基于小波的超声斑纹噪声抑制与对比度增强

提出了一种基于小波变换的降低超声图像斑纹噪声,同时完成对比度增强的非线性处理新方法。斑纹噪声属于乘性噪声,是造成超声图像质量退化的主要原因,采用Jain提出的斑纹噪声模型,完成对数化处理后的超声图像的小波变换,然后在最细分辨级上完成小波变换系数的软阈值方法处理,而在中间分辨级上采用硬阈值方法处理,并采用GAG特性曲线对图像细节特征进行增强。算法在预处理阶段还采用了平滑滤波器对最粗分辨级的平滑小波系数进行滤波,以减少脉冲能量对处理结果的干扰。对多幅超声图象的实验结果显示,相对于现有的去噪方法,该方法可以同时实现降噪与局部特征增强的两重目的,具有更佳的适用性。     

基于中值滤波和提升小波分析的图像去噪方法研究

针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。     

基于多尺度分析和加权最小二乘法的非制冷红外条纹噪声校正算法

为了提高红外成像质量的同时更大程度地保持纹理信息,提出一种多尺度分析和加权最小二乘法的条纹噪声非均匀性校正算法.该算法利用加权最小二乘法对图像进行平滑,应用小波变换提取平滑图像的垂直分量,并将其垂直分量替换为原始图像的垂直分量,利用小波重构输出校正后的图像.算法能够精准地去除红外噪声,而不会带来更加麻烦的"鬼影"问题.用该算法对多组不同红外图像数据进行仿真实验,并与其他先进的红外条纹非均匀校正算法进行对比分析,结果表明所提算法校正结果有较好的视觉效果和图像质量评估参数.     

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.     

基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。     

小波变换在CCD图像边缘检测中的应用

对于CCD图像的非稳定高斯噪声,传统的Fourier变换法无法消除噪声,而小波变换在时域和频域同时具有优良的局部化特征,而且对高频采用逐渐精细的时域或空城步长可以聚焦到分析对象的任意细节,从而克服了传统Fourier变换固定步长等缺点,因此,小波变换法可消除这种噪声.本文在分析CCD图像噪声的基础上,利用小波变换和直方图分割方法对目标图像进行了降噪和边缘检测.试验证明此法行之有效.     

基于小波变换的高斯点扩展函数估计

点扩展函数估计是图像复原的重要内容,目前还没有精确估计的算法。根据小波理论,提出了新的高斯型点扩展函数精确估计算法。算法首先对模糊图像作平滑处理,抑止噪声;然后对图像进行不同尺度小波变换,并分别计算出变换后小波模极大值;再根据推导出的不同尺度下小波模极大值、李氏指数、方差三者之间的关系,准确计算出高斯点扩展函数的方差。实验结果表明,算法的估计精度高,达到了95%左右,具有重要的应用价值。     

基于粗糙集与小波变换的图像融合算法

粗糙集理论是处理不确定性问题的数学方法，本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中，对含有椒盐噪声的图像进行粗糙中值滤波，然后对滤波后的图像进行小波融合。实验结果表明，粗糙中值滤波有较强的去噪能力，且较好地保持了图像的细节信息，在此基础上进行小波融合，使得融合结果图像具有良好的效果。     

