小波变换域中图像噪声平滑技术

本文分析了小波变换应用于图像噪声平滑的原理，并对在应用中的小波函数的选择、信息剪裁和信号重构等几个重要问题进行了详细论述，对小波变换的图像滤波技术既能平滑噪声又能保留图像边缘的问题提出了具体要求。     

基于小波变换的图像融合新算法

针对现有图像融合技术中的尺度系数卷积法存在的边缘细节损失和对比度下降问题,提出了将Canny边缘检测算子等价于提取图像的小波变换模极大值点这一思想引入图像的低频分量融合规则以及用于高频子带融合的局部对比度结合方向方差方法.最后通过仿真试验以及熵值数据证明该算法有效改善了边缘细节的准确度,提高了分辨率,并使局部对比度信息得以保留,从而更加符合人类的视觉特性.     

脊小波变换域模糊自适应图像增强算法

提出了基于脊小波(ridgelet)变换域的模糊自适应图像增强算法,利用脊小波变换在表示图像线性奇异边缘时具有独特的优越性,达到突出边缘和抑制噪声的目的。利用频域内傅里叶投影变换定理,提出优化有限拉东(Radon)变换系数顺序的方法,使得拉东变换后图像的折回现象得到改善;利用广义模糊集合概念和最大模糊熵原理,提出一种自适应设置模糊增强函数方法,使得增强后的图像在抑制噪声、增强特征方面达到较好折衷。通过模拟实验显示,该算法优于传统的增强方式,在低信噪比情况(2.5~5.5 dB)下,其边缘检测概率大于二维小波增强方式约50%。应用于含有局部线形裂纹的路面病害图像的增强,可以将裂纹信号基本增强出来,且对路面上离散的油滴、石子等点噪声抑制较好。     

基于Contourlet变换的自适应SAR图像相干斑噪声抑制算法

为了保持高岛分辨率合成孔径雷达(SAR)图像中的纹理结构,提出了一种基于BivaShrink模型的Contourlet 域SAR图像相干斑噪声抑制算法.联合当前层和父层的Contourlet系数,通过计算局部方差一致性范数和区域能量比,自适应地确定方差估计区域的形状和大小.从而对原始图像方差进行最优估计.实验结果表明,算法在噪声的去除和结构信息等细节的保持上均不同程度的优于小波BivaShrink去噪算法和Contourlet 阈值去噪算法,主观效果和数值指标都有较好改进.     

基于小波变换与卷积神经网络的图像去噪算法

图像在生成或传感过程中往往会受到噪声干扰,噪声干扰会给后续图像处理工作增加难度,甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势,提出了一种有效的图像去噪算法。训练阶段,采用提出的算法对图像进行尺度为1的平稳小波分解后,分别把高、低频分量输入4个设计好的残差网络进行训练;在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到σ=50时,去噪后图像的峰值信噪比（peak signal to noise ratio, PSNR）均值和结构相似性（structural similarity index method, SSIM）均值可以达到28.37 dB和0.808 0,提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声,以及遥感图像在传感过程中产生的噪声,并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节。     

小波变换应用于谐波谱线的噪声滤除与基线校正

红外光谱谐波检测系统中的噪声与基线漂移问题一直是光谱处理的热点,提出一种采用小波变换的Mallet分解算法, 解决谐波检测中各种复杂噪声以及基线漂移的问题。选取适当小波函数及分解层次将谐波曲线中含有的噪声和基线漂移与有用信号分解到不同频带;分析频带信息,设定一个检测信息频带, 应用阈值处理及系数置零的方法使频率处于此频带的信息保留下来。小波变换方法可以在一次分解与重构过程中同时去除谐波信号的噪声与基线的双重干扰,从而将谐波信号有效地测量出来。实验证明,应用小波变换进行谐波校正的方法可应用于不同的谐波检测系统,具有普遍适用性。     

基于张量的平稳小波变换红外图像去噪

提出了一种基于张量的平稳小波变换红外图像去噪方法.采用平稳小波对噪声红外图像进行分解,保持低频近似图像不变,将所有尺度上的水平、垂直和对角方向的高频细节图像组合为一个立方体,形成三阶张量,通过多线性代数方法估计信号小波系数,这种处理方式没有破坏小波系数之间的固有空间关系,同时考虑到了尺度问和尺度内小波系数的相关性,优于传统的基于线性最小均方误差的信号小波系数估计算法,最后由低频近似图像与估计的高频细节图像通过平稳小波逆变换得到去噪图像.实验结果表明,该方法在性能指标和视觉质量上优于传统的平稳小波域最小均方误差去噪算法,为小波系数的较准确估计提供了一种全新思路.     

基于二代小波变换的红外图像非线性增强算法

红外图像具有对比度低和信噪比低等特点,实用中必须进行增强处理.将小波分析与模糊逻辑相结合,提出了一种基于二代小波变换的红外图像非线性增强算法.该算法首先利用二代小波变换对图像进行分解,提取图像的多尺度细节特征,然后,根据目标和背景噪声信号的差异,通过模糊非线性增强算子分别对各个分解层的高频子带进行非线性增强来改变目标特征的强度,抑制背景信号,最后利用小波反变换重构图像,以实现图像的对比度增强和背景抑制.与几种常用的图像增强算法实验结果相比,此算法能有效地抑制图像中的背景噪声,增强目标内容信息,取得了较好的增强效果.     

