一种改进的小波阈值图像去噪方法

分析小波阚值去噪特点,针对软、硬阈值去噪存在伪吉布斯和边界模糊现象,提出一种改进的阈值函数和阈值估计方法,该阈值函数具有连续可导且偏差可变的特性,新的阈值估计方法具有较好的自适应性.实验结果表明,该方法可以有效地去除白噪声干扰,无论从视觉效果上还是信噪比上,都优于软、硬阈值去噪方法.     

基于均值漂移的提取羽毛杆的去噪方法研究

为有效去除羽毛片图像中的噪声,便于毛叶与毛杆的分割,提出用均值漂移算法对毛片图像进行平滑滤波,然后对图像进行区域合并,最后利用阈值分割算法提取羽毛杆.实验结果表明:利用均值漂移算法能有效去噪,可以获得更高的图像评价指数和更好的视觉效果,可有效滤除不必要的纹理背景信息,为准确提取毛杆奠定重要基础.     

基于形态分量分析的图像去噪算法研究

由于信号采集,信号传输等原因,随机噪声对信号有着很大的影响,甚至降低信号质量。传统的去噪方法无法自动的在去除随机噪声,和保存有用信息之间做出最佳选择。在本文中,我们展示了一种以相对无损的方法从有用信息中去除所有明显的随机噪声。该文设计的模型是建立在一种如下的理论假设之上:原始图像信号是由有用信号和随机噪声信号组成的,而这两者在形态学上是具有不同表示的。基于他们形态学上的不同性,这两种分量可以分别以不同的字典来稀疏的表示,接下来就是把各自分量给分离出来,去噪完成之后再以分量重建信号。     

基于小波包变换与Wiener滤波的SMT焊点图像去噪技术

针对目前SMT(surface mount technology)焊点图像去噪效果不理想的问题,提出了一种基于小波包变换与wiener滤波的SMT焊点图像去噪新方法.利用小波包对图像进行分解,可以同时对SMT焊点图像的低频和高频部分进行多层分解,有利于保留图像信息,减少噪声对图像的影响.通过对图像的小波包系数的分析,对小波包树高频系数进行Wiener滤波,保留低频系数;然后进行小波包反变换,重构得到SMT焊点去噪后图像.实验表明,提出的方法不仅可以有效地去除SMT焊点图像的噪声,而且能很好地保留原图像的边缘信息,与传统方法相比,去噪性能和去噪声效果有一定的提高.     

基于拓扑导数的复扩散在图像去噪及边缘提取中的应用

提出了基于拓扑导数的非线性复扩散用于图像去噪及边缘提取的一种算法.由于线性扩散会使图像边缘模糊,基于拓扑优化思想,对每个像素点的线性复扩散系数扰动,使得拓扑导数最小的扩散系数为最优.文中选取的扩散系数具有各向异性的特性,从而克服了Perona-Malik的各向同性扩散系数不利于去除边缘噪声的缺陷,选择拓扑导数足够小的像素点,对这些像素点用最优扩散系数进行扩散.文中给出了使算法迭代终止的判据.实验证明,与Guy Gilboa的非线性复扩散相比,本文方法对原始加噪图像处理后,实部图像体现出了更好的去噪效果,虚部图像则很好地保留了图像边缘,此外,本文方法还消除了Perona-Malik的方法对图像去噪后产生的阶梯效应.     

一种自适应阈值曲波图像去噪算法

利用曲波变换进行图像去噪能取得较好的效果,但是现有的曲波去噪没有充分利用图像曲波系数的特点,容易过分扼杀图像的细节信息.本文提出了一种基于阈值自适应的曲波图像去噪算法,利用图像经过曲波变换后的能量分布特性选取阈值,以更好地保护图像细节.实验结果表明,该算法可以将每一尺度上的信号与噪声在最大程度上分离,有效去除了高斯白噪声,进一步提高了峰值信噪比,更好地实现了去除噪声与保护图像细节之间的平衡.     

基于二进小波变换阈值去噪方法的性能分析

在D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上,提出基于二进小波变换的阈值去噪方法。为分析此方法的去噪性能,对同一图像在叠加不同水平的Gaussian噪声的情况进行了去噪实验,仿真实验结果发现,基于二进小波变换的阈值去噪方法不但有效抑制了图像边缘附近的Gibbs现象,而且使去噪后图像的峰值信噪比在不同噪声水平下都有很大程度地改善,在不同噪声水平间有很小幅度的波动,这表明基于二进小波变换的阈值去噪方法的去噪性能具有很强的稳定性。     

隐式曲面上图像扩散的高阶模型

用零水平集函数表达3维曲面,应用曲面上图像梯度的切投影表达其内蕴梯度,把基于梯度的图像扩散变分模型从平面图像拓展到了隐式曲面上的图像处理。基于内蕴梯度的变分模型对曲面上的图像进行扩散的同时可有效地保持其边缘,但像平面图像扩散的变分模型一样会在本该光滑的区域产生明显的阶梯效应。为消除阶梯效应,引入内蕴散度建立了基于内蕴梯度和内蕴散度的隐式曲面上图像扩散的变分模型,并以TV (total variation) 模型、PM(peronamalik)模型为例对所提出的模型的有效性进行了数值验证,实验结果表明该类模型在保持图像边缘的同时可以有效地抑制阶梯效应。     

基于图像局部结构的扩散平滑

各向异性扩散平滑去噪的主要特点是扩散方向的选择性与定向扩散能力,有效表征信号或图像的局部结构特征是各向异性扩散的基础,传统的梯度表示方法极易受到噪声干扰。该文在分析图像局部结构表征方式的基础上,定义一个图像的局部各向异性强度参数M,提出一个新的扩散方程。试验测试显示,新扩散模型相对于ALM模型与CAZ模型具有更好的噪声压制能力和定向扩散能力,信噪比分别提高了0.1 dB~0.8 dB和0.3 dB~1.2 dB。     

基于图像局部结构的扩散平滑

各向异性扩散平滑去噪的主要特点是扩散方向的选择性与定向扩散能力,有效表征信号或图像的局部结构特征是各向异性扩散的基础,传统的梯度表示方法极易受到噪声干扰.该文在分析图像局部结构表征方式的基础上,定义一个图像的局部各向异性强度参数M,提出一个新的扩散方程.试验测试显示,新扩散模型相对于ALM模型与CAZ模型具有更好的噪声压制能力和定向扩散能力,信噪比分别提高了0.1 dB～0.8 dB和0.3 dB～1.2 dB.