非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取,提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上,结合神经网络的非线性双曲线正切函数和BP训练方法,首先对含噪图像进行二进小波分解,然后对分解系数进行小波重建,并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理,得到最优阈值,最后对阈值处理的重建系数进行叠加,得到原始图像信号的估计值,即去噪后的图像信号。仿真实验表明,该方法具有较好的重建图像视觉效果,信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

改进的Otsu理论在图像阈值选取中的应用

提出了一种基于GA优化的Otsu理论进行图像阈值选取的新方法.利用传统的Otsu理论进行图像阈值选取,计算量较大,准则函数不一定单峰,不适于最佳阈值的求取.遗传算法理论为一种全局搜索方法,它自适应地控制搜索过程以求得最优解,从而可克服Otsu方法的不足,有利于计算机视觉的后续处理.文中将遗传算法和Otsu理论进行了有机结合,实现了图像阈值自动选取,且大大降低了计算量.实验结果表明该算法不仅提高了分割质量,而且缩短了寻优时间,从而说明了该算法的有效性、正确性.基于改进Otsu优化的模糊算子理论的提出,解决了模糊算子中关键参数确定困难的问题,实现了其参数的自适应获取,并将该理论应用于图像增强中,从而有效地消除了图像的模糊和噪声干扰.