基于图像中值灰度相似度函数加权曲率滤波算法

曲率滤波算法通过构造滤波算子快速优化变分模型,但全变分曲率滤波及高斯曲率滤波易致去噪过平滑且椒盐噪声去除较差.提出了基于图像中值灰度相似度函数加权曲率滤波算法,其中,中值灰度相似度函数方差取决于小波变换最高频子带系数,能较好防止图像过平滑,且提高椒盐噪声去除能力;因此,采用中值灰度相似度函数分别对局部高斯曲率与局部全变分曲率投影算子加权,并分别迭代局部加权高斯曲率投影算子与局部加权全变分曲率投影算子,直至输出图像梯度总能量满足停止条件.实验表明,基于图像中值灰度相似度函数加权全变分曲率滤波与加权高斯曲率滤波比传统全变分曲率滤波和高斯曲率滤波去噪效果更好.     

基于整体变分和变换域分析的复合去噪模型

本文在泛函空间理论基础上提出了一种整体变分与小波阈值萎缩复合的图像去噪模型。复合模型在小空间规整化约束下实现整体变分优化去噪,保持图像边缘特征减弱值阶跃现象;复合模型处理图像中不存在Gibbs现象且可应用于大噪声图像恢复缺失信息。DCT变换是一种表征图像纹理特征的变换域处理方式,本文最后将DCT变换引入复合模型,得到保持纹理特征的复合去噪模型。理论和实验证明了本文提出的模型在图像去噪中的有效性。     

一种高效的小波变换去噪方法

小波变换用于图像去噪的思想已经提出了很久,然而前人所提出的这种方法对于去噪的效果并不理想。图 像经这种小波变换去噪后,纹理特征被弱化,图像的边缘出现较明显的Gibbs效应,图像变模糊。针对以上问题,本文提 出了一种高效的小波变换去噪方法(HPID)。此去噪方法是基于小波变换的新方法,与经典的小波去噪方法不同,该方法不 依赖图像大小来判定去噪门限,不需方差信息,且适用于不同类型噪声。采用本方法处理的噪声图像与经典方法相比,不 仅消除了Gibbs效应,而且图像的边缘信息更清晰,纹理特征增强,去噪能力得到改善。     

一种基于连续小波阈值的图像去噪新算法

基于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。对比传统的硬阈值、软阈值去噪算法,介绍了新阈值函数的原理,推导了算法公式。该阈值函数连续、可导。实验结果表明,利用新阈值函数进行图像去噪,能够有效地抑制图像噪声及马赛克效应。     

一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

基于B样条小波的偏微分方程图像去噪方法

提出一种基于B样条小波的偏微分方程图像去噪方法.先对图像进行B样条小波变换,将得到的高频系数采用偏微分方程方法去噪,迭代次数采用去相关最优停止准则进行控制;将得到的低频系数进行阈值处理,阈值选取采用基于信息熵的阈值选择策略,然后对处理后的小波系数进行B样条小波逆变换,得到去噪后的图像.数值实验表明,改进算法能克服B样条小波变换与偏微分方程去噪的不足,增强去噪能力,同时有效保护图像边缘和细节信息.     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

维纳滤波和非线性扩散相结合的图像去噪

提出一种基于小波和非线性扩散的新的图像去噪算法。小波域局部维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或非线性扩散去噪。     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真，提出了一种基于平稳小波变换的图像去噪方法。使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘，如果小波系数被标记为边缘，则保持其系数不变，否则采用基于邻域的方法进行系数收缩。当噪声方差较大时，收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点，借助次大尺度高频分量将其去除，对处理后的小波系数进行平稳小波反变换得到去噪图像。实验结果表明，本文方法能够在去除噪声的同时较好地保持图像的边缘，是一种有效的图像去噪方法。     

一种新的变分去噪模型定参方法

以全变分去噪模型为例,从梯度下降法解相应的欧拉方程着手,提出一种新的定参方法对图像进行去噪,根据新方法选取的参数,同时保证均值和方差估计式。且求解偏微分方程选取的初值不是噪声图像而是对噪声图像进行小波分解后,保留低频系数,只对高频系数设置阈值,再重构后的图像。根据新选取的初值对相应的偏微分方程进行差分迭代求解,数值仿真结果表明,该方法选取的初值具有更好的去噪效果。     

