基于平移不变小波阈值算法的噪声图象估计

在小波基下简单的阈值算法几乎是最优的非线性估计, 若信号是分片光滑函数, 小波阈值方法所得的风险就接近于最佳值. 采用标准的小波阈值估计可较大幅度的提高PSNR, 但由于图像的边缘被Gibbs类的振荡所影响, 图像视觉质量较差. 本文采用改进的平移不变阈值算法可获得更高的PSNR, 更重要的是该方法明显地改善了图像的视觉质量.     

基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。     

基于平稳小波变换的时域光学相干层析系统

以平衡检测原理为基础,利用中心波长为700 nm的宽带低相干白光光源,在自由空间中搭建了分辨率为0.93 m的基于平稳小波变换（SWT）的时域光学相干层析（TDOCT）系统,并将其应用于塑料薄片与透明胶纸多层薄膜结构的无损评价。针对现有算法重构效果不够理想的问题,通过对OCT成像过程中的图像增强手段的对比,提出利用SWT分解算法处理多层薄膜结构的光学相干层析二维图像。由薄膜检测的实验结果可知,从SWT细节系数中可以提取更显著的多层薄膜界面干涉信号,从而提高多层薄膜界面的增强效果。     

结合小波域变换和空间域变换的图像增强方法

提出了一种结合了小波域和空间域处理方法的图像增强算法. 该算法首先对小波域中的高频系数进行修正,使图像具有更好的局部对比度和更丰富的细节,由于双树复小波变换（Dual-tree Complex Wavelet Transform,DT CWT）具有更好的方向选择性,在小波变换的过程中选用了这一方法;然后,通过空间域中的非线性变换,调整图像的整体对比度. 该算法可根据图像本身的特性实现参数的自动选择. 经过本文方法的处理所得的图像,无论在视觉效果上还是在统计上,都优于前人工作的结果.     

基于平稳小波变换的有噪弱目标检测方法的研究

利用平稳小波变换的多尺度边缘检测算法分别对模糊图像、低对比度图像和加入噪声的图像进行了边缘检测,验证了多尺度二次B样条小波的检测效果,也比较了三种小波局部模极大值方法在抗噪性、计算量及检测效果等方面的性能,并且针对对比度低,受噪声污染严重的目标图像,提出一种能够根据不同背景计算出自适应阈值的新方法,使其在抗噪的同时又能较好地提取出微弱目标边缘。实验证明,利用多尺度二次B样条小波边缘检测算法能有效地排除噪声干扰,准确地提取出微弱边缘,可以实现3%对比度下的有噪图像的目标探测问题。     

基于平稳小波和相空间重构的激光混沌预测

提出了一种激光混沌时间序列预测算法.该算法通过平稳小波分解，将原始数据序列分解为与原序列等长的尺度系数和小波系数，利用坐标延迟理论，重建各级尺度系数和各级小波系数的相空间,再根据混沌吸引子的稳定性和分形性,在相空间中对尺度系数和小波系数进行预测,进而通过平稳小波重构算法,实现了时间序列的非线性预测.该算法对数据可以进行更平滑的处理，比无小波算法预测的时间范围更长.通过仿真试验说明，原始时间数据序列被成功的重建，说明算法能够有效的对非线性动态系统的时间序列进行建模和预测.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

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.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

基于平移不变多小波方法的磁共振去噪研究

为了提高影像的质量,将一种新颖的基于平移不变原理的多小波方法引入到磁共振的复数信号去噪中.通过对多小波向量系数在一定范围内的循环平移求平均估计子,获得一个改进的阈值估计子,并在不同尺度的高频子带内取双元硬阈值以实现最小化期望风险.实验结果显示,该方法相对于目前几类高效算法和传统的平移不变单小波方法,在消除噪音和抑制伪影的同时能更好地保留边缘特征,并显著改善了信噪比和均方根误差.     

一种结合小波分析与直方图的红外图像增强方法

针对传统红外图像增强算法中存在的问题,提出一种结合小波分析与直方图的红外图像增强方法.采用正交小波变换对红外图像进行处理,得到小波各层的分解系数;运用双向直方图均衡法对红外图像的低频子带小波系数进行处理,利用阈值滤波的细节系数增强法对红外图像的高频子带小波系数进行处理,经小波逆变换图像重构得到增强后的红外图像.实验结果...     

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。     

基于小波包分析二次阈值去噪图像复原方法

提出了基于小波包分析的二次去噪复原的图像复原新方法。利用小波包分析在信号去噪中对图像信号高频部分更加灵活、更加精确的局部分析能力,针对低信噪比模糊图像,通过选取较小的阈值,交替地进行了两次预去噪处理和复原。采用PML算法,实验比较了小波包阈值一次去噪法和二次去噪法。实验表明,二次去噪法由于阈值取值较小,对退化图像信息的能量分布改变较小,可以获得比一次去噪法更加良好的复原效果。     

基于多引导滤波的图像增强算法

图像增强技术可以有效地突出图像中的有用信息,已广泛应用于多个领域.现有的图像增强算法往往无法应对自然图像中复杂的梯度分布,难以准确保持图像中前景与背景的边缘信息.为了改善输出图像的边界过平滑问题,本文提出了一个基于多引导滤波的图像增强算法.首先,设计了一个以滤波核为变量的通用图像优化模型,现有的联合滤波器可视为该模型的解;然后,依据集成学习的思想,将联合滤波器中的单幅引导图像扩展到多幅,以更好地利用引导图中的结构信息进而获得更好的输出结果,并给出了一个多幅引导图的来源途径;最后,对多幅输出图像进行平滑,在图像优化模型中加入正则化项,以确保由多引导滤波得到的不同滤波输出保持一致.实验结果表明,本文算法在抑制图像噪声的同时,可以更好地保留物体的边界信息,从而使图像的信噪比进一步提升.     

一种基于灰度变换的红外图像增强算法

针对红外图像，采用双门限分割法进行图像分割，然后采用分段灰度变换法进行图像增强。根据具体图像，通过人机交互的方式确定2个阈值，将图像分割为目标区、过渡区和背景区3部分；按照每一部分的特点，设计不同的灰度变换，对图像进行分段线性增强，得到感兴趣目标区的最佳视觉效果。通过对16位红外图像进行实验，得到了满意的结果。实验表明,该算法灵活便捷，在增加对比度和去除噪声的同时，还抑制了背景，达到了预期的效果。     

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。