基于Curvelet的Stein无偏风险估计图像去噪

基于Stein无偏风险估计(SURE)和阈值的线性展开式(LET),提出基于Curvelet的SURE-LET图像去噪方法。Curvelet变换实现了对于二阶可微奇异性(C2-singularity)分段连续目标的最优稀疏表达,同时Curvelet阈值保持了曲线奇异性和增强去噪能力。不同于已有算法,SURE方法不必为原始图像假设统计模型。非线性处理在Curve-let变换域执行,最小化操作在图像域进行;去噪过程可以表达为基元去噪过程的线性组合,即LET。SURE和LET两个原则使去噪算法仅解决一个线性方程系统,快速而有效。实验对多幅标准图像进行诸方法的去噪比较,结果表明,该方法优于单纯的Curvelet和SURE-LET去噪方法,相比于Db5小波、BiShrink也具有一定的优势。     

一种基于Top-hat变换的灰度图像降噪算法

数学形态学滤波作为一种非线性滤波方法,在图像降噪、边缘检测、特征提取等图像处理领域得到了广泛的应用.本文采用数学形态学的Top-hat变换获取被污染图像的残余图像,在该残余图像中对噪点进行去除,使得在滤除噪声的同时,能保持原图像丰富的细节,并能通过调节降噪参数,使算法达到最佳的降噪效果.     

多尺度稀疏表示的Contourlet域图像去噪

提出了Contourlet域多尺度稀疏表示的自适应阈值图像去噪算法.首先,在分析了Contourlet域多尺度图像稀疏表示的基础上,提出了Contourlet域自适应阈值去噪算法;其次,详细地讨论了该算法选择不同的Contourlet域参数对图像去噪性能的影响,并比较了在等同的条件下Contourlet域与Wavelet域的去噪效果.实验结果表明,本文算法以及选择合适的Contourlet域参数进行图像去噪能有效地抑制图像噪声、保留边缘和轮廓信息.     

基于鲁棒主成分分析的低频水声信号降噪方法

由于海洋环境噪声的复杂性,接收到的信号往往具有较低的信噪比,导致水声信号处理难度大等问题.针对此问题,采用基于鲁棒主成分分析的降噪方法,建立将含噪信号表示为低秩、稀疏和噪声的分解模型,研究了对低频水声信号的降噪问题.首先通过Godec算法将含噪信号表示为低秩、稀疏和噪声3部分,然后运用非负矩阵分解算法对低秩部分进行分解,得到噪声字典,最后根据得到的噪声字典从含噪信号中提取出初始水声信号.通过对不同海况下即不同信噪比的仿真信号进行降噪处理,结果表明该方法在水声信噪分离中具有较好的降噪效果.     

基于高斯比例混合模型图像Curvelet域去噪

提出了一种基于高斯比例混合模型的图像Curvelet域去噪算法,改善了图像的去噪效果.首先对图像进行Curvelet变换.然后建立系数邻域的高斯比例混合模型.最后在模型基础上用贝叶斯最小二乘估计方法对系数进行估计.算法有效结合了Curvelet变换对图像边缘的高效表示能力和高斯比例混合模型对邻域系数相关性的概括能力.实验结果表明,在主观视觉上.该算法对图像边缘进行了很好的保护;在峰值信噪L-'c上较其他算法也有所改善;特别是对纹理细节比较丰富的图像.去噪效果更加明显.     

小波系数局部特征的自适应图像降噪算法

在Visu Shrink和基于Bayes准则的Bayes Shrink去噪方法的基础上,提出一种基于小波系数局部特征的自适应图像降噪算法.该算法从含噪图像的HH1子带估算噪声信号的标准差,并据此优化小波分解所需的级数;然后,根据小波系数的局部特征,自适应地选择不同子带不同方向上的最佳阈值,运用软阈值函数对图像进行降噪.与传统方法相比,该方法不仅提高图像的峰值信噪比,使图像更清晰,而且具有实现简单、运算速度快的特点.     

基于子波变换的图像多通道阈值降噪法

由于子波变换良好的信号能量集中性 ,近年来子波变换域的图像降噪受到人们重视 .子波变换域阈值去噪法因处理过程简单而得到广泛应用 .图像信息经过子波变换后在子波域分布的情况与子波基的选取有关 ,因此 ,不同的子波基在信噪分离上具有互补作用 .本文利用这种互补作用提出了两种子波变换域多通道阈值降噪方法 .根据噪声对图像影响与图像自身特征有关 ,以及子波变换域各子带子波系数之间的相关性 ,还提出了一种自适应的通道阈值设定方法 .实验结果表明 ,提出的算法在保持处理过程简单的同时 ,达到了更好的滤除噪声效果 .     

语音增强新方法的研究

对带噪语音信号进行增强处理,是语音信号处理中一个重要的研究课题.从算法提出的背景和算法性能分析两个方面对以下4种语音增强新方法进行了概括总结,即自适应滤波算法、分数阶谱相减法、小波域阈值法和语噪盲源分离算法.与传统的语音增强方法相比,实验数据表明这些新方法具有更好的降噪性能.     

结合Wiener滤波和形态学的图像边缘检测方法

提出了一种将Wiener滤波和数学形态学相结合的图像边缘检测方法.首先用自适应Wiener滤波对含噪图像去噪,然后构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,自适应确定权重,将多结构元的边缘检测信息加权求和,得到在噪声存在条件下较为理想的图像边缘.实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法.     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.