Tetrolet变换方块效应改善算法

针对Tetrolet 变换算法对图像去噪后存在方块效应的缺陷,文中对Tetrolet 变换算法进行了扩展和改进,并引入移位（Cycle Spinning）来有效消除Tetrolet 变换算法中的方块效应。仿真结果表明,所提出的算法不仅能有效去除噪声,而且可得到更高的峰值信噪比,提高了图像的主客观质量。去噪后图像保留了原始图像的边缘和细节等局部特征,较为平滑,且方块效应得到了一定的改善和抑制,因而该算法是有效可行的。     

一种改进权重的非局部均值滤波算法

传统非局部均值滤波算法采用指数型加权核函数,容易导致图像细节平滑过度,并且权值分配容易受到噪声的影响。针对这一问题,提出一种改进权重的非局部均值滤波算法,设计一种新的加权核函数替代原本的指数型核函数,改善权值的分配。实验结果表明,改进算法降噪效果优于传统非局部均值滤波算法,在滤除噪声的同时更好地保护了图像的边缘与细节,并且噪声强度越大,改进算法的优势越明显。     

一种加窗的双重局部维纳滤波图像去噪算法——基于SWT和DTCWT

提出了一种基于静态小波变换和对偶树复小波变换的加窗的双重局部维纳滤波图像去噪算法。在第一次局部维纳滤波中,用静态小波变换对含噪图像进行分解,然后利用椭圆方向窗来估计不同方向子带的各点信号的方差;在第二次的局部维纳滤波中,第一次局部维纳滤波恢复后的图像被对偶数复小波变换分解后,利用由子带能量自相关函数确定的自适应窗来估计不同方向子带的各点信号的方差,然后利用逆对偶数复小波变换对图像进行恢复。实验结果及分析表明了该去噪算法的有效性。     

基于小波变换的图像去噪

与传统的傅里叶变换去噪相比,小波能去噪同时保留图像细节特征。针对较好的小波去噪,本文研究了小波阈值去噪的阈值函数选取,阈值大小确定和小波去噪方法。     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。     

基于双变量收缩函数的对偶树复小波图像去噪

常用离散小波变换缺乏平移不变性和良好的方向选择性,并且在图像去噪中使用的模型没有充分考虑系数间的相关性,导致去噪效果不理想.为了克服上述离散小波变换图像去噪的不足,提出了利用对偶树复小波变换与双变量收缩函数相结合的图像去噪算法.实验结果表明,该算法比传统算法有更好的去噪效果.     

改进动态阈值去噪在远程图像小目标检测中的应用研究

远程图像小目标在视频帧图像中占据的比例较低,无法有效划分目标和背景,目标检测精度低。因此,将改进动态阈值去噪法应用于远程图像小目标检测中,给出了远程图像小目标检测系统硬件总体结构,通过图像采集模块对图像传感器进行驱动,将采集到的远程图像数据保存至SDRAM模块中,并将该图像数据传输到显示器上显示。软件设计中,给出将改进动态阈值去噪方法应用于远程图像小目标检测的详细过程。实验结果表明,所提方法在检测远程图像小目标过程中具有可行性,可准确分割出小目标,满足检测实时性的需求,并且具有较强的适应能力。     

基于尺度间和尺度内相关陛的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法。首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像。仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法。     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

小波阈值法在图像去噪中的应用

介绍了小波去噪的基本理论以及小波阈值法去噪的原理。小波阈值法去噪的关键是阈值的设置和阈值函数的选择。本文归纳了阈值的设置方法和阈值函数的选择方法,并针对图像去噪进行了仿真实验,将一幅混有不同水平高斯白噪声的图像分别进行软、硬阈值函数去噪。实验得出软阈值函数的去噪效果比硬阈值函数的去噪效果好这个结论。