基于边缘检测的图像提升小波降噪方法

图像边缘是图像最有用的高频信息。因此,在图像降噪的过程中,能否较好地保存图像的边缘信息,直接决定了降噪处理的成败。鉴于这一思想,提出了基于边缘检测的图像提升小波降噪方法。该方法在图像降噪之前,先通过提升小波边缘检测的方法确定图像的边缘信息,然后将图像的边缘信息与噪声信息进行区分,有针对性地对含噪图像进行降噪,这样便可有效地保护图像的边缘信息,达到预期降噪的效果。提升小波以计算速度快,能形成整数到整数的可逆变换的优势在数字图像处理领域有着广泛的应用。     

基于小波前向后向扩散的红外图像降噪与边缘增强算法

针对红外图像特点,该文提出了一种基于小波前向后向扩散的红外图像降噪与边缘增强算法。小波前向后向扩散是建立在小波扩散理论的基础上,其继承了小波扩散迭代降噪与边缘保持特性,在此基础上实现了图像的边缘增强。为了克服传统小波扩散基于小波模值的边缘映射的不足,该文利用小波模值与局部奇异性测度的联合概率分布对边缘映射进行初步估计,结合几何约束进行修正,获得准确的边缘映射,并重新设计了小波前向后向扩散系数方程。实验证明算法能有效实现红外图像降噪的同时增强图像边缘。     

自适应边缘保持图像缩放及VLSI设计

提出的自适应边缘保持图像缩放方法,以自适应的方式对传统的线性插值方法非线性修正,使得不同位置的像素采用相应的插值方法.边缘保持插值算法能消除图像边缘模糊,锯齿效应,棋盘效应等,达到增强插值图像的效果.本算法处理后的放大图像的边缘更加锐利,能够实现图像的无级放大,可应用于实际的数字视频处理芯片中.     

基于DM642的微光图像小波阈值降噪

介绍了一种在实际设计中比较有效的小波阈值降噪方法,可以在保持图像细节信息的前提下尽可能提高微光图像的信噪比.     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于非抽样小波变换的彩色图像水印算法

图像水印技术已成为维护版权、抵制盗版和非法复制的重要手段,本文提出一种基于非抽样小波变换的彩色图像水印算法。非抽样小波变换不需进行下抽样操作,可获得与源信号同等长度的分解结果,具有信息冗余性和平移不变性的特点,提高了水印算法的鲁棒性和水印嵌入容量,算法同时结合奇异值分解,实现水印鲁棒性、不可见性和容量的统一。实验表明,该算法相对于基于离散小波变换的图像水印算法,能更好地抵抗噪声、压缩、剪切、旋转、平移等攻击。     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础 ,传统的边缘检测方法对噪声非常敏感。讨论一种基于小波变换的图像边缘检测方法 ,仿真结果表明 ,该方法明显优于传统的边缘检测算法 ,对噪声的抑制能力强     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础,传统的边缘检测方法对噪声非常敏感.讨论一种基于小波变换的图像边缘检测方法,仿真结果表明,该方法明显优于传统的边缘检测算法,对噪声的抑制能力强.     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础,传统的边缘检测方法对噪声非常敏感.讨论一种基于小波变换的图像边缘检测方法,仿真结果表明,该方法明显优于传统的边缘检测算法,对噪声的抑制能力强.     

基于双正交小波和边缘加权的图像去噪算法

文中针对现有去噪算法存在的问题,提出了一种基于双正交小波和边缘加权的新的图像去噪算法.该算法对图像进行基于图像移位相关性的自适应二叉分解,研究了白高斯噪声在双正交小波分解下的功率谱,并结合图像的边缘信息,对不同区域的去噪阈值以不同权重加权.实验结果表明,文中算法去噪所得图像的MSE优于小波变换全局阈值去噪,视觉效果明显优于维纳滤波去噪.     

基于图像边缘信息的多小波阈值去噪方法

基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素.基于图像边缘信息的多小波闽值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理.与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好.     

基于多尺度边缘检测的小波包去噪方法

文章提出一种将小波变换模极大值(WTMM)多尺度边缘检测与小波包去噪算法结合起来的图像去噪方法。仿真结果表明,该方法不但对噪声的抑制能力强,而且可以很好地保留图像的边缘信息。     

一种利用像素分类的自适应小波图像降噪方法

提出了一种结合像素分类与小波变换的图像去噪方法.首先用常用方法获得初步去噪图像,并将其分割为若干图像块,分别计算每个图像块的空间频率.利用归一化的空间频率,对不同的图像块采用不同的阈值进行去噪,空间频率高的图像块采用较小的阈值,反之采用较大阈值去噪.实验结果表明:该方法可在初步去噪图像的基础上进一步提高图像去噪的效果,同时较好地保持图像细节;其去噪效果优于常用的小波图像去噪方法,峰值信噪比(PSNR)相对常用方法最高可提高3.4 dB.     

一种基于小波变换的自适应图像降噪法

提出了一种基于二进小波变换的图像降噪方法,通过对小波变换系数进行阈值处理实现降噪。该方法结合图像的自身邻域信息,具有一定的自适应性。实验结果证明能够产生较好的效果。     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

基于加权自适应方向提升小波的图像去噪研究

本文介绍了一种基于加权自适应方向提升小波(WADL,Weighted adaptive directional lifting)和普通提升方法相结合的图像去噪方法,此方法能够较好地对噪声进行抑制,同时保护图像的纹理边缘较少受到损失。在仿真试验中我们通过对噪声图像进行分类,对属于纹理密集区域采用WADL方法去噪,对平滑区域采用普通提升去噪,得到了比较好的去噪结果。     

一种自适应小波去噪算法

Donoho和Johnstone的多分辨率小波去噪法在数字信号处理方面已成为非常有用的工具,但是通常情况下选取低分辨率截段参数jo是很困难的,需要源信号的某些正则性.对于一给定的未知信号和噪声指数σ,哪一个jo是最佳的呢?本文对于任意波形的信号构造了一个统计量,用于建立一个寻找最佳jo值的自适应方法,并对其统计特性进行了分析,大量的仿真计算结果表明,该算法确实非常准确有效,因此使得多分辨率去噪法有了更广泛的应用背景.