基于中值预滤波的航空图像小波去噪算法研究

结合航空图像的噪声来源与图像特性,提出一种基于中值预滤波的图像小波去噪算法.图像首先经中值滤波器进行预滤波,滤除随机的脉冲式噪声,然后对处理后的图像进行小波变换,与给定阈值相比,对可明显判为信号或噪声的系数进行相应处理;对不确定为信号或噪声的系数进行多尺度上的相关性追溯,判别其归属后进行处理.实验结果表明:该方法客观上提高了图像的信噪比,主观上使去噪后的图像纹理分明,能更好地适合人眼的视觉特性,有利于航空图像的分析、判读.     

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.     

一种基于小波变换的红外图像放大算法

图像放大技术的关键在于使放大后的图像尽可能地保持原始图像的清晰度。对于红外图像而言,传统的内插法存在着一定的缺陷。提出了一种基于小波变换的图像放大新算法,该算法对原始图像先进行小波变换获得高频系数,然后运用牛顿插值算法放大高频系数,以此作为放大图像的高频成份,而将原始图像作为低频成份,最后进行小波逆变换,重构出放大图像。实验证明该方法在图像细节方面具有很好的放大效果。     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

基于Shearlet变换的自适应图像融合算法

针对多聚焦图像与多光谱和全色图像的成像特点,结合Shearlet变换具有较好的稀疏表示图像特征的性质,提出了一种新的图像融合规则.并基于此融合规则,提出了基于Shearlet变换的自适应图像融合算法.在多聚焦图像的融合算法中,分别对聚焦不同的图像进行Shearlet变换,并基于本文提出的融合规则,对分解后的高低频系数进行融合处理. 通过与多种算法的比较实验证明了本文提出的算法融合的图像具有更高的清晰度和更加丰富的细节信息.在多光谱和全色图像的融合处理中,提出了一种基于Shearlet变换与HSV变换相结合的图像融合方法.该算法首先对多光谱图像作HSV变换,将得到的V分量与全色图像进行Shearlet分解与融合,在融合过程中对分解系数选用特定的融合准则进行融合,最后将融合生成新的分量与H、S分量进行HSV逆变换产生新的RGB融合图像. 该算法在空间分辨率和光谱特性两方面达到了良好的平衡,融合后的图像在减少光谱失真的同时,有效增强了空间分辨率. 仿真实验证明,本文算法融合的图像与传统的多光谱和全色图像融合算法相比,具有更佳的融合性能和视觉效果.     

基于小波的干涉多光谱卫星图像压缩方法

分析了干涉多光谱卫星遥感图像的成像特性,并根据该类图像对压缩效果的要求提出了一种基于小波分层树集合分割排序（Set Partitioning Hierarchical Trees,SPIHT）的局部图像优先编码方法,通过对图像小波域系数的局部增强,获得了对图像重要数据优先编码的特性,在8倍压缩比的条件下获得了满意的效果。用该方法对多幅干涉多光谱图像进行了测试,测试结果表明：该方法性能优于其他多光 谱卫星遥感图像编码方法,并有利于在实时图像编码系统中得到应用。     

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.     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中,由于分光光度计内部的光学系统、光源、检测器、电子元器件,电路设计以及外部环境干扰等因素产生的随机噪声,严重影响光谱定量分析结果的准确性,为提高紫外可见光谱分析精度,需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率,低熵性、去相关性等特点,基于小波分析的去噪算法优于传统的去噪算法,目前基于小波去噪的方法主要有模极大值去噪算法,系数相关去噪算法,阈值去噪算法,工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理,提出一种基于提升小波变换的阈值改进算法,一方面使用提升小波变换,提升小波变换是第二代小波变换,继承了小波的多分辨率特性,并且不需要进行傅里叶变换,从而具有算法简单,速度快,实现简单的优点;另一方面提出了一种新的阈值函数,克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题,同时对阈值估计进行了调整,有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号,添加随机噪声后使用该方法进行去噪处理,并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明,提出的算法优于Donoho的软硬阈值去噪算法,能够有效提高光谱信噪比和降低均方根误差,从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征,比较适合用于紫外可见光谱数据建模之前的去噪预处理,在紫外可见光谱信号分析中具有较好的应用前景。     

基于成像机理的小波包变换多聚焦图像融合

由于可见光成像系统的聚焦范围有限,因而在成像过程中,除聚焦良好的物体能生成清晰的图像外,该物体前后一定距离外的所有物体都将呈现不同程度的模糊.为了获得场景内所有物体均清晰的图像,在分析了多聚焦图像成像机理的基础上,提出了一种基于小波包变换的融合方法.它是将成像系统先聚焦在一部分对象上,得到其清晰的图像;然后再将其聚焦在另一部分对象上,得到另一清晰的图像;最后把这两幅实验图像加以融合,从而获得场景内所有物体均清晰的图像.实验结果表明,基于小波包变换的融合方法能够将信号的频带进行多层次划分,对高频成分也能进一步地分解,可有效综合多聚焦图像.     

基于自适应提升小波变换的图像压缩

介绍一种用基于提升算法的中值滤波构造自适应小波变换方法.其思想是设计自适应的“预测算子”及自适应的“更新”运算以更好的逼近信号,从而达到更“紧凑”的信号表示.实验表明,在图像压缩应用中,在峰值信噪比(PSNR)上,虽然本文算法比不上D9/7小波,但在主观评价上更好.