基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(,)=(0.4, 20)时,采用本文去噪方法,峰值信噪比（PSNR）为34.002 1,平均绝对误差（MAE）为2.365 3。     

基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法

针对图像处理中存在椒盐噪声和高斯噪声的问题,提出了一种新的小波阈值函数与改进中值滤波融合的噪声抑制算法。依据椒盐噪声与其周围邻域像素灰度值存在的明显差异,估计椒盐噪声,采取3×3模板进行反复迭代滤除椒盐噪声。对高斯噪声,利用极限思想提出了一种新的小波阈值函数,并引入三个控制变量,通过调节控制变量使所构成的小波系数在一定阈值范围内无限接近原小波系数。实验结果表明,提高了峰值信噪比,减小了均方误差,较好的保留了图像细节。     

基于粗糙集与小波变换的图像融合算法

粗糙集理论是处理不确定性问题的数学方法，本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中，对含有椒盐噪声的图像进行粗糙中值滤波，然后对滤波后的图像进行小波融合。实验结果表明，粗糙中值滤波有较强的去噪能力，且较好地保持了图像的细节信息，在此基础上进行小波融合，使得融合结果图像具有良好的效果。     

小波域高斯混合模型与中值滤波的混合图像去噪研究

基于高斯混合模型的小波去噪方法并结合中值滤波法对脉冲噪音有较好滤除效果的特点,将这两种方法结合起来,对含有高斯脉冲混合噪音图像进行去噪处理.该算法采用Matlab语言进行仿真.实验结果表明,这种混合去噪方法的效果要优于单纯使用中值滤波或者小波去噪的效果.     

光学相干层析图像的小波去噪方法研究

光学相下层析成像过程中产生的噪声恶化了其成像质量.提高图像的信噪比一直是光学相干层析系统研制中一个焦点问题.根据光学相干层析系统采集的原始图像的信号和噪声分布的特点,对双变量收缩的小波去噪方法进行了改进,增加噪声系数比较多的子带的死亡地带半径来去除图像的噪声.利用对比度噪声比率、信噪比和边缘保持参数等评价指标来评价图像的改善效果.结果表明该方法能有效地去除噪声并可保留光学相干层析原始图像的边缘特征.     

基于小波变换的激光主动成像图像去噪方法

针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。     

结合松弛中值滤波的高阶彩色图像迭代去噪算法

为去除基于局部平均曲率的彩色图像去噪模型中作为几何特征而保留下来的斑点,提出了一种改进的迭代算法。采用局部平均曲率作为正则项耦合各个颜色通道,在迭代过程中根据局部统计量检测斑点,并引入松弛中值滤波进行斑点抑制。使用不同特征的图像进行仿真实验,并对峰值信噪比的演化进行分析。实验结果表明,改进的算法在有效消除斑点的同时较好地保护了图像结构,并且提高了计算效率。峰值信噪比提高了2.47%,迭代次数减少了93.66%。     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

模糊权值中值滤波的X射线图像消噪算法

针对X射线荧光图像的低亮度及噪音造成的对比度差和图像模糊的问题,提出了一种模糊权值中值滤波的图像消噪算法.先用模糊邻域检测法结合梯度检测法分离原始图像中的噪音点与非噪音点,然后在噪音点的邻域内,计算各像素点与邻域中值的模糊相似度,用相似度作中值的权值,对噪音点邻域进行加权滤波;这种算法使图像的非噪音点保持不变.实验结果表明,本文算法不仅具有较强的消噪能力,而且能够保持图像的边缘细节和纹理信息.     

一种新的基于小波变换的图像去噪方法

根据图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。与传统的硬阈值、软阈值函数相比,新阈值函数考虑了图像能量分布的特点,对于每一小波系数乘以一个与自身大小相关的降噪因子,并且新阈值函数简单易于计算,具有较强的自适应性。实验结果表明,采用新阈值函数的去噪结果能够有效地抑制图像的马赛克效应,无论在视觉效果上,还是在信噪比增益上均优于传统的软、硬阈值方法。     

