基于证据理论的小波萎缩图像去噪

提出了一种基于D-S证据理论的小波萎缩图像去噪方法。对含噪图像进行离散平稳小波变换后,运用Bayes方法分得各层高频子带的小波萎缩系数,根据小波萎缩系数的空间及层间相关性,利用D-S证据理论的合成法则对初始小波萎缩系数进行融合修正。实验结果表明,该方法在有效地去除图像中的噪声的同时,还能较好地保留图像的边缘信息。算法在性能指标和视觉质量上均优于Donoho的小波软阈值去噪方法、传统的中值滤波法和Winner滤波法。     

基于Bandelets变换的红外图像去噪

提出了一种基于Bandelets变换的红外图像模糊阈值去噪方法,该方法结合了Bandelets变换和模糊阈值在去噪方面的优点.对红外图像进行Bandelets变换的同时,对系数进行模糊阈值处理,实现了图像去噪;同时针对图像去噪问题提出了Bandelets变换中压缩率阈值的选取方法.结果表明,与正交小波硬阈值去噪方法相比,该方法具有良好的去噪性能,并且在去除红外图像噪音的同时,能够获得很好的边缘保持效果.     

基于Curvelet变换和全变差的图像去噪方法

Curvelet变换用于图像去噪可以较好地保留图像的细节信息,但在边缘处会产生"划痕"现象.采用全变差法进行去噪能保持边缘形状不变,但也会丢失图像的纹理等细节信息.为了充分利用两种方法的优点,将Curvelet变换和全变差相结合提出了一种有效的图像去噪方法.首先,对含噪图像分别进行Curvelet阈值去噪和全变差去噪.然后,将两幅去噪图像进行Curvelet融合,对于低频系数和高频系数分别采用加权平均和绝对值取大的融合算法.最后,将融合后的低频系数和各尺度高频系数进行Curvelet反变换得到融合后的去噪图像.实验表明,该方法能有效地降低图像噪声,又尽可能地保留图像的细节,其去噪效果明显优于单一Curvelet阈值法和全变差法.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数;并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于Curvelet变换的软硬阈值折衷图像去噪

与小波变换相比,Curvelet变换更好地表达图像的边缘和细节,因此更适合多尺度图像去噪。针对软阈值和硬阈值去噪方法存在的不足,提出了基于Curvelet变换域的软硬阈值折衷去噪法,并采用不同的阈值自适应地对不同的Curvelet子带进行阈值化。实验结果表明该方法对图像中的边缘、弱的直线和曲线特征有更好的恢复。去噪后图像PSNR值更高,视觉效果更好。     

基于平稳小波变换和Retinex的红外图像增强方法

针对基于小波变换的红外图像增强方法视觉效果不够理想的缺点,提出了一种基于平稳小波变换和Retinex的红外图像增强方法,利用Retinex增强算法增强图像的视觉效果,并改善其亮度均匀性。首先,对红外图像经平稳小波变换后的最大尺度低频子带图像进行多尺度Retinex增强;然后,利用贝叶斯萎缩阈值法对高频子带图像进行阈值去噪,并根据低频子带图像的局部对比度和模糊规则计算高频子带的增益系数,从而得到增强后的高频子带图像;最后,由低频子带图像和高频子带图像重构得到增强后的图像。针对大量图像进行了实验和增强效果的定性与定量评价,并与双向直方图均衡法、二代小波变换法、Curvelet变换法和多尺度Retinex法作了比较。结果表明,所提出的方法增强了图像细节,抑制了噪声,并明显改善了图像的整体视觉效果。     

对称分数样条小波域图像去噪研究

根据数据平滑理论推导求解出能够使对称分数B样条在函数平滑性和逼近性两者之间达到最优的折衷的分数α≈7.9;并通过对BiraShrink基于相邻层系数相关性的小波去噪模型进行改进,得到对分数样条的阶具有自适应性的新阈值公式.试验结果能够说明所推导理论结果的正确性和所给对称分数样条小波系数阈值公式的有效性.基于分数样条小波的图像去噪算法对几何纹理较多的图像去噪效果比较理想,像Barbara这种几何纹理较多的图像当噪声方差不超过10时,该方法去噪后的图像客观峰值信噪比(PSNR)可以达到34.9842,而且去噪结果中较好地保留了原始图像的纹理信息.     

基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。     

一种新的基于非下采样Contourlet变换的自适应图像去噪算法

提出了一种新的结合非下采样Contourlet变换(NSCT)和斯坦无偏风险估计(SURE)的自适应图像去噪方法.通过NSCT对含噪图像进行分解,根据斯坦无偏风险估计准则对分解后的噪声图像进行均方误差E估计,并依据得剑的E<,MS>构造线性自适应阚值方程,对含噪图像的每一个分解子带进行阈值去噪.对自适应阈值去噪后的图像分解子带进行重构.得到去噪图像.实验结果表明,该方法可以有效地消除标准图像和自然图像中的噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有算法.     

