广义全变差正则化图像去噪模型研究

本文研究了全变差正则化模型在图像去噪过程中易产生阶梯效应的问题,依据图像的局部结构特利用联合高斯滤波器和边缘检测算子的方法,构建了广义全变差正则化图像去噪模型,获得了在消除噪声的同时能够保留图像边缘细节和纹理信息的结果.实验结果表明,广义全变差正则化模型在平滑噪声的同时能够保留图像的边缘轮廓等细节信息,得到的复原图像在峰值信噪比、平均结构相似度和主观视觉效果方面均有所提高.     

基于多带复数小波与最大后验概率估计法的图像去噪方法

提出一种基于多带复数小波与最大后验概率估计方法的图像去噪方法，与二带小波以及相应的去噪方法相比，性能具有明显改善。     

基于小波变换的图像去噪方法的研究

小波变换能有效的去除高斯噪声,中值滤波能有效的去除脉冲噪声,两者结合可以更有效的去除高斯噪声和脉冲噪声的混合噪声.当医学图像去除混合噪声时,先进行中值滤波再进行小波去噪的方法优于先进行小波去噪后再进行中值滤波的方法,且去噪后图像视觉效果较好,而且图像均方误差(M SE)也较小.在图像去噪处理中这种方法具有实际应用价值.     

小波基的选取对图像去噪的影响

小波图像去噪方法是现代图像处理中的重要组成部分，小波基的不同选取直接影响到去噪的效果．本文在全局阈值的标准下，通过对噪声水平和图像纹理特征的估计，讨论了小波基的正交性和线性相位性对去噪结果的不同影响，提出了选取小波基的近似标准．     

基于非下采样Contourlet变换与TV模型混合图像去噪算法

在非下采样Contourlet变换的基础上,综合考虑全变差扩散和正态逆高斯模型,提出一种新的图像去噪算法.首先,对图像进行非下采样Contourlet变换,得到高频子带和低频子带系数.然后,对低频子带进行全变差扩散处理,对于方向带通子带,先通过分类准则对其进行分类,将其分为重要系数和不重要系数,对重要系数采样正态逆高斯建模,不重要系数采用高斯分布模型建模.实验结果证明,本文方法在视觉效果、峰值信噪比以及平均结构性上均优于许多算法.     

基于四点插值细分小波的SAR图像去噪

针对SAR图像去噪过程中存在降低相干斑与保持有效细节这一矛盾,提出了一种基于四点插值细分小波的SAR图像去噪算法,该方法将小波和细分方法相融合,将四点插值细分规则应用到细分小波中,提出了图像去噪的新方法.该算法先用四点插值细分小波对原始图像进行分解,然后用Bayes自适应阈值及阈值函数对图像进行去噪,最后对去噪的小波系...     

交替方向乘子法求解混合全变差模糊图像复原模型

针对全变差模型在模糊图像复原过程中易产生振铃效应的不足,提出了图像复原的混合全变差模型.混合模型在图像边缘轮廓区域趋向为标准全变差模型,能够有效地保留边缘轮廓信息;而在光滑区域能够逼近为高阶全变差模型,达到抑制振铃效应的目的.实验结果表明,提出的混合全变差模型在复原图像结构信息的同时能够有效地抑制振铃效应的产生,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.     

利用提升格式构造稳定的对偶小波

近年来 ,产生了一种称为“提升格式”的新的小波构造方法 [7,8,9] ,它从一个较简单的多尺度分析 (MRA)出发 ,利用尺度函数相同的多尺度分析之间的相互关系 ,逐步地得到所需性质的多尺度分析 .本文仅考虑双正交滤波的提升格式 .当选定一初始双正交滤波后 ,利用提升格式构造的双正交滤波仍是双正交的 ,而这双正交滤波能否生成双正交小波 Riesz基即稳定的对偶小波 ?更进一步 ,如何从一些较为简单的不能生成双正交小波 Riesz基的双正交滤波出发 ,利用提升格式构造出具有 Riesz基性质的双正交滤波 ?这在目前有关提升格式的文章中没作回答 .本…     

具非定常数初值的全变差方程解的渐近性

该文主要研究具有非定常数初值的全变差方程解的渐近性,证明了:当参数λ小于某个临界值时,解在有限时间内收敛到一个常数;当参数λ大于某个临界值时,如果初值不是常数,则解在有限时间内一定不收敛到常数.     

全变差有界函数列的一致(R)可积性

给出了一致有界单调函数列一致可积性定理 ,由此得出全变差序列有界的收敛函数列的一致可积性 .说明了该结论可判断一些非一致收敛函数列的逐项积分性质 .     

