结点阈值小波包变换图像去噪新算法

小波包变换是小波变换的推广,可视为普通小波函数的线性组合,具有灵活的时频分析能力,随着分解层数的增加,小波包分解能够在所有的频率范围聚焦。提出一种应用结点阈值小波包变换的新型图像去噪算法。利用小波包变换对含噪图像进行分解,在图像信号的子带层次上进行结点阈值操作,采用软阈值的方法进行阈值处理,结点噪声采用谱熵法估计,并使用峰值信噪比评估去噪后的图像质量。实验结果表明,相比于使用其它阈值方法的小波包图像去噪算法,该算法具有更好的图像去噪性能。     

基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(ρ,σ)=(0.4, 20)时,采用本文去噪方法,峰值信噪比(PSNR)为34.002 1,平均绝对误差(MAE)为2.365 3。     

一种改进的小波阈值去噪方法

提出了一种新的阈值函数,它高阶可导,便于各种数学运算。与硬阈值函数相比,它在阈值点处是连续的;相比于软阈值函数,减小了估计小波系数存在时的恒定偏差,更好地保留了图像边缘等局部特征。选用平移不变小波变换,结合新提出的阈值函数,给出了一种新的去噪方法。仿真实验结果证明了此方法的优越性。     

贝叶斯改进阈值超声图像去噪方法

针对超声图像散斑噪声,提出一种贝叶斯改进阈值超声图像去噪方法。超声图像质量下降的主要原因是乘性噪声的污染,采用Jain提出的噪声模型,完成对数化后的小波变换,假设小波系数服从广义高斯分布,估计各尺度的贝叶斯阈值,利用改进的阈值函数处理各小波系数。所用改进阈值函数较软阈值函数有更好的连续性且不易丢失小波系数。处理医学超声图像和声纳超声图像的结果表明,较之以往的去噪方法,该方法在去除噪声的同时能较好的保留边缘及细节特征。     

痕量微生物图像的阈值分割方法研究

探讨阈值分割算法,把其应用于痕量微生物图像的处理。基于阈值算法提出了适合痕量微生物图像的目标信号提取方法。对阈值分割算法进行分析,对比传统阈值方法和提出的改进阈值算法的实际图像处理效果。传统阈值算法可实现对图像中微生物信号的提取,但存在一定失真。基于阈值分割方法的改进算法具有抑制噪声信号,及区分背景与目标的能力,可高效实现微生物信号的提取。所成微生物分布二值图像具有轮廓清晰、易于观察的特点。     

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。     

一种海空背景下红外小目标检测新算法

针对海空背景下红外小目标图像信噪比低、难以检测的情况以及传统检测方法需要图像帧数多、实时性差等缺点,基于Donoho的小波变换阈值化方法,提出了一种更加适合海空背景下红外小目标检测的新算法.该算法采用一种新的阈值求取方法以及更加简单的硬阈值化函数对图像进行处理.通过仿真实验将新算法与传统检测算法进行比较,实验结果表明,无论在处理效果还是实时性上,新算法都优于传统算法.     

基于EM和GMM相结合的自适应灰度图像分割算法

提出一种阈值自适应、EM方法估计GMM参量的图像分割算法,能够根据图像的内容结合区域和边界两方面的信息自适应地选择阈值,精确地进行图像边界分割.算法首先提取图像的边界,然后根据边界的直方图计算图像的可分割性,由可分割性确定EM方法的阈值进行GMM分割,最后合并图像的近似区域.实验数据表明,相比其它图像分割算法,以及固定阈值的传统EM算法,本算法的分割结果更为准确.     