基于自蛇模型和小波分析的图像去噪

提出基于自蛇模型和小波分析的集成图像去噪算法,以及峰值信噪比、保护边缘指数的去噪性能综合评价指标。首先利用自蛇模型对含噪图像滤波,然后将处理后的图像进行小波分解,保持低频分量系数,对其高频分量再次利用自蛇模型去噪,最后对处理后的小波系数进行重构,得到去噪后的图像。实验结果表明,本文算法在去噪能力和和保护边缘能力两方面均好于自蛇模型算法和2次迭代自蛇模型算法。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于M带小波变换与模糊聚类的图像去噪算法

M带小波变换是标准二带小波变换的自然推广,能够分析具有相对窄带的高频信号,而且能更好的集中信号能量,因此在信号处理中应用广泛。本文结合模糊聚类算法,提出了一种新的基于M带小波变换的图像去噪算法,利用模糊聚类算法把小波系数划分成两类：包含信号的小波系数与只包含噪声的小波系数,对只包含噪声的小波系数置为零,将包含信号的小波系数进行利用软阈值法进行收缩,最后对处理后的系数进行M带小波逆变换,得到去噪后的图像。对SAR图像的实验结果表明,该算法有效,而且能较好地保留边缘信息。     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

小波分析在图像消噪中的应用

针对图像消噪问题，提出了二维快速小波算法和改进小波包分析算法，通过对图像的消噪处理，二维快速小波算法消噪效果明显，但由于小波包分析算法对上一层的低频部分和高频部分同时进行细分，具有更为精确的局部分析能力，对小波包分析算法进行了改进，消除了频带混叠问题，其消噪效果更佳，可得到更为广泛的应用。     

Image denoising with anisotropic bivariate shrinkage

This paper presents a novel image denoising algorithm based on the modeling of wavelet coefficients with an anisotropic bivariate Laplacian distribution function. The anisotropic bivariate Laplacian model not only captures the child-parent dependency between wavelet coefficients, but also fits the anisotropic property of the variances of wavelet coefficients in different scales of natural images. With this statistical model, we derive a closed-form anisotropic bivariate shrinkage function in the framework of Bayesian denoising and a new image denoising approach with local marginal variance estimation based on this newly derived shrinkage function is proposed in the discrete wavelet transform (DWT) domain. The proposed anisotropic bivariate shrinkage approach is also extended to the dual-tree complex wavelet transform (DT-CWT) domain to further improve the performance of image denoising. To take full advantage of DT-CWT, a more accurate noise variance estimator is proposed and the way the anisotropic bivariate shrinkage function applied to the magnitudes of DT-CWT coefficients is presented. Experiments were carried out in both the DWT and the DT-CWT domain to validate the effectiveness of the proposed method. Using a representative set of standard test images corrupted by additive white Gaussian noise, the simulation results show that the proposed method provides promising results and is competitive with the best wavelet-based denoising results reported in the literature both in terms of peak signal-to-noise ratio (PSNR) and in visual quality.     

基于小波域统计建模及显著性修正的SAR图像相干斑抑制

该文提出了一种基于小波域统计建模与小波系数显著性修正相结合的斑点噪声滤波方法。这种方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,对对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,并采用EM算法来估计模型参数。在模型参数估计的基础上;利用贝叶斯最小均方误差准则来估计干净的小波系数。在此基础上引入基于显著性准则的小波系数修正,最后通过小波逆变换与指数变换获得抑制斑点噪声后的图像。用真实SAR图像实验表明,该文提出的方法能够有效地抑制斑点噪声,同时能够很好地保存边缘细节结构与强散射中心。     

基于小波局部统计特性的图像去噪方法

本文提出一种利用图像在小波域上局部统计特性的自适应去噪方法。首先在LMMSE准则下,推导出小波系数在局部区域的恢复公式。为进一步精确地估计理想小波系数的局部方差,本算法提出利用尺度间和子带内的相关性,即利用粗尺度下小波系数的局部方差预测精细尺度下相应位置的小波系数为噪声成分的概率,以及常规估计下的小波系数的局部方差是否小于某个门限值判断其是否为噪声成分。然后以这些局域窗内非噪声成分系数估计理想小波系数局部方差。实验结果表明,本算法与传统算法相比,对图像质量有进一步地改善,尤其是对细节丰富的图像表现地更为突出。