基于小波多分辨率分析的图像模糊增强算法的研究与实现

图像在采集的过程中,会受到各种噪声的干扰和污染.基于小波变换的多分辨率分析能够有效抑制噪声的特性,提出利用小波多分辨率分析对图像进行平滑滤波实现图像的去噪,并定义新的模糊隶属度函数对图像进行增强,在保证模糊增强效果的同时减少噪声的影响.经试验证实,该方法能够有效地实现图像的增强.     

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.     

PM模型与YK模型相结合图像去噪改进方法

本文在研究二阶各向异性扩散方程与四阶各向异性扩散方程的基础上,提出了二者结合的组合扩散算子,同时提出了新的扩散系数.实验表明,新方法对高斯噪声比原有的两种方法有更好的去噪效果,不但能够有效地提高峰值信噪比,而且也消除了四阶方程中所出现的"孤立点".     

基于提升小波的图像去噪算法的FPGA设计

在图像处理中,基于离散小波变换的提升算法比传统的卷积算法运算简单、实时性好、易于实现,因而被图像去噪所采用.本文介绍了提升小波的基本原理,以及把提升小波应用于图像去噪的算法,并且给出了一种适合FPGA实现的硬件结构.对于提升后的图像,采用门限法进行去噪.仿真实验的结果表明,该方法不仅可以有效地去除原始图像中的噪声,而且能够保留原始图像的局部特征.     

基于边缘检测的NSCT自适应阈值图像去噪

为在去噪时能较好保留图像边缘特征,并针对Coutourlet变换缺乏平移不变性和传统阈值法的不足,提出了一种基于边缘检测的非子采样Contourlet变换自适应阈值(AT-NSCT)图像去噪方法.结果不仅能消除因Contourlet变换缺乏平移不变性而产生的图像失真,而且有效地保留了图像的边缘信息,提高了去噪后图像峰值信噪比,视觉效果更好.     

一种基于梯度保真项的图像去噪法

为了解决P-M模型的＂阶梯＂效应,在原有的扩散方程中引入梯度保真约束项,提出了一种基于梯度保真项的非线性扩散图像去噪方法。利用该方法能得到分段光滑的结果,视觉效果更自然。     

基于边缘点的邻近像素点和去噪的图像修复算法

目前图像修复的基本方法主要有两类:纹理合成的方法和基于偏微分的方法.这两种算法都需要复杂的公式,较难理解和实现,为此提出了一种新的图像修复和去噪方法,该方法不需要先验理论.在定义修复区域像素点的优先度基础上提出了一种邻近像素点的图像修复算法;通过检验每一个像素点的被腐蚀程度提出了一种基于邻近像素点的保留图像对象边缘和细节的图像去噪新方法.算法将图像修复和去噪相结合,达到了更好的修复图像的目的.     

基于SPCNN和Nagao滤波的图像去噪

为了更好地滤除椒盐噪声,提出如下方法:首先借鉴非线性模板和模板匹配的思想,改进了Nagao滤波器;再利用简化脉冲耦合神经网络模型,提出一种定位噪声点的方法;最后将两者结合用于恢复被椒盐噪声污染的图像.实验证实,采用本文算法恢复图像的主客观效果均优于标准中值滤波、自适应中值滤波、中子集型中值滤波、简化脉冲耦合神经网络滤波,且当噪声密度大范围变化时仍然具有较好效果.     

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。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesSbrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果。