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.     

结合Contourlet变换的Bayes自适应图像去噪算法

提出了结合Contourlet变换的Bayes自适应图像去噪算法。充分利用Contourlet变换的局部性、多分辨率、各向异性等优点。通过Contourlet变换得到图像不同尺度不同方向上Contourlet系数矩阵,实现了建立在对图像多尺度几何分析基础上Bayes估计自适应图像去噪算法。实验表明,新算法能够获得良好的视觉效果并且有效地提高了去噪图像的PSNR值,同时有效的避免了“过扼杀”系数现象,更好地保留了图像的纹理和细节。     

基于Contourlet变换的图像去噪方法

图像去噪是数字图像处理领域的一项重要技术.传统的基于小波变换的去噪方法,去噪效果不是很理想.为了解决这一问题,提出了一种基于Contourlet变换的图像去噪方法.实验结果表明,与传统小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的信噪比.     

结合Contourlet变换的各向异性扩散图像去噪

提出了一种结合Contourlet变换的各向异性扩散图像去噪算法.结合Contourlet变换和各向异性扩散的优点,通过Contourlet变换得到图像不同尺度的Contourlet系数矩阵,实现了建立在对图像多尺度分析基础上新的各向异性扩散算法.实验表明,新算法能够获得良好的视觉效果并且有效地提高了去噪图像的PSNR值,同时避免了传统的各向异性扩散出现的阶梯效应,更好地保留了图像的纹理和细节.     

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.     

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。     

基于Contourlet变换自适应阈值的图像去噪算法

综合利用Contourlet变换和图像在各个尺度各个方向上的轮廓细节的大小,一定程度上改进了Donoho阈值"过扼杀"其分解系数的缺点,同时还考虑图像的轮廓细节.实验结果表明,与小波阈值,Contourlet阈值和多尺度Contourlet阈值相比,这两种方法更好的提取了图像的轮廓细节,提高了图像的PSNR值.     

基于Contourlet域K-L变换的SAR图像相干斑抑制

针对SAR图像相干斑噪声去除问题,提出了一种基于多尺度分解的Contourlet域K-L变换的SAR图像去噪的新方法。方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用K-L变换进行能量保持即提出信号的主要特征,用重构图像来进行去噪,最后通过Contourlet逆变换得到去噪之后的图像。在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征及边缘特征,且信噪比也较高。     

基于非下采样Contourlet变换和双变量模型的图像去噪

在研究了非下采样Contourlet变换(NSCT)和贝叶斯最大后验估计理论框架下的双变量模型的基础上,该文将二者结合起来,提出了一种新的图像去噪算法。算法在利用变换平移不变性和多方向选择性优点的同时,充分挖掘了图像NSCT系数尺度内和尺度间的双重相关性,并详细阐述了噪声估计方法。仿真结果和分析表明,与当前一些典型的去噪算法相比,该文算法的客观评价指标PSNR和去噪后图像的主观视觉效果都有明显的提高和改善,有效地保持了原图像中的细节和纹理信息。     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

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.     

基于非下采样轮廓小波变换的图像去噪

针对采用下采样滤波器结构的轮廓波、轮廓小波在图像去噪过程中会引入伪吉布斯现象,利用小波变换(WT)和非下采样方向滤波器组(NDFB)构造了一种新的多尺度、多分辨率图像的非下采样轮廓小波变换(NWCT)。WT去除了拉普拉斯金字塔滤波器(LPF)的计算冗余,NDFB保证了该变换具有平移不变性。为了验证该变换的有效性,对其进行了图像去噪实验。实验结果表明,所提出方法能获得比WT、轮廓波变换(CT)、轮廓小波变换(WCT)更高的峰值信噪比(PSNR),并且能够很好地抑制伪吉布斯现象。     

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法.含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理.实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象.无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力.     

Image compressed sensing based on wavelet transform in contourlet domain

Compressed sensing (CS) has been widely concerned and sparsity of a signal plays a crucial role in CS to exactly recover signals. Contourlet transform provides sparse representations for images, so an algorithm of CS reconstruction based on contourlet is considered. Meanwhile, taking into account the computation and the storage of large random measurement matrices in the CS framework, we are trying to introduce the wavelet transform into the contourlet domain to reduce the size of random measurement matrices. Several numerical experiments demonstrate that this idea is feasible. The proposed algorithm possesses the following advantages: reduced size of random measurement matrix and improved recovered performance.     

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.     

基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。