基于梯度和小波变换的水下距离选通图像去噪

水体的散射效应、激光光斑、成像器件的非理想化等因素使得图像出现大量无规律粒状噪声,它们增加了水下距离选通图像的背景噪声,模糊了目标轮廓,掩盖了目标细节,降低了图像的信噪比。针对上述问题本文提出了一种基于梯度和小波变换的去噪方法。首先对图像进行余弦小波变换,得到不同频率空间的图像集。低频空间引入新的图像梯度强化方法以提高图像的纹理信息量;对应非均匀性条带的LH或HL空间做曲面拟合处理以消除非均匀性条带的影响;在HH空间去噪过程中,低层空间做非局部均值处理以保留图像相似信息,高层空间做分数阶积分处理以保留图像细节信息。最后小波逆变换得到结果图像。从实验水槽中采集水下图像进行算法验证,将改进方法与已有算法比对分析。实验表明,本文所研究的水下去噪算法,能够平滑噪声且更大限度地保留图像细节纹理,在客观评价指标上提升了6%。     

基于双树复数小波变换和双变量萎缩阈值图像降噪

相对于传统的离散小波变换(DWT)缺点来说,双树复数小波变换(CWT)有很多优点,包括位移不变性、能量守恒和良好的方向性。指出了CWT滤波器组的构造原理和方法,并给出了CWT的滤波器组参数。通过具体公式和图解,说明了如何利用CWT进行图像的分解和重构,在阈值处理上选择改进的双变量萎缩阈值法(BS)。和其它方法的降噪图像和PSNR对比可以看出,该方法能够在降噪过程中很好的保持图像细节,限制了混淆现象。     

基于证据理论的小波萎缩图像去噪

提出了一种基于D-S证据理论的小波萎缩图像去噪方法。对含噪图像进行离散平稳小波变换后,运用Bayes方法分得各层高频子带的小波萎缩系数,根据小波萎缩系数的空间及层间相关性,利用D-S证据理论的合成法则对初始小波萎缩系数进行融合修正。实验结果表明,该方法在有效地去除图像中的噪声的同时,还能较好地保留图像的边缘信息。算法在性能指标和视觉质量上均优于Donoho的小波软阈值去噪方法、传统的中值滤波法和Winner滤波法。     

基于边缘软判决的小波域自适应图像去噪

提出了一个新的图像去噪方法。该方法基于非抽样小波变换的多分辨分解,在各尺度下对小波系数进行了边缘和非边缘分类,并根据它们的不同统计特性运用了不同的估计技术。鉴于边缘分类的不确定性,提出了依概率的软分类技术,通过计算边缘发生的概率,判决当前系数应该采用哪一种估计。仿真结果表明:该方法在滤除图像噪声的同时,边缘得到了保持,较目前存在的一些方法更具有优越性。     

基于四叉树复小波变换的卫星图像去噪

小波变换方法被广泛应用于图像处理,但由于其不具有平移不变性以及较少的方向选择,因而限制了它的应用范围。四叉树复小波变换,是对Malla算法的一种改进,通过奇偶滤波器的对称使用,在四棵数上分别实现分解和重构。与一般复小波一样,四叉树复小波算法具有较好的方向选择性和平移不变性,并且容易实现完全重构。采用四叉树复小波变换和基于子带噪声的自适应阈值方法,对一幅卫星图像进行了去噪处理,仿真实验表明该方法具有较好的去噪效果。     

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。     

基于小波与重调和方程的扩散去噪模型的研究

在图像处理过程中, 为了在图像去噪时更好地保留图像的角点、尖峰和窄边缘, 利用重调和方程的应力平衡性及其高阶偏导数的局部极大值, 构建新算子, 建立重调和扩散模型. 考虑到若图像中的噪声很强, 则会在处理后的图像上留下一些孤立的斑点, 且图像的纹理是在较大范围上具有的统计特性, 而新建模型只能保留局部细节, 图像大范围上的信息没有得到很好保留, 故对上述新建模型做进一步改进, 采用小波变换提取图像的高频部分, 对这部分运用应力平衡性构建新算子, 从局部上较稳定地控制图像的细节信息, 建立波域重调和扩散模型. 分析与仿真结果表明, 该模型与Perona-Mailik模型相比较保留了更多的图像信息, 有效地增强了图像的边缘, 同时很好地保持了图像的角点、尖峰、和窄边缘, 是一个理想的模型.     

小波阈值去噪的一种改进方法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小,而信号的方差和幅值与小波变换的尺度变化无关。本文在Donoho的软、硬阈值去噪方法基础上,提出了一种新的阈值函数,并把它们应用在图像的去噪上。该阈值函数具有物理意义清晰、表达式简单、计算方便等优点。实际噪声图像测试结果表明,这种经改进的方法可以有效地去除白噪声干扰,无论是在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值去噪算法以及改进的软硬阈值折中算法。