基于小波去噪和WNN-ARIMA组合模型的年径流预测

为解决单一的小波神经网络预测精度不高的问题,提出一种新的基于小波去噪和WNN-ARIMA组合模型,应用小波阈值去噪法对小波神经网络的输入值进行预处理,同时对模型残差值进行ARIMA模型修正.利用该组合模型对洮河流域下巴沟站年径流量进行预测,预测趋势和预测值与原始实测数据吻合度高,表明此组合模型可靠性强,可以有效预测年径...     

Novel Linear Image Denoising Approach Based on a Modified Gaussian Filter Kernel

A Gaussian noise reduction technique for grayscale images is proposed in this article. It uses a modified Gaussian filter kernel based on a hyperbolic second-order equation. The introduced mathematical model differs from the classic Gaussian model provided by the heat equations, by a localization property. Our filtering approach reduces the amount of Gaussian noise and also enhances the image contrast. Some image denoising experiments that prove the effectiveness of the proposed method are also described in this article.     

A Parameter Selection Method for Wavelet Shrinkage Denoising

Thresholding estimators in an orthonormal wavelet basis are well established tools for Gaussian noise removal. However, the universal threshold choice, suggested by Donoho and Johnstone, sometimes leads to over-smoothed approximations.For the denoising problem this paper uses the deterministic approach proposed by Chambolle et al., which handles it as a variational problem, whose solution can be formulated in terms of wavelet shrinkage. This allows us to use wavelet shrinkage successfully for more general denoising problems and to propose a new criterion for the choice of the shrinkage parameter, which we call H-curve criterion. It is based on the plot, for different parameter values, of the B ₁ ¹(L ₁)-norm of the computed solution versus the L ₂-norm of the residual, considered in logarithmic scale. Extensive numerical experimentation shows that this new choice of shrinkage parameter yields good results both for Gaussian and other kinds of noise.     

一个用于图像去噪、量化的反应扩散模型

提出一个用于图像去噪、量化的反应扩散模型,并通过计算机使用该模型对图像实例实行去噪和量化,验证了该模型在图像处理速度和效果上都优于已有模型.     

小波分析在信号去噪声中的应用

小波分析是近年来发展起来的一种数学方法,在信号与图象处理中有重要的应用.中值滤波是信号处理中常用的一种非线性滤波器,它能够有效地消除瞬时脉冲干扰,并且能够很好地保持信号的边缘信息,在信号和图象处理中得到广泛应用.对中值滤波器与小波变换的结合进行了比较系统的研究.通过实例说明中值滤波器与小波变换相结合具有比单一滤波器更好的效果.     

Wavelet Image Compressor—MinImage

Nowadays, still images are used everywhere in the digital world. The shortages of storage capacity and transmission bandwidth make efficient compression solutions essential. A revolutionary mathematics tool, wavelet transform, has already shown its power in image processing. MinImage, the major topic of this paper, is an application that compresses still images by wavelets. MinImage is used to compress grayscale images and true color images. It implements the wavelet transform to code standard BMP image files to LET wavelet image files, which is defined in MinImage. The code is written in C++ on the Microsoft Windows NT platform. This paper illustrates the design and implementation details in Min-Image according to the image compression stages. First, the preprocessor generates the wavelet transform blocks. Second, the basic wavelet decomposition is applied to transform the image data to the wavelet coefficients. The discrete wavelet transforms are the kernel component of MinImage and are discussed in detail. The different wavelet transforms can be plugged in to extend the functionality of MinImage. The third step is the quantization. The standard scalar quantization algorithm and the optimized quantization algorithm, as well as the dequantization, are described. The last part of MinImage is the entropy-coding schema. The reordering of the coefficients based on the Peano Curve and the different entropy coding methods are discussed. This paper also gives the specification of the wavelet compression parameters adjusted by the end user. The interface, parameter specification, and analysis of MinImage are shown in the final appendix.     

基于PSO_Trainlm BP模型的图像去噪研究

针对在使用BP模型进行图像去噪时,模型存在的对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.为了提高模型去噪效率,提出采用改进粒子群神经网络模型进行图像去噪.首先运用改进粒子群算法对BP神经网络权阈值进行初始寻优,再用trainlm BP算法对优化的网络权阈值进一步精确优化,随后建立基于粒子群算法的BP神经网络去噪模型,并将其应用到图像去噪研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP算法的局部搜索能力,减小了模型对初始权阈值的敏感性,有效防止了模型陷入局部极小值的可能,提高了图像去噪模型的速度和质量.