一种基于小波变换的图像去噪算法

利用小波方法去噪,是小波分析应用于工程实际的一个重要方面。针对图像存在大量噪声的情况,阐述小波变换去除信号噪声的基本原理和方法。在综合考虑图像去噪平滑效果和图像的清晰程度的基础上,提出一种多方向多尺度的自适应小波去噪算法。通过试验数据验证了该算法的可行性和鲁棒性。实验结果表明该方法增强了图像的视觉效果。     

基于噪声估计和三维DCT的CCD图像去噪

电荷耦合器件(CCD),作为数码相机的核心器件,在成像过程中会产生依赖于信号的噪声。文中提出了一种基于噪声估计和三维DCT的CCD图像降噪方法。该方法建立了一种新的噪声模型,并先准确估计CCD的噪声水平函数(NLF),然后对利用非局部思想搜索出来的相似块群,进行三维DCT,最后对高频系数做自适应阈值处理,从而达到降噪的目的。实验证明,该方法对CCD噪声图像具有很好的去噪效果,甚至可以媲美目前去噪效果最好的Non-localMeans(NLM)算法和BM3D算法。     

多结构元受控形态滤波器

基于受控形态学中的形态开-闭和闭-开运算,采用多结构元素,构造了一类多结构元受控形态滤波器.该滤波器具有平移不变性、递增性、对偶性和幂等性等重要性质.多结构元受控形态滤波器不仅可以有效地抑制图像噪声,而且较好地保持了图像的几何结构特征,通过与传统形态滤波器的对比实验,进一步验证了该滤波器的优越性能.     

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。     

基于小波变换的图像去噪方法研究

图像去噪问题是一个古老的难题,也是当前研究的热点问题,而图像小波去噪算法在图像去噪方面虽然已取得了一定进步,但在这一领域仍然有许多问题需要研究,为了进一步提高图像去噪质量,改善图像视觉效果。在此通过在小波阀值萎缩法、基于混合模型的小波去噪法、小波去噪与其他算法相结合的三类方法中分别选用了三种典型算法即VisuSh?rink法、基于高斯混合模型小波去噪法、中值滤波与小波去噪相结合的算法,对当前基于小波变换图像去噪这三类典型问题进行了研究。研究表明对于单一的噪声,用相应某种算法,就可能取得较理想效果。而对于混合噪声,单独的一种算法取得的效果是比较差的,只有采用几种算法相结合才能取得较好的效果,因而在此也为图像去噪指明了以后的研究方向。     

基于Bior小波变换和中值滤波的图像去噪

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想,而小波变换可以较好地滤除高斯噪声。本文将Biorthogonal小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声。实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单纯的小波变换或单纯的中值滤波。     

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。