基于双树复数小波变换的微钙化诊断方法

提出一种基于双树复数小波变换的微钙化分类方法.通过提取基于小波和灰度直方图的纹理特征,结合遗传算法进行特征优化,分别用神经网络,支持向量机和KNN分类器进行微钙化的良恶性分类.对三种不同的分类器进行对比,结果表明:KNN分类器取得最好的效果,而支持向量机优于神经网络.KNN分类器对比于神经网络和支持向量机,无需训练,可节约训练时间,最直接地利用了样本和样本之间的关系,减少了类别特征选择不当对分类结果造成的不利影响,可以最大程度地减少分类过程中的误差项.在类别决策时,KNN分类器只与极少量的相邻样本有关,可以较好地避免样本数量的不平衡问题.与传统的小波比较,双树复数小波具有近似平移不变性和正则性,对图像信号具有良好的方向选择性,且冗余度有限,计算量较小.     

基于双树复数小波变换的微钙化诊断方法

提出一种基于双树复数小波变换的微钙化分类方法.通过提取基于小波和灰度直方图的纹理特征,结合遗传算法进行特征优化,分别用神经网络,支持向量机和KNN分类器进行微钙化的良恶性分类.对三种不同的分类器进行对比,结果表明:KNN分类器取得最好的效果,而支持向量机优于神经网络.KNN分类器对比于神经网络和支持向量机,无需训练,可节约训练时间,最直接地利用了样本和样本之间的关系,减少了类别特征选择不当对分类结果造成的不利影响,可以最大程度地减少分类过程中的误差项.在类别决策时,KNN分类器只与极少量的相邻样本有关,可以较好地避免样本数量的不平衡问题.与传统的小波比较,双树复数小波具有近似平移不变性和正则性,对图像信号具有良好的方向选择性,且冗余度有限,计算量较小.     

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。     

基于平移不变多小波方法的磁共振去噪研究

为了提高影像的质量,将一种新颖的基于平移不变原理的多小波方法引入到磁共振的复数信号去噪中.通过对多小波向量系数在一定范围内的循环平移求平均估计子,获得一个改进的阈值估计子,并在不同尺度的高频子带内取双元硬阈值以实现最小化期望风险.实验结果显示,该方法相对于目前几类高效算法和传统的平移不变单小波方法,在消除噪音和抑制伪影的同时能更好地保留边缘特征,并显著改善了信噪比和均方根误差.     

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.     

双树复数小波变换的视网膜图像半盲解卷积复原

针对导致自适应光学视网膜图像降质退化的原因,提出了一种结合双树复数小波变换(DTCWT)和图像半盲解卷积复原算法的方法。首先,对经过自适应光学实时校正技术得到的视网膜图像进行DT-CWT分解,得到低频和高频部分应的图像。将自适应光学成像系统中残余像差重建的光学传递函数作为图像复原模型的初始估计点扩散函数(PSF),并对低频部分图像进行条件约束的迭代半盲解卷积复原;对高频部分的图像进行去噪处理。最后,将处理后的高频和低频部分图像进行双树复数小波逆变换,获得复原图像。实验和结果表明:由该方法处理的视网膜细胞图像质量得到明显提高,图像客观质量评价参数相对于原始图像提高了5倍多;在视网膜细胞的空间频率范围内(70~90(°)~1),复原图像功率谱平均值提高了5倍左右,有助于对视网膜细胞的高分辨率观察。     

基于双树复数小波变换和双变量萎缩阈值图像降噪

相对于传统的离散小波变换(DWT)缺点来说,双树复数小波变换(CWT)有很多优点,包括位移不变性、能量守恒和良好的方向性。指出了CWT滤波器组的构造原理和方法,并给出了CWT的滤波器组参数。通过具体公式和图解,说明了如何利用CWT进行图像的分解和重构,在阈值处理上选择改进的双变量萎缩阈值法(BS)。和其它方法的降噪图像和PSNR对比可以看出,该方法能够在降噪过程中很好的保持图像细节,限制了混淆现象。     

双密度复小波与系数相关性的红外图像去噪北大核心CSCD

为了去除红外图像中高斯噪声的同时,更好地保持和恢复图像的纹理边缘和细节特征,提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势:图像信息的平移不变性、图像纹理细节的多方向选择性等,基于对图像小波系数分布的假设,根据当前小波系数与其父、子小波系数的相关性,对无噪的小波系数作贝叶斯估计,以恢复无噪的红外图像,最后对去噪图像进行引导滤波,去除图像的波纹效果。实验数据显示,该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法,证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。     

基于非下采样双树复小波域的双变量模型去噪算法

提出一种基于非下采样双树复小波域的图像去噪算法.首先分析非下采样双树复小波变换同一方向实部与虚部小波系数之间的相关性,通过实例及统计规律得到其联合概率分布近似服从于椭圆边界的单峰各向异性二维非高斯分布.然后把双变量统计模型引入到非下采样双树复小波变换实部和虚部小波系数中,将实部与虚部小波系数的联合概率分布作为双变量先验模型,得到了非下采样双树复小波变换自适应各向异性双变量去噪模型.该模型可以很好地体现实部与虚部小波系数之间的相关性.运用最大后验概率来估计从含噪图像的小波系数恢复原图像的系数,达到去噪目的.最后根据该模型得到了一种具有闭式解的去噪算法.实验表明:该算法比经典算法提高了一定的峰值信噪比,且有良好的视觉效果,较好地保持了图像中的纹理特征.     

