基于多小波变换的图像去噪新方法

离散多小波在图像去噪和图像融合方面有突出的效果.利用GHM多小波,对图像去噪中阈值的选取给出了具体的方法,对单小波与多小波去噪方法进行了比较.结果表明,多小波在图像去噪的效果上明显优于单小波.     

实时数字图像无损压缩的研究

针对实时数字图像的无损压缩方法进行了分析,采用三级5-3整数提升小波变换,小波变换的高频和低频系数分别采用不同的编码方法。进行了基于DSP和FPGA的压缩系统结构设计,提出了软、硬件并行的方法。进行三级小波变换时,硬件结构能够实现在对当前级小波变换的同时进行前一级小波变换的高频系数编码,提高了压缩系统的实时性。并对压缩系统的关键技术进行了研究。可以对80MB/s的数字图像进行无损压缩,压缩比可以达到1.68~1.8左右。     

基于小波变换的磁共振图像去噪

去噪是图像处理中的一个非常重要的问题. 传统去噪方法在降低噪声的同时会模糊图像的细节,基于小波变换的图像去噪方法能在降低图像噪声的同时较好地保持图像的细节,目前基于小波变换对图像进行去噪已经成为最有前途的去噪方法之一. 本文综合小波域去噪的文献,对小波域的磁共振图像去噪方法进行了综述,详细介绍了各种小波域的磁共振图像去噪方法,并对他们的性能进行了总结,对小波域去噪方法的发展趋势进行了展望.     

基于神经网络和小波变换的MRI图像去噪方法

过去10年中,小波变换在图像去噪中取得了很大的成功.人们提出了多种适用于小波去噪的阈值方法,而这些方法就是希望能够正确地反映有噪声小波系数与无噪声小波系数之间的映射关系.基于这种想法,我们提出一种在小波域中利用神经网络寻找这种映射关系的图像去噪新方法.我们把该方法应用于不同噪声分布的磁共振图像的去噪,取得了良好的效果.     

基于双树复数小波变换的图像去噪方法

在双树复数小波的基础上引入平移不变的重要思想,使其具有真正意义上的平移不变性.提出了一种基于平移不变双树复数小波变换的图像去噪方法.实验结果表明该方法能有效提高图像去噪效果及图像边缘检测能力.     

基于小波变换的激光光刀图像去噪技术

介绍了激光线扫描测量系统的测量原理,以及图像去噪处理在系统中的必要性;以现代数学小波分析为依据,提出了基于小波变换的激光光刀图像去噪技术.通过实验与分析,说明使用小波变换进行光刀图像去噪处理提高了激光扫描测量系统的测量精度.     

基于复小波与最大后验估计的红外图像滤波

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷,提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性,对含噪的红外图像作双树复小波变换;基于对高斯噪声和无噪图像的概率密度分布的假设,在小波域中对无噪图像的小波系数作最大后验估计,实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性,算法在有效去除噪声的同时,对边缘细节的保持和恢复较理想,去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。     

基于中值滤波和提升小波分析的图像去噪方法研究

针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。     

基于Bandelets变换的红外图像去噪

提出了一种基于Bandelets变换的红外图像模糊阈值去噪方法,该方法结合了Bandelets变换和模糊阈值在去噪方面的优点.对红外图像进行Bandelets变换的同时,对系数进行模糊阈值处理,实现了图像去噪;同时针对图像去噪问题提出了Bandelets变换中压缩率阈值的选取方法.结果表明,与正交小波硬阈值去噪方法相比,该方法具有良好的去噪性能,并且在去除红外图像噪音的同时,能够获得很好的边缘保持效果.     

结点阈值小波包变换图像去噪新算法

小波包变换是小波变换的推广,可视为普通小波函数的线性组合,具有灵活的时频分析能力,随着分解层数的增加,小波包分解能够在所有的频率范围聚焦。提出一种应用结点阈值小波包变换的新型图像去噪算法。利用小波包变换对含噪图像进行分解,在图像信号的子带层次上进行结点阈值操作,采用软阈值的方法进行阈值处理,结点噪声采用谱熵法估计,并使用峰值信噪比评估去噪后的图像质量。实验结果表明,相比于使用其它阈值方法的小波包图像去噪算法,该算法具有更好的图像去噪性能。     

