基于双树复小波域HMT模型的煤燃烧火焰图像去噪

锅炉煤燃烧火焰图像中存在的噪声会对后续的特征提取和温度重建造成不利的影响.为更有效地去除锅炉煤燃烧火焰图像中的噪声,文中提出了一种基于双树复小波域隐马尔可夫树(HMT)模型的锅炉煤燃烧火焰图像去噪方法.首先对含噪火焰图像进行双树复小波变换,然后依据HMT模型分别对双树复小波系数的实部和虚部进行建模,并采用期望值最大算法来估计模型参数,接着利用贝叶斯最小均方误差准则来估计无噪双树复小波系数,最后通过双树复小波逆变换得到去除噪声的火焰图像.实验结果表明,与小波域VisuShrink阈值法、基于小波域或Contourlet域HMT模型的方法相比,文中方法能够有效地抑制噪声,获得较高的峰值信噪比.     

快速小波域隐马尔可夫模型的图像去噪

在分析小波系数的指数衰减性和延续性的基础上，提出了一种模型参数初始化的方法．MATLAB仿真实验结果表明，该方法给出了合理的模型参数初值，在有效缩短训练时间的同时能获得较理想的去噪结果。     

基于多小波的局部背景隐马尔可夫模型图像去噪

小波域局部背景隐马尔可夫模型（LCHMM）可获得尺度内的相关性和局部的统计特征,并且复杂度小,多小波分析在图像去噪方面有很好的性能。利用多小波分析和局部背景隐马尔可夫模型各自在图像去噪方面的优势,将两者结合起来,提出了一种基于多小波的局部背景隐马尔可夫模型（M—LCHMM）图像去噪算法。算法主要有两步：局部背景隐马尔可夫模型去噪处理和均值处理。该算法简单有效,仿真试验表明M—LCHMM的去噪效果优于目前许多已有的去噪算法。     

基于贝叶斯估计的复小波域图像去噪

基于对偶树复小波变换和贝叶斯估计技术，提出了一种图像噪声去除方法．与常用的离散二进小波变换相比，该方法具有逼近的移不变性和更多的方向选择性，有利于特征的跟踪、定位和保留．结合贝叶斯估计技术和自适应分布参数确定方法，给出了有效的图像去噪算法．结果表明，该方法去除噪声彻底，边界、纹理等特征保留较好．     

基于双密度双树小波变换的图像去噪

为了使图像的不同增量同时达到最优的去噪结果,本文提出了一种基于双密度双树小波变换的图像去噪方法.首先使用Vese和Osher的图像分解模型把图像分成结构和振荡分量,然后根据各个分量的不同特性进行双密度双树小波变换域阈值去噪.实验结果表明,本文方法不但有效的去除了噪声,而且去噪后图像的视觉效果更好.     

基于小波域HMT模型融合的图像分辨率增强

图像的分辨率可以通过预测细节子带中的小波系数来得到提高.采用Gaussian混合模型的小波域隐马尔可夫树可以精确地描述真实图像的统计特性,非常适合于预测图像的细节子带.但是这类方法的缺点是被预测的小波系数是随机生成的,每次算法得到的结果均不相同,只能从中选择一个作为最终结果.本文提出了一种算法,将随机结果根据局部方差融合规则融合到一起,从而产生一幅更适合人类视觉系统的图像.实验结果证明了本文算法的有效性,其主观和客观评价指标均优于传统算法.     

基于二元广义正态分布模型的双树复数小波图像去噪

双树复数小波变换具有平移不变性和多方向选择性,适用于图像去噪.对小波系数统计分布进行建模,提出了一种二元广义正态分布的概率模型.在此先验分布的基础上,通过运用最大后验概率估计方法,从含噪系数中去除高斯噪声.实验表明,该方法不仅在直观视觉上去噪效果明显,在信噪比方面也要优于Bayes-Shrink、W iener2、SureShrink等方法.     

基于偏微分方程的图像去噪中差分格式的研究

为了提高图像去噪的效果,在对偏微分方程进行离散时使用恰当的差分格式是非常重要的,差分格式的精度越高稳定性越强越好.采用交替方向隐式的差分格式对偏微方程进行离散,并与用一般的显示格式进行离散后的结果进行比较,实验结果表明,使用交替方向隐式的差分格式对偏微方程进行离散,不仅能得到较高精度同时去噪效果明显,使用交替方向隐式的差分格式对偏微分方程进行离散是图像去噪的一种有效的工具.     

基于偏微分方程的图像去噪中差分格式的研究

为了提高图像去噪的效果,在对偏微分方程进行离散时使用恰当的差分格式是非常重要的,差分格式的精度越高稳定性越强越好。采用交替方向隐式的差分格式对偏微方程进行离散,并与用一般的显示格式进行离散后的结果进行比较,实验结果表明,使用交替方向隐式的差分格式对偏微方程进行离散,不仅能得到较高精度同时去噪效果明显,使用交替方向隐式的差分格式对偏微分方程进行离散是图像去噪的一种有效的工具.     