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。     

改进的傅里叶域小波域联合去模糊算法

傅里叶域与小波域的联合去模糊算法在低噪声时具有优越的恢复效果,但是这种联合去模糊算法并不适用于含噪声的模糊图像.为了解决这一问题,本文将先验约束分别引入傅里叶域的去模糊步骤和小波域的去噪步骤.在傅里叶域,用矩阵形式表示目标函数.对目标函数添加平滑约束并且通过噪声水平和模糊图像高频信息计算得到平滑约束项的滤波系数.同样方式,在小波域对小波域目标函数添加能量约束,实现小波域目标函数的正则化过程.分析傅里叶域的噪声放大程度,通过傅里叶域的滤波系数计算得到小波域能量约束的滤波系数.傅里叶域的平滑约束可以抑制滤波过程中噪声的产生,小波域的能量约束可以提高小波域滤波的鲁棒性.仿真实验表明,改进的算法相比于原始算法具有更好的鲁棒性,可以有效提高图像的恢复质量.对于噪声标准差为0.010.1的模糊图像,改进算法恢复图像峰值信噪比比原始算法恢复图像的峰值信噪比高1左右.并且改进算法对于高斯型点扩散函数误差具有鲁棒性,当点扩散函数估计方差与实际方差相差0.4时,改进算法的恢复效果仍优于原始算法.     

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.     

基于双边滤波和双树复小波的图像去噪算法

提出了基于空域双边滤波和双树复小波变换的图像去噪算法.该算法使用双树复小波变换对含噪图像进行多尺度和多方向的分解,对各个高频方向子带使用带有方向窗的局部维纳滤波算法进行去噪.在重构过程中,对每一个尺度上重构得到的低通图像使用空域的双边滤波算法进一步的去除噪声.实验结果表明本文提出的图像去噪算法获得了明显的去噪性能改善.     

基于边缘软判决的小波域自适应图像去噪

提出了一个新的图像去噪方法。该方法基于非抽样小波变换的多分辨分解,在各尺度下对小波系数进行了边缘和非边缘分类,并根据它们的不同统计特性运用了不同的估计技术。鉴于边缘分类的不确定性,提出了依概率的软分类技术,通过计算边缘发生的概率,判决当前系数应该采用哪一种估计。仿真结果表明:该方法在滤除图像噪声的同时,边缘得到了保持,较目前存在的一些方法更具有优越性。     

太阳射电爆发中图像网纹消除的小波NeighShrink方法

绝大多数观测得到的太阳爆发数据中均含有大量的噪声,这给数据的后续处理带来极大的困难。文章分析和研究了NeighShrink阈值函数的特点以及邻域窗口大小的选择依据,在此基础上提出了一种新的小波NeighShrink平方根阈值方法用于图像去噪。首先对太阳爆发灰度图中的每一通道作了规范化处理,在一定程度上去除由于通道间的差异造成的横条纹,然后将预处理后的图像进行小波分解,采用小波Neigh-Shrink平方根阈值函数对其小波系数作阈值处理,最后利用小波反变换恢复图像。实验结果表明该方法可以有效地实现去除干扰、增强有用信息的目的。     

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。     

基于非分样ridgelet 标架的图像滤噪恢复新算法的研究

提出了一种基于非分样ridgelet标架的图像噪声滤除(UDRIFDA)的新算法。ridgelet标架的特点是:基函数不可分离变量且具有很强的方向性,能够实现对沿直线奇性的有效描述。离散非分样ridgelet标架是通过离散Radon变换切片上的一维非分样小波变换标架来实现的。由于非分样小波变换具有位移不变性,能够很好地刻画多尺度下一维信号的局部特征,基于一维非分样小波变换的软阈值去噪算法能够有效地降低一维信号急剧变化处所产生的震荡现象,故基于非分样ridgelet标架的图像滤噪算法能够大大降低恢复图像上的伪影,有效的克服了文献[1]中分样ridgelet标架滤噪算法(DRITDA)的缺陷。数值实验表明新算法较DRITDA和2D-DWT算法更能提高恢复图像的信噪比和视觉质量。     

一种新的基于小波变换的图像去噪方法

根据图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。与传统的硬阈值、软阈值函数相比,新阈值函数考虑了图像能量分布的特点,对于每一小波系数乘以一个与自身大小相关的降噪因子,并且新阈值函数简单易于计算,具有较强的自适应性。实验结果表明,采用新阈值函数的去噪结果能够有效地抑制图像的马赛克效应,无论在视觉效果上,还是在信噪比增益上均优于传统的软、硬阈值方法。     

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。