基于复小波与最大后验估计的红外图像滤波

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷,提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性,对含噪的红外图像作双树复小波变换;基于对高斯噪声和无噪图像的概率密度分布的假设,在小波域中对无噪图像的小波系数作最大后验估计,实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性,算法在有效去除噪声的同时,对边缘细节的保持和恢复较理想,去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。     

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。     

小波阈值去噪的一种改进方法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小,而信号的方差和幅值与小波变换的尺度变化无关。本文在Donoho的软、硬阈值去噪方法基础上,提出了一种新的阈值函数,并把它们应用在图像的去噪上。该阈值函数具有物理意义清晰、表达式简单、计算方便等优点。实际噪声图像测试结果表明,这种经改进的方法可以有效地去除白噪声干扰,无论是在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值去噪算法以及改进的软硬阈值折中算法。     

基于双树复数小波变换的图像去噪方法

在双树复数小波的基础上引入平移不变的重要思想,使其具有真正意义上的平移不变性.提出了一种基于平移不变双树复数小波变换的图像去噪方法.实验结果表明该方法能有效提高图像去噪效果及图像边缘检测能力.     

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.     

小波软阈值径向基神经网络同时测定多组分混合物

建立了一种小波软阈值径向基函数神经网络 (STWRBFN)方法 ,同时定量分析了多组分混合物。结合小波软阈值法和径向基函数神经网络改进了回归质量。通过最佳化 ,选择了小波函数、小波分解水平(L)、阈值法类型和网络的伸展参数 (σ)。两个程序PSTWRBFN和PRBFN被设计执行STWRBFN和径向基函数神经网络 (RBFN)计算。实验结果表明STWRBFN是成功的且优于RBFN法 ,和经典的多变量线性回归(MLR)方法相比较 ,这两个方法更为有效     

基于自适应提升小波变换的图像压缩

介绍一种用基于提升算法的中值滤波构造自适应小波变换方法.其思想是设计自适应的“预测算子”及自适应的“更新”运算以更好的逼近信号,从而达到更“紧凑”的信号表示.实验表明,在图像压缩应用中,在峰值信噪比(PSNR)上,虽然本文算法比不上D9/7小波,但在主观评价上更好.     

Wavelet-based edge correlation incorporated iterative reconstruction for undersampled MRI

Undersampling k-space is an effective way to decrease acquisition time for MRI. However, aliasing artifacts introduced by undersampling may blur the edges of magnetic resonance images, which often contain important information for clinical diagnosis. Moreover, k-space data is often contaminated by the noise signals of unknown intensity. To better preserve the edge features while suppressing the aliasing artifacts and noises, we present a new wavelet-based algorithm for undersampled MRI reconstruction. The algorithm solves the image reconstruction as a standard optimization problem including a ?₂ data fidelity term and ?₁ sparsity regularization term. Rather than manually setting the regularization parameter for the ?₁ term, which is directly related to the threshold, an automatic estimated threshold adaptive to noise intensity is introduced in our proposed algorithm. In addition, a prior matrix based on edge correlation in wavelet domain is incorporated into the regularization term. Compared with nonlinear conjugate gradient descent algorithm, iterative shrinkage/thresholding algorithm, fast iterative soft-thresholding algorithm and the iterative thresholding algorithm using exponentially decreasing threshold, the proposed algorithm yields reconstructions with better edge recovery and noise suppression.     

基于分形的小波分析压缩编码

分析了小波及分形在图形压缩编码中的特点 ,构造了Haar小波树 ,提出基于分形的小波域图像压缩编码的算法。实验证明 :该方法在相近的压缩比的情况下 ,使重建图像的PSNR增加 4 1,图像压缩速度明显提高 ,并且重建图像的主观视觉质量也优于JPEG。     

一种改进的图像组合滤波方法

利用小波阈值去噪和Wiener滤波的特点，在文献［7］的基础上提出了一种改进的组合滤波方法，在进行空域自适应滤波之前，先对经BayesShrink处理过的预去噪图像重新估计其噪声方差，通过数值计算给出了该噪声方差的一种近似最优估计公式.实验结果表明该方法在去噪图像的均方误差和对不同图像的适应性方面都得到了改善.