基于多元BKF模型的双树复小波图像去噪

本文提出了一种新的去噪方法。该方法将小波系数的内尺度和外尺度信息植入到多元BKF模型之中,从而充分考虑了内外尺度的相关性,并根据最大后验估计(MAP)准则,估计得到图像去噪的阈值化函数,最终,通过逆变换阈值化后小波系数得到去噪后的图像。同时该方法还利用双树复小波变换对图像进行分解和重构,克服了一般离散小波变换缺乏平移不变性和方向敏感性的弱点。去噪实验结果表明,该算法比传统的几种算法有更好的去噪效果。     

基于层内和层间局域特性的小波域贝叶斯收缩去噪

采用双树复数小波变换对图像进行分解与重构,在BayesShrink阈值去噪的基础上,提出了基于小波系数层内和层间局域特性的自适应阈值去噪算法;构造出具有层内和层间局域特性的统计量和相应的映射,产生新的BayesShrink阈值.实验表明本方法能有效地去除图像中的白噪声,同时还能较好地保留图像的边缘信息,其效果优于目前的一些小波去噪方法.     

基于小波域HMT模型的图像复原

小波域隐马尔可夫树（HMT）模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度呈指数衰减的特性.提出了基于小波域HMT模型的图像复原算法作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,该算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有显著的提高.     

基于双树复小波变换与双边滤波的图像滤波

为了进一步提升高斯噪声的去除性能,提出了基于双树复小波变换与双边滤波的图像滤波方法.根据图像和噪声的分布特征,推导出一种自适应的阈值去噪模型.用去噪模型对双树复小波变换后的图像系数进行量化处理,再由双树复小波逆变换得到去噪图像,然后用改进的双边滤波方法对去噪图像进行边缘增强,改进的双边滤波核自适应于图像的特征,具有更好的鲁棒性.实验结果显示,该方法相对于现有的性能较好的方法,PSNR高出大约0.8 dB,SSIM高出大约2.3%.实验证明了该文提出的方法在去噪效果和细节恢复上优于已有的方法.     

用复方向滤波器组和BlockShrink方法实现图像去噪

为了提高图像的去噪效果,根据复方向滤波器组和BlockShrink的特点,提出了一种新的图像去噪算法。首先对图像进行复方向滤波器组分解得到系数,然后根据系数间的相关性采用块阈值方法选择最佳的块大小和阈值,使每个子带的无偏风险估计值最小。该算法是完全基于数据驱动的方法,具有算法简单、易于实现、视觉效果好等特点。实验表明,该算法比基于DWT变换的BlockShrink算法其信噪比提高了0.6%,在视觉效果方面边缘和轮廓信息更清晰。     

一种基于偏微分方程的图像去噪方法

为有效去噪,基于全变分及四阶偏微分方程图像去噪模型,提出一种图像综合去噪模型.该模型克服了全变分去噪模型带来的块效应以及四阶偏微分方程去噪模型在处理平滑区域时带来的不平坦现象.仿真结果表明,图像清晰度有了较大改善.     

基于SVM分类与回归的图像去噪方法

提出一种基于SVM分类与回归技术的图像去噪方法,即:去噪过程先利用SVM分类器将含噪图像中的像素分为噪声或非噪声点;接着,非噪声点像素值被保留,而噪声点像素值则通过SVM进行回归估计,从而达到去噪的目的.针对椒盐和高斯噪声在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0和LS_SVM 工具箱分别建立4邻域、8邻域和24邻域3种分类和回归模型.去噪实验证明,与已有的算法比较,该方法能达到较高的峰值信噪比,具有很好的去噪效果.     

一种基于非下采样Contourlet变换的子带自适应阈值去噪方法

目的提出一种基于非下采样Contourlet变换的子带自适应阈值去噪方法。方法首先在贝叶斯估计的基础上,建立了系数萎缩处理阈值,它与尺度和方向相关,具有带自适应性,进而根据Contourlet的曲线特征,设计出一种弧形窗口,用于估计系数的信号方差。结果该方法可以有效消除图像中噪声且保护图像的边缘细节信息。结论与传统方法相比,可获得较高PSNR值且能保护图像的边缘等细节信息。     

基于双树复小波变换与非线性扩散的图像去噪

首先对图像进行双树复小波变换得到不同尺度上的子带图像,然后对子带图像进行非线性扩散,充分利用双树复小波变换和非线性扩散两者的优点,更好地抑制噪声保留图像边缘纹理等细节信息。