压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

压缩感知的天文图像去噪算法

针对压缩感知迭代收缩阈值算法在图像处理中存在收敛速度慢和去噪性能差的缺陷,提出了一种改进的高性能迭代收缩阈值天文图像去噪重建算法.首先,使用经典最速下降法中的BB线性搜索步长算子加快迭代收缩阈值算法的收敛速度;其次,为了进一步提高重构天文图像的质量,在传统Visu Shrink收缩阈值的基础上,提出一种下降Visu Shrink收缩阈值对图像信息进行筛选;由于阈值去噪方法在迭代重建的过程中会导致重建的图像中出现伪吉布斯效应,最后采用循环平移的方法在每次迭代过程中对获取的重建图像进行调整.多次的试验结果表明,与传统的压缩感知迭代收缩阈值算法相比,所提出的算法不仅能够获得较优的去噪性能和较快的收敛速度,同时可以有效地保护天文图像的特征和纹理等细节信息.此外,当选取的压缩采样比较低时,本算法也可以获得相对较高的峰值信噪比和视觉质量,进一步验证了本算法在天文图像去噪中的有效性.     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

基于小波收缩及变指数和片相似的最小二乘重建算法

在低剂量计算机断层扫描(Computed Tomography,CT)重建方法中,针对最小二乘重建算法收敛速度慢,由于噪声而导致图像退化的问题,提出一种结合小波收缩以及基于变指数和片相似的最小二乘重建算法.它结合了小波收缩和各向异性扩散的优点,在最小二乘重建算法的每次迭代中对图像进行离散平稳小波分解,在小波域的高频部分使用小波收缩方法,低频部分使用基于变指数和片相似性的各向异性扩散进行消噪,最后用中值滤波处理图像残留的脉冲噪声点,从而进一步优化图像.仿真实验结果表明,混合去噪算法可以有效地去除低剂量图像的噪声,且在保持图像边缘和细节方面效果较好,从而可获得高质量的图像.     

一种基于信号稀疏表示的语音去噪新方法

由于小波阈值在语音去噪中阈值的单一性,本文提出了一种基于稀疏表示理论的新的去噪算法.该算法首先用K-SVD字典学习得到信号在字典下的稀疏表示,其次用形态成分分析(Morphological Component Analysis,MCA)将语音信号分为高幅部分和低幅部分,最后用重构方法对各部分语音信号进行重构及合成.通过实验仿真,并与小波阈值去噪方法比较,本文所提方法的去噪效果更好,鲁棒性更强.     

基于