Shearlet变换域自适应图像去噪算法

首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。     

一种新的基于NIG模型的四元数小波图像去噪方法

基于正态逆高斯模型和快速双边滤波,本文在四元数小波变换域提出一种新的图像去噪算法.首先将噪声图像进行四元数小波变换分解,其次应用快速双边滤波算法处理低频子带,高频子带采用正态逆高斯模型对其进行建模,并结合最大后验概率估计准则推导出相应的阈值函数,最后结合最优线性插值得到的阈值算法实现图像去噪.对提出的算法进行实验仿真,通过与已有优秀去噪算法比较,结果显示本文方法取得了不错的视觉效果,且在峰值信噪比和平均结构相似性上都得到一定的提高.     

一种新的基于非下采样Contourlet变换的图像去噪方法

提出了一种新的结合非下采样Contourlet变换(NSCT)和高斯比例混合模型的图像去噪方法.采取的主要方法为:1)通过NSCT对图像进行分解;2)根据高斯比例混合模型建立图像模型;3)利用贝叶斯估计进行图像去噪.实验结果表明,相对于已有算法,本文方法降噪效果好,在去噪性能指标和边缘保持的主观视觉上都表现出优异的性能.     

基于Contourlet变换的图像去噪算法

提出了基于平移不变的Contourlet去噪方法,与平移不变小波去噪相比较,结果表明该算法能有效地消除人为的视觉效果,使去噪后的图像获得更好的视觉效果,同时PSNR也得到了很大的提高.     

基于Shearlet变换域图像噪声混合滤波方法

在深入分析Shearlet变换理论的基础上,给出具体的Shearlet变换步骤,并提出一种针对图像脉冲噪声的混合滤波方法.该方法首先对噪声图像进行Shearlet多尺度变换,获得高频和低频系数,保留低频系数不变;然后针对Shearlet高频系数能够较好地刻画噪声局部化的性质,设计出一种多尺度、多方向特性的串/并联自适应中值滤波器,对高频系数中噪声进行自适应检测和滤除;最后实现低频系数和滤波后高频系数重构.通过与小波阈值法去噪和开关中值滤波法仿真实验比较可知,该滤波方法对于高强度的脉冲噪声具有较好的处理效果.     

一种基于Shearlet变换域改进自适应中值滤波算法

为了有效滤除图像中大量存在的脉冲噪声,提出了一种基于Shearlet变换域改进自适应中值滤波方法。首先在对Shearlet变换进行深入分析的基础上,给出了Shearlet分解和重构基本步骤;然后实现对含噪图像进行多尺度Shearlet变换,对获得多个尺度下的分解系数采用从噪声检测、噪声滤波等环节改进的自适应中值滤波算法(IAMF)进行噪声抑制;最后实现滤波后分解系数重构。分别与经典中值滤波(MF)、自适应中值滤波(AMF)以及Shearlet变换域阈值法进行比较,实验结果表明,该滤波算法滤波性能较好。     

基于平移不变的小波变换去噪快速算法

在介绍小波变换去噪理论的基础上,针对传统的小波变换去噪算法的缺陷,提出了一种基于平移不变的小波去噪快速算法.着重探讨平移不变小波去噪方法中平移量的选取对去噪效果以及计算复杂度的影响.仿真实验证明该算法能够在不影响去噪效果的前提下,较大程度降低计算复杂度.     

基于非下采样剪切波变换域三变量模型图像去噪算法

结合非下采样剪切波变换域三变量阈值滤波和多分辨引导滤波,本文提出一种去除高斯白噪声的图像去噪的有效方法.在非下采样剪切波变换域中,以三变量非高斯模型对方向带通子带系数间相关性进行建模,采用最大后验估计理论推导出三变量收缩阈值函数.此外,对低频子带系数采用多分辨引导滤波进行平滑处理,以达到更好的噪声抑制效果.实验结果显示,本文所提去噪方法可以有效抑制噪声同时保留更多的图像细节信息,与其他滤波算法相比,该去噪算法可得到更高的客观数据及更好的视觉效果.     

基于正态逆高斯模型的非下采样Contourlet变换图像去噪

提出一种基于正态逆高斯先验模型的非下采样Contourlet变换图像去噪算法.在非下采样Contourlet变换域中,以正态逆高斯模型为先验模型,对图像分解系数的稀疏分布统计建模,估计每个子带内的模型参数,在贝叶斯最大后验概率估计准则下推导出与正态逆高斯模型相应的阈值函数表达式,以此对图像进行去噪处理.对于被加性高斯白...     

