基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

基于图像去噪的自适应滤波器的设计

本文首先提出了图像去噪的重要性,并用实验证明了图像噪声的存在;随后介绍了图像噪声的分类及常用的数字滤波法去除噪声;最后根据冷轧带钢表面图像噪声特点,设计了自适应滤波器,实验证明该滤波器可以很好的滤除冷轧带钢表面图像的噪声.     

一种概率自适应图像去噪模型

从小波变换入手,提出了一种概率自适应去噪模型.该模型包括尺度层间模型和层内模型.去噪方法首先利用小波域层间模型,将小波系数分成两类:有意义系数和无意义系数;然后在层内概率模型下运用最大后验概率估计方法,从有意义系数中恢复出原始系数.我们还将这种模型引入复数小波变换域.实验结果及分析表明了该去噪模型的有效性.     

基于四元数小波混合统计模型的图像去噪

图像的去噪和压缩一直是图像处理的经典问题,传统的方法中很难将二者同时兼顾。四元数小波变换是实小波、四元数理论及二维希尔伯特变换相结合的产物,是一种新的多尺度分析图像处理工具。图像经四元数小波变换后,其小波系数不仅在尺度内具有相关性,而且在尺度间也具有一定的相关性。文中提出一种混合统计模型,该模型包括尺度间的二元非高斯分布模型和尺度内的广义高斯分布模型,然后运用最小均方误差（MMSE）估计从噪声图中的小波系数恢复原图的系数,从而达到去除图像的噪声的目的。仿真实验表明,论文方法不仅可以获得信噪比上的提高、视觉上达到明显的去噪效果,而且取得了较高的压缩比。     

基于小波分析的BP网络含噪图像压缩算法的探讨

近年来BP神经网络在图像压缩技术中的应用已成为图像压缩的热点问题之一。与经典的压缩算法相比,具有更高的压缩比和重构图像质量。但实际上,原始图像经常受到噪声的污染,使得图像质量明显下降。通过研究小波图像去噪的方法,结合小波变换和BP神经网络,研究了基于小波域的BP神经网络图像压缩方法。先在小波域内对图像进行去噪,再用BP神经网络进行压缩,从而得到高质量的重构图像。结果表明,该算法对含噪声图像的压缩,获得了良好的图像质量,同时也证明了这种方法的有效性。     

基于整数小波变换与快速递推GCV的静止图像去噪

基于整数小波提出一种用于自然景物图像去噪的快速递推广义交叉验证(FR-GCV)算法,首先对图像做整数小波变换(IWT),计算小波图像中小波系数的分布概率,然后利用整数递推,降低了GCV函数计算复杂度。最后通过小波系数下采样和阈值上界限定进一步降低了算法复杂度。实验结果表明,FR-GCV算法对自然景物图像去噪耗时比GCV算法降低了90%以上。FR-GCV算法能够快速求取去噪最优阈值,在静止图像去噪领域具有较强的实际意义。     

基于Contourlet变换的图像去噪方法

图像去噪是数字图像处理领域的一项重要技术.传统的基于小波变换的去噪方法,去噪效果不是很理想.为了解决这一问题,提出了一种基于Contourlet变换的图像去噪方法.实验结果表明,与传统小波去噪方法相比,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信噪比.     

一种Contourlet循环平移自适应阈值SAR图像去噪算法

针对传统阈值算法缺乏自适应性的缺点,利用Contourlet多方向性和各向异性的优点,提出了一种基于Cont-oudct循环平移自适应闲值的SAR图像去噪算法.利用sigmoid函数构建一种新的自适应网值函数.根据Contourlet不同方向子带系数的特点,动态调整阈值函数中的参数.以获得合适的阈值对Contourlet系数进行处理.同时为了抑制图像边缘附近的伪吉布斯效应,引入循环平移算法来抑制人为干扰.分别利用4种经典的阈值算法和本文算法,对实测SAR数据进行相干斑抑制,试验结果表明,Contourlet循环平移自适应阚值SAR图像去噪算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了86.22和O.3.     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

光学相干层析图像的散斑去躁和边缘特征提取

提出采用各向异性扩散（AD）算法对光学相干层析（OCT）图像作噪声消除和边缘增强的预处理,然后结合改进的相位一致（PC）算法进行边缘特征提取,并引入巴特沃斯高通提升滤波进一步衰减低频噪声,增强高频边缘细节。对不同的OCT图像进行处理实验,结果表明,上述三种算法的综合应用,使OCT图像噪声得到有效抑制,轮廓清晰,特征部位得到加强。