的FastICA算法,给出了所提方法的具体实现步骤及相应的实验处理结果.结果表明利用该方法可以有效的去除监测图像中的噪声,使温度场的显示更清晰,满足了实际的需求.     

基于平稳小波变换的图像去噪方法

正交小波阀值消噪方法已广泛地应用于图像噪声抑制，目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果，然而对于图像中噪声幅度较大的情况下，正交小波变换阀值消噪会使图像边缘失真，甚至图像模型，提出的平衡小波变换的图像消噪方法，可以有效地降低噪声，同时又较好地保持图像边缘细节，与正交小波变换阈值降噪方法相比，有明显优越性。     

一种新的基于小波变换的图像去噪算法

小波去噪算法的关键是如何处理小波变换系数。把电路中同或的思想引入图像去噪领域,在识别信噪属性时,综合考虑了小波系数的模极大值、相位等因素,提出了小波域同或去噪算法。较之经典方法,此方法在改善去噪效果的同时提高了算法的执行速度。     

基于小波变换的多阈值图像去噪改进方法

图像去噪就是在保留图像边缘及其他特征的基础上去除噪声,小波变换域的阈值去噪方法是图像去噪众多方法中最有效的方法之一,本文对多阈值图像去噪方法进行了改进,得到一种新的图像多阈值图像去噪方法,实验证明该方法可以有效地提高图像去噪效果。     

一种基于Contourlet变换的图像去噪方法

在变换域阈值去噪过程中,阈值的选取和阈值处理方法至关重要。提出一种基于contourlet变换的图像去噪方法。采用分层阈值,为每一级contourlet系数选取一个阈值。阈值处理中给出一种基于邻域的阈值处理方法,不仅考虑单个系数幅值的大小,而且考虑它的邻域系数幅值的大小。同时为了抑制在去噪图像边缘附近的伪吉布斯效应,引入cycle spin-ning来抑制这种图像失真。实验结果表明,利用文中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。     

基于模糊异质扩散的图像去噪方法

将模糊思想与Perona-Malik方法相结合,提出一种新的基于模糊理论的图像异质扩散滤波方法。把异质扩散方程中的边界停止函数看作像素梯度对于图像连续平滑区域的模糊隶属度函数,利用模糊熵的概念来确定图像中分片连续区域间的边界阈值σ。本文的模糊方法和其他经典方法的异质扩散比较实验说明,该方法在保持图像的细节方面更具有优越性。