一种Contourlet循环平移自适应阈值SAR图像去噪算法

针对传统阈值算法缺乏自适应性的缺点,利用Contourlet多方向性和各向异性的优点,提出了一种基于Cont-oudct循环平移自适应闲值的SAR图像去噪算法.利用sigmoid函数构建一种新的自适应网值函数.根据Contourlet不同方向子带系数的特点,动态调整阈值函数中的参数.以获得合适的阈值对Contourlet系数进行处理.同时为了抑制图像边缘附近的伪吉布斯效应,引入循环平移算法来抑制人为干扰.分别利用4种经典的阈值算法和本文算法,对实测SAR数据进行相干斑抑制,试验结果表明,Contourlet循环平移自适应阚值SAR图像去噪算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了86.22和O.3.     

基于Shearlet变换的SAR图像自适应去噪算法

针对SAR图像相干斑噪声的特点,提出了一种基于Shearlet变换的自适应去噪算法。首先对图像进行Shearlet变换,在考虑噪声度量和各尺度空间相关性的基础上,对Shearlet系数进行自适应收缩,将修正后的系数通过Shearlet逆变换重构图像。实验结果表明,文中算法在SAR图像处理相干斑得到有效抑制的同时,具有较强的边缘保持能力。     

子波变换去噪的一种新算法

在图象平滑中，经常采用均值滤波和中值滤波。然而均值滤波对高斯白噪声比较有效而中值滤波对脉冲噪声比较有效。因而寻求对两种噪声都有效的去噪算法是我们所希望的。本文在概要介绍子波变换的基础上，首先从理论分析和实验计算两个方面详细讨论了脉冲信号和高斯白噪声的子波变换特性。然后说明了一种对脉冲噪声和高斯白噪声同时有效的新的去噪算法。最后利用改进的去噪算法对一维信号和二维信号进行了实验，并给出了数字仿真的结果。     

基于Contourlet变换的自适应图像去噪方法

综合考虑Contourlet变换后系数尺度内和尺度间的依赖性,提出了一种基于Contourlet变换的自适应去噪方法.与几种传统的小波去噪算法比较,它能够更有效地保留图像的细节和纹理,具有更好的视觉效果和较优的SNR值.     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

结合Shearlet变换和果蝇优化算法的甲状腺图像融合

针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进行分解,分别得到高低频子带系数。高频子带系数采用区域能量取大的融合规则,低频子带系数使用改进的加权融合规则,并把果蝇优化算法引入低频融合过程,以互信息作为适应度函数来获取最优值,克服了原加权融合算法互信息低的缺点。最后,用Shearlet逆变换得到融合后的图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于其他融合算法。     

一种基于mean shift的Contourlet域SAR图像去噪方法

Contourlet变换是小波变换的新发展,具有良好的多尺度和多方向性。合成孔径雷达(SAR)图像Contourlet阈值去噪不考虑相邻像素在变换域的联系,将低于阈值的变换系数置零,会丢失图像中的细节信息。针对上述问题,文中提出一种新的去噪算法:首先,将SAR图像进行Contourlet分解;然后,利用具有良好间断点保留能力的mean shift算法处理子带系数。实验结果证实该算法能够在有效抑制相干斑噪声的同时,较好地保留图像中的细节信息。     

一种基于双树复小波变换的图像去噪算法

针对图像处理的需求,提出一种基于双树复小波变换的图像去噪算法。该算法对图像进行双树复小波变换,对变换后的系数利用最大似然估计和维纳滤波进行去噪,采用最大后验概率来估计双树复小波的方差,利用维纳滤波得到去噪后的系数,通过双树复小波反变换得到去噪后的图像。在分解层计算方差时,均采用在4×4的结构元素内基于最大值和次大值坍缩后的邻域来计算方差。实验结果表明,该算法的PSNR对比其他文献提高0.2 d B左右,运行时间减少5 s。     

结合Shearlet与Bayesian MAP估计的图像去噪

针对小波变换及Contourlet变换在图像去噪应用中的不足,提出一种结合Shearlet与Bayesian MAP估计的图像去噪算法。首先对含噪图像进行Shearlet分解,之后根据Bayesian MAP准则对分解后的各子带信号进行估计,最后通过重构得到去噪图像。实验表明,相对于其他去噪算法,该方法很好地保留了图像的细节,取得了更好的视觉效果。     

基于Contourlet域HMT模型的红外图像去噪算法

去噪是图像处理的一个关键问题,文章提出了基于多尺度分析下的红外图像去噪算法.在对红外图像噪声特点进行详细分析的基础上,验证了红外图像的Contourlet子带系数满足广义高斯(Generalized Gaussian Distribution)GGD模型,提出了用Contourlet域隐马尔可夫树(Contourlet domain Hidden Markov Trees)CHMT来进行红外图像的去噪.将算法应用于几种红外图像,对红外图像去噪视觉效果和峰值信噪比两方面进行比较,文中提出的去噪方法取得了较好的效果,尤其是在边缘保持方面.