A background subtraction approach based on complex wavelet transforms in EDXRF

Subtracting the background accurately is one of the most important issues in energy‐dispersive X‐ray fluorescence (EDXRF) spectra processing. This paper presents a novel approach to perform background subtraction based on dual‐tree complex wavelet transform. Compared with real wavelet transform, the proposed method has some attractive properties, including a smooth, nonoscillating, and nearly shift‐invariant magnitude with a simple near‐linear phase encoding of signal shifts. Therefore, it outperforms real wavelet transform to decompose background into low‐frequency components. The effectiveness of the proposed approach is demonstrated via two simulated spectra with different kinds of backgrounds and one measured spectrum from an energy‐dispersive X‐ray spectrometer. Both simulated and experimental results prove that the proposed approach can subtract background in EDXRF spectra effectively. Copyright © 2014 John Wiley & Sons, Ltd.     

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。     

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     

基于多尺度Radon变换的图像检索

根据Radon变换的统计特性构造了不变量,提出一种新的基于多尺度Radon变换的图像形状检索方法.对检索图像作小波变换,根据小波模极大原理得到边缘图像,对边缘图像构造Radon变换中心矩,在中心矩的基础上根据Radon的统计原理构造出尺度不变矩.由于矩阵的奇异值具有旋转不变性,因此针对不变矩向量矩阵求奇异值,该奇异值特征向量具有平移、尺度和旋转不变性.将该Radon变换的不变量作为形状特征,并进行高斯归一化,按照欧氏距离计算不同图像间的形状相似度.试验结果表明,该方法对高斯噪音具有较强的鲁棒性,与其它方法相比具有较好的检索效果.     

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.     

基于四叉树复小波变换的卫星图像去噪

小波变换方法被广泛应用于图像处理,但由于其不具有平移不变性以及较少的方向选择,因而限制了它的应用范围。四叉树复小波变换,是对Malla算法的一种改进,通过奇偶滤波器的对称使用,在四棵数上分别实现分解和重构。与一般复小波一样,四叉树复小波算法具有较好的方向选择性和平移不变性,并且容易实现完全重构。采用四叉树复小波变换和基于子带噪声的自适应阈值方法,对一幅卫星图像进行了去噪处理,仿真实验表明该方法具有较好的去噪效果。     

基于自适应无下采样提升框架的Stokes图像获取方法

根据成像偏振探测中stokes参数图像获取的原理和方法，分析了传统求取stokes参数图像方法在保留图像细节信息和处理输入图像微小平移等方面的不足，在此基础上提出了基于自适应平移不变小波分解的stokes参数图像求取方法，并用无下采样的提升框架来执行平移不变小波分解以提高算法的灵活性和计算速度.针对不同的stokes参数图像求取方法，用均值、方差、熵、边界能量对融合结果进行评价和分析.通过仿真，表明本文方法提高了stokes参数图像的质量并改善了stokes参数图像计算方法对输入图像平移的敏感性.     

基于复小波和局部梯度的靶标图像混合降噪

提出了一种有效去除光电成像测量系统中靶标图像噪音的混合降噪法.根据图像像素局部梯度模找出图像中受椒盐噪音污染的像素,使用中值滤波降噪.对去除椒盐噪音的图像,利用复对数Gabor小波提取各像素的相位信息和幅度信息,确定最小尺度滤波器对噪音幅度分布的估计值,从而自动地确定各个尺度上的噪音幅度分布的估计值和噪音萎缩阈值,达到有效降噪的目的.实验表明,该方法的降噪效果明显优于实symlet4小波、中值滤波和单一复对数Gabor小波降噪法.     

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K-means聚类和SPIHT编码的红外图像压缩算法研究

提出了基于K-means聚类和SPIHT编码的红外图像压缩算法。通过采用小波域系数的SPIHT编码压缩,克服了JPEG标准压缩算法在低比特率下严重的方块效应;通过K-means聚类算法,克服了嵌入式零树编码算法（EZW）没有充分考虑到图像小波系数同一子带中相邻元素之间相关性的缺陷。实验结果表明,此算法对红外图像具有很好的边缘和纹理保持性能。