基于非冗余轮廓波的图像质量可伸缩编码算法

提出一种用非冗余轮廓波的中低比特率图像质量可伸缩编码算法。该算法采用双正交小波分解和方向滤波器组(DFB)实现图像的非冗余稀疏表示, 不但具有轮廓波对图像中线状奇异性边缘和纹理细节的稀疏表示特点, 而且克服了轮廓波变换系数4/3冗余的缺点。算法中对图像非冗余轮廓波系数各子带系数分布进行统计分析, 通过对变换系数的重新组合, 构造了有利于图像编码的空间方向树结构, 并统计验证了其零树特性, 采用分级树集合分裂和阈值量化达到图像质量可伸缩的嵌入式编码。实验结果表明,其解码算法在中低比特率压缩情况下, 压缩后重构图像的感知质量明显优于小波域SPIHT,JPEG2000编码标准, 峰值信噪比PSNR值与JPEG2000相当, 而图像纹理和边缘细节的视觉效果优于JPEG2000和小波域SPIHT算法。     

复轮廓波包的构造及其图像去噪应用

一般的轮廓波变换只对信号的低频部分进行分解,却忽略了信号的高频部分,因而丢失了丰富的细节和纹理信息,为了克服这种缺陷,本文利用解析的双树复小波包变换和非抽样方向滤波器组,构造了复轮廓波包变换,并提出一种基于相邻系数阈值分类的复轮廓波包图像去噪算法.新的变换除了具有多分辨率、局部性、多方向性和各向异性的特点外,还具有平移不变性和更丰富的方向分量.仿真试验结果表明,构造的复轮廓波包变换能够有效地抑制伪Gibbs现象,并且保护更多的边缘和纹理等细节,其PSNR值和视觉质量均优于一般的去噪方法.     

基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法(英文)

针对大部分已有的遥感图像去噪算法在去噪的同时不能有效的保留细节和增强边缘,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法.该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果.通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法.     

基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法

针对很多已有的遥感图像去噪算法去噪的同时存在不能有效的保留细节和增强边缘的问题,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法。该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果。通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法。     

基于Contourlet变换的遥感图像去噪新算法

提出了一个新的有效的基于Contourlet变换的遥感图像去噪方法。对有噪图像进行Contourlet分解;对Contourlet变换系数引入一个几何先验模型,结合噪声和有用信号的条件分布进行贝叶斯估计,得到每一系数作为有用信号的后验概率,以之作为修正因子修正小波萎缩因子;对重构图像进行递归循环运算处理。仿真实验结果表明,去噪后图像去除了常见的伪吉布斯现象,峰值信噪比提高了1~2 dB。     

Image denoising using trivariate prior model in nonsubsampled dual-tree complex contourlet transform domain and non-local means filter in spatial domain

Image denoising is always the basic problem of image processing, and the main challenge is how to effectively remove the noise and preserve the detailed information. This paper presents a new image denoising algorithm based on the combination of trivariate prior model in nonsubsampled dual-tree complex contourlet transformlet transform (NSDTCT) domain and non-local means filter (NLMF) in spatial domain. Firstly, NSDTCT is constructed by combining the dual-tree complex wavelet transform (DTCWT) and nonsubsampled directional filter banks (NSDFB). The noisy image is decomposed by using NSDTCT. Secondly, based on the correlation between the interscale and intrascale dependencies of NSDTCT coefficients, the distribution of the high frequency coefficients is modeled with the trivariate non-Gaussian distribution model. A nonlinear trivariate shrinkage function is derived in the framework of Bayesian theory, and then the denoised coefficients are obtained and inverse NSDTCT is performed to get the initial denoised image. Finally, NLMF is used to smooth the initial denoised image. Simulation experiment shows that our algorithm can obtain better performances than those outstanding denoising algorithms in terms of peak signal-to-noise ratio (PSNR), mean structural similarity (MSSIM) as well as visual quality.     

基于拉普拉斯塔型变换的Contourlet变换频谱混叠特性分析

针对Contourlet变换存在频谱混叠的问题,立足于拉普拉斯(Laplace)塔型变换的分析研究,指出了Contourlet变换频谱混叠的根本原因在于Laplace塔型变换中两个低通滤波器不满足Nyquist抽样定律,致使阻带截全频率大于π/2,导致Contourlet变换的频谱混叠.基此.设计了满足Nyquist抽样定律的低通滤波器,提出了一种新型的Contourlet变换,即抗混叠Contourlet变换.抗混叠Contourlet变换有效地抑制了频谱混叠,基函数的空频局域件均明显优于Contourlet.通过对Barbara图像的硬阈值去噪实验研究结果表明,抗混叠Contourlet变换去噪在峰值信噪比(PSNR)上高出Contou[et变换2.3 dB(噪声均方差为30),去噪效果好,同时还有效抑制了Contoulet变换去噪后的"划痕"现象,图像的视觉效果更佳.     

Synthetic Aperture Radar image nonlinear enhancement algorithm based on NSCT transform

Due to the imaging mechanism, Synthetic Aperture Radar (SAR) images are susceptible to speckle noise, which affects radar image interpretation. So image denoising and enhancement are important topics of improving SAR image performance. A nonlinear image enhancement algorithm based on nonsubsampled contourlet transform (NSCT) is proposed in this paper. The image is decomposed into coefficients of different scales and directions through nonsubsampled contourlet transform. It is denoised by the threshold method of the multi-scale product of NSCT coefficients. Then thresholds of the nonlinear enhancement function are determined according to the coefficients of each scale. The two parameters of the function, among which one is used to control the range of enhancement and the other can determine the strength of enhancement, are obtained by solving nonlinear equations. The coefficients processed by the enhancement function are used to reconstruct the image. The simulation results on the Matlab platform show that the algorithm has a good effect of enhancing details of images and suppressing noise signals meanwhile.     

基于小波-Contourlet变换的Cycle spinning硬阈值图像去噪方法

综合考虑小波变换的特点以及Contourlet变换对二维光滑图像有很好的近似特性和对曲线有更好的"稀疏"表示的特点,提出了一种基于小波-Contorlet变换的图像硬阈值去噪方法,并用Cycle spinning去除图像中小波-Con- tourlet变换平移变异性而产生的伪吉布斯现象。实验结果表明:该方法与采用Cycle spinning的小波和Contourlet去嗓算法相比,PSNR分别提高了0.4～1.6和0.2～1.0。与其它去噪算法相比,这种方法能有效地去除图像中的噪声,具有更高的PSNR值,能更好地保留图像的纹理和细节。     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。