改进的Canny图像边缘检测算法

边缘检测是图像处理中非常重要的一个环节,针对图像边缘检测中噪声抑制与细节保留之间的矛盾,提出了一种改进的基于Canny算子的边缘检测算法,采用小波变换和改进的自适应中值滤波器替代Canny算法中高斯滤波器对图像做去噪工作;采用3×3邻域代替Canny算法中2×2邻域来计算梯度幅值.仿真实验结果较好地说明了改进算法的性能...     

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。     

基于双树复小波与波原子的图像扩散滤波

图像的非线性扩散滤波来源于热方程的思想,其关键在于计算适当的扩散系数和控制扩散方向. 在已有的扩散模型中,由于扩散系数仅依赖于图像的梯度,因而这类模型容易受噪声的干扰;同时,图像的细节信息(如纹理)容易被误认为是噪声而被去除. 为克服这些不足,首先给出了一种采用双树复小波变换计算扩散系数的方法;然后设计了一种用于图像滤波的非线性扩散模型,最后提出了基于双树复小波变换和波原子阈值相结合的图像滤波算法. 仿真结果表明,所提出的算法在对含噪图像滤波的同时,能够较好地保持图像的边缘和纹理等细节信息. 关键词： 图像扩散滤波 非线性扩散 波原子 双树复小波变换     

一种偏振普适性多尺度实时的图像去雾算法

针对现有偏振算法依赖于"天空区域"估计大气参数,从而受白色目标或高亮区域干扰的不足之处,提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法,突破估计模型参数利用天空的局限性,重建场景深度,结合大气散射模型复原低频无雾图像;同时针对目标复原过程中噪声遗留问题,研究软阈值去噪算法,结合低频信息重构的透射率,以梯度增强方式丰富纹理细节,最后小波重构出清晰图像.实验结果表明,该算法有效消除了估计大气参数受制于天空区域的局限性,抑制噪声的影响,复原的目标更加清晰,细节方面更为丰富,算法运行效率方面有较大提高.     

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.     

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。     

改进的基于脊波变换的图像去噪新算法

脊波(Ridgelet)变换能够克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法;在分析传统脊波阈值去噪法的原理和存在的优缺点的基础上,构造了一种新的阈值函数,并结合SURE阈值,提出了一种改进的基于脊波变换的图像去噪方法;并将其应用于受不同强度高斯噪声污染的图像中,实验结果表明该方法对噪声具有良好的噪声拟制作用,能较好地保留图像的细节信息,去噪性能优于常用方法。     

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。     

一种基于小波变换的红外小目标去噪算法

 研究了复杂背景下红外小目标图像的去噪问题，鉴于小波阈值法去噪的缺点，结合小波变换的去相关性和能量紧支性，提出一种新的去噪方法。考虑到实际中的复杂背景和大量干扰，弱小目标通常占有很少像素，首先对红外小目标图像进行二级小波变换，然后根据新的算法对变换所得小波细节系数进行邻域运算，最后通过小波逆变换得到处理后的图像。 实验中采用Db3小波基函数，分别对两帧低信噪比原始图像进行仿真。仿真结果表明，该算法能很好地保存小目标的形状特征，抑制背景，达到较好的去噪效果。     

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.     

基于小波变换与卷积神经网络的图像去噪算法

图像在生成或传感过程中往往会受到噪声干扰，噪声干扰会给后续图像处理工作增加难度，甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势，提出了一种有效的图像去噪算法。训练阶段，采用提出的算法对图像进行尺度为1的平稳小波分解后，分别把高、低频分量输入4个设计好的残差网络进行训练；在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到σ=50时，去噪后图像的峰值信噪比（peak signal to noise ratio, PSNR）均值和结构相似性（structural similarity index method, SSIM）均值可以达到28.37 dB和0.808 0，提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声，以及遥感图像在传感过程中产生的噪声，并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节。     

基于神经网络和小波变换的MRI图像去噪方法

过去10年中,小波变换在图像去噪中取得了很大的成功.人们提出了多种适用于小波去噪的阈值方法,而这些方法就是希望能够正确地反映有噪声小波系数与无噪声小波系数之间的映射关系.基于这种想法,我们提出一种在小波域中利用神经网络寻找这种映射关系的图像去噪新方法.我们把该方法应用于不同噪声分布的磁共振图像的去噪,取得了良好的效果.     

一种基于小波变换的红外偏振融合算法

针对红外偏振图像可以较好地抑制背景噪声,对目标边缘信息比较敏感的特点,提出一种基于小波变换的红外偏振融合算法,它主要用于红外辐射强度图像和偏振度图像融合,增加图像的信息量。首先采用小波变换对参与融合的每幅图像分别进行各尺度分解,得到各尺度小波系数,然后针对不同尺度小波系数,采用邻域平均梯度为判据进行融合,得到融合后的各尺度小波系数,最后通过小波逆变换进行图像重构,得到融合图像。融合前后的图像对比表明融合图像在保留辐射强度图像的清晰度的同时,突出了目标的边缘、轮廓信息。相对于辐射强度图像,融合图像的梯度均值提高了112%,相对于偏振度图像,融合图像的标准差提高了151%,信息熵提高了38%。     

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.     

An improved fusion algorithm for infrared and visible images based on multi-scale transform

In this paper, an improved fusion algorithm for infrared and visible images based on multi-scale transform is proposed. First of all, Morphology-Hat transform is used for an infrared image and a visible image separately. Then two images were decomposed into high-frequency and low-frequency images by contourlet transform (CT). The fusion strategy of high-frequency images is based on mean gradient and the fusion strategy of low-frequency images is based on Principal Component Analysis (PCA). Finally, the final fused image is obtained by using the inverse contourlet transform (ICT). The experiments and results demonstrate that the proposed method can significantly improve image fusion performance, accomplish notable target information and high contrast and preserve rich details information at the same time.