一种基于小波变换的红外小目标去噪算法

 研究了复杂背景下红外小目标图像的去噪问题，鉴于小波阈值法去噪的缺点，结合小波变换的去相关性和能量紧支性，提出一种新的去噪方法。考虑到实际中的复杂背景和大量干扰，弱小目标通常占有很少像素，首先对红外小目标图像进行二级小波变换，然后根据新的算法对变换所得小波细节系数进行邻域运算，最后通过小波逆变换得到处理后的图像。 实验中采用Db3小波基函数，分别对两帧低信噪比原始图像进行仿真。仿真结果表明，该算法能很好地保存小目标的形状特征，抑制背景，达到较好的去噪效果。     

基于数学形态学的金字塔图像去噪

提出了一种自适应提升拉普拉斯金字塔变换与数学形态算子相结合的图像去噪方法.首先对图像进行分解,采用自适应提升拉普拉斯金字塔,然后利用自适应提升拉普拉斯金字塔变换后系数能量的分布特性以及尺度内和尺度间的依赖性,结合数学形态算子的特点,利用数学形态算子对变换系数进行处理,使得重要变换系数与非重要变换系数分离,分别对两个不同的子集采用不同的阈值进行处理后,再将两个子集合起来,进行逆变换重建.实验结果表明,该算法具有良好的去噪效果,同时保留了图像的细节信息,获得了较高的图像信噪比.     

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。     

Wavelet domain de-noising of time-courses in MR image sequences

Magnetic resonance images acquired with high temporal resolution often exhibit large noise artifacts, which arise from physiological sources as well as from the acquisition hardware. These artifacts can be detrimental to the quality and interpretation of the time-course data in functional MRI studies. A class of wavelet-domain de-noising algorithms estimates the underlying, noise-free signal by thresholding (or 'shrinking') the wavelet coefficients, assuming the underlying temporal noise of each pixel is uncorrelated and Gaussian. A Wiener-type shrinkage algorithm is developed in this paper, for de-noising either complex- or magnitude-valued image data sequences. Using the de-correlation properties of the wavelet transform, as elucidated by Johnstone and Silverman, the assumption of i.i.d. Gaussian noise can be abandoned, opening up the possibility of removing colored noise. Both wavelet- and wavelet-packet based algorithms are developed, and the Wiener method is compared to the traditional Hard and Soft wavelet thresholding methods of Donoho and Johnstone. The methods are applied to two types of data sets. In the first, an artificial set of complex-valued images was constructed, in which each pixel has a simulated bimodal time-course. Gaussian noise was added to each of the real and imaginary channels, and the noise removed from the complex image sequence as well as the magnitude image sequence (where the noise is Rician). The bias and variance between the original and restored paradigms was estimated for each method. It was found that the Wiener method gives better balance in bias and variance than either Hard or Soft methods. Furthermore, de-noising magnitude data provides comparable accuracy of the restored images to that obtained from de-noising complex data. In the second data set, an actual in vivo complex image sequence containing unknown physiological and instrumental noise was used. The same bimodal paradigm as in the first data set was added to pixels in a small localized region of interest. For the paradigm investigated here, the smooth Daubechies wavelets provide better de-noising characteristics than the discontinuous Haar wavelets. Also, it was found that wavelet packet de-noising offers no significant improvement over the computationally more efficient wavelet de-noising methods. For the in vivo data, it is desirable that the groups of "activated" time-courses are homogeneous. It was found that the internal homogeneity of the group of time-courses increases when de-noising is applied. This suggests using de-noising as a pre-processing tool for both exploratory and inferential data analysis methods in fMRI.     

一种简单的97小波滤波器及图像压缩性能的研究

小波提升方案是继多分辨分析之后的另一种非常有效的构造小波滤波器的方法。以构造双正交小波的Cohen-Daubechies-Feauveau定理为基础,利用提升方式构造了一个包含Cohen,Daubechies和Feauveau的著名97小波滤波器(CDF97)的小波滤波器族,获得了新的97小波滤波器,其图像压缩性能与CDF97相当,但其复杂度已大大降低,有利于ASIC的设计。     

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。     

二维提升的CDF(1,3)小波结合改进的SPIHT的渐进性无损图像压缩方法

针对传统小波变换计算复杂的缺点和多级树集合分裂算法(SPIHT)编码过程重复运算、存储量大的问题,提出了一种二维提升的CDF(1,3)小波结合改进的SPIHT的渐进性无损图像压缩方法。对整数CDF(1,3)双正交小波变换实现二维提升,利用提升的小波对图像做变换,提高了运算速度、便于硬件实现。对SPIHT算法加以改进,根据各个子图像的不同特点,改变扫描路线,采用四路并行分块处理的方法,提高了编码速度,降低了编解码过程的运算复杂度和时间消耗。利用提升的CDF(1,3)小波变换结合改进的SPIHT实现了渐进性无损图像压缩,证明了二维提升方案的有效性。