基于小波变换的磁共振图像去噪

去噪是图像处理中的一个非常重要的问题. 传统去噪方法在降低噪声的同时会模糊图像的细节,基于小波变换的图像去噪方法能在降低图像噪声的同时较好地保持图像的细节,目前基于小波变换对图像进行去噪已经成为最有前途的去噪方法之一. 本文综合小波域去噪的文献,对小波域的磁共振图像去噪方法进行了综述,详细介绍了各种小波域的磁共振图像去噪方法,并对他们的性能进行了总结,对小波域去噪方法的发展趋势进行了展望.     

小波变换域中图像噪声平滑技术

本文分析了小波变换应用于图像噪声平滑的原理，并对在应用中的小波函数的选择、信息剪裁和信号重构等几个重要问题进行了详细论述，对小波变换的图像滤波技术既能平滑噪声又能保留图像边缘的问题提出了具体要求。     

多路CCD成像非一致性动态校正新方法

在多路CCD成像结构中,由于影响各路成像参量不一致的因素较多,常规校正方法变得复杂和困难。在分析多路CCD成像机理的基础上,提出了一种利用小波变换的多路CCD成像非一致性动态校正新方法,即在分析同一目标成像中异路图像像元特性差异的基础上,利用小波变换构筑校正因子对后续的CCD捕获图像进行校正。为满足实时校正的需要,研究了动态条件下成像校正的时效性,分析了不同小波的动态校正效率。实验结果表明,校正后同一目标异路图像相关值为0．9975,Symlet3小波在两路及多路成像校正中均具有较高效率;在多路成像中,Symlet系列小波相对于其它类型小波校正效率相对突出。此方法为多路CCD成像非一致性在线校正提供了有效的途径。     

小波变换在二维图像背景处理中的应用

利用小波变换能结合空域和频域进行滤波的特点，对二维CCD信号进行滤波处理，得到了较好的结果。在二维单光斑图像处理中，通常待处理的图像是离散的二维数缈其中包含有信号和背景，由于已知图像的内容为单光斑，因此，可以通过窗口滤波的形式对图像变换的小波系数进行处理，实现滤除噪声，保留信号的功能。     

时间-频率联合分析消除太赫兹光谱干涉

基于Fourier变换的传统太赫兹时域光谱分析技术从不同长度的太赫兹信号中产生了不一致的光谱结果,增加太赫兹时域采样长度又会造成光谱的干涉,不利于太赫兹光谱测量的研究和应用。应用小波变换方法对太赫兹波谱作时间—频率联合分析,将不同时刻的太赫兹波谱展开到二维的时间-频率平面,消除了光谱分析的不一致性和光谱干涉的影响。     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

基于提升小波变换的雷达生命信号去噪技术

对于噪声干扰严重、非线性、非平稳、多奇异点的微弱雷达生命信号而言,去噪是对有用信号进行分析前的必要手段。基于多普勒效应原理和雷达噪声的统计特性,建立了雷达生命信号的模型,分别用传统小波变换和提升小波变换对强噪声干扰下的生命雷达信号进行了去噪处理,结果表明被强噪声污染的雷达生命信号可以用传统小波变换的方法和提升小波变换法对其有效去噪,提升小波变换去噪效果优于传统小波变换去噪效果,其信噪比(SNR)和均方误差(MSE)两个性能指标均高于传统小波去噪。对雷达生命信号进行去噪处理时,使用的小波基函数是sym8,分解层数为3层。     

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。     

基于多分辨分析的合成孔径声纳相干斑抑制研究

相干斑噪声的存在使合成孔径声纳图像不能正确反映目标的反射特性,严重影响了图像的质量,降低了对图像的分析和理解性能。一个良好的合成孔径声纳图像相干斑抑制算法,必须在有效抑制相干斑噪声的同时,尽量保持图像中的边缘、点目标等细节信息。小波变换具有多分辨特性,可以利用其多分辨特性进行图像噪声消除。由于合成孔径声纳图像相干斑具有乘性噪声的性质,这就需要对其合成孔径声纳图像进行对数变换,把乘性噪声转换成加性噪声。然后对加性噪声进行小波多分辨分析和阈值处理,剔除小于阈值的小波系数后进行逆小波变换和指数变换,从而获得抑制相干斑噪声后的新的合成孔径声纳图像。从相干斑抑制的结果可以看出,基于多分辨分析的相干斑噪声抑制算法能够有效降低合成孔径声纳图像中的相干斑噪声。     

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。     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

遥感相机自动检焦技术研究

将基于图像处理的自动检焦技术应用于线阵CCD推扫成像的空间遥感相机中。图像法检焦的关键在于对焦评价函数的选取。通常对焦评价函数是在摄影目标不变的情况下得出的,而推扫成像的线阵CCD相机在任意时刻所拍摄的景物都是不同的,这就给对焦评价函数的选取增加了难度。用功率谱的方法对任意景物在空间频域进行分析表明,功率谱对于自然景物具有一定的不变性。由此建立了基于功率谱的对焦评价函数,采用小波去噪与亮度归一化相结合的图像预处理技术有效地去除了图像噪声和亮度变化对对焦精度的影响。通过对功率谱评价函数进行加权处理,提高了对焦评价函数曲线的灵敏度。仿真实验表明了所构造的对焦评价函数是可行的。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

基于混沌粒子群优化的图像Contourlet阈值去噪

提出了基于混沌粒子群优化的图像Contourlet阈值去噪方法.该方法在Contourlet变换域内利用混沌粒子群算法来确定最优阈值,再通过软阈值函数去噪,且不需要噪音方差等先验信息.实验结果表明：该方法与小波Bayeshrink阈值、基于粒子群的小波阈值、Contourlet自适应阈值等去噪方法相比,能有效地去除高斯白噪音和椒盐噪音的混合噪音,提高峰值信噪比,并较好地保留图像的细节和纹理,从而明显地改善了图像的视觉效果.     

基于高速公路裂纹局部线性特征内容的脊波变换域算法研究

利用频域中傅里叶变换投影定理,提出一种新的离散脊波实现算法,应用于高速公路局部线性裂纹的检测取得较好效果。详细阐述了离散脊波的实现步骤以及对标准图像进行脊波变换的模拟结果,并提出拉东(Radon)变换重建原图像的基本条件。上述定理应用于复杂背景下的路面检测,结合直方图均衡化算法消除背景噪声;选用基于样本估计的阈值方法对脊波分解的各层系数进行处理去除随机噪声。选用不同的重构系数进行计算,得到脊波变换后重构图像的信噪比优于二维小波变换(低频大于20dB)以及二维小波变换加魏纳滤波变换(平均大于3dB)。通过图像的二值化处理提取局部线性裂纹,其分辨力极限达到2mm精度。     

基于小波变换的激光主动成像图像去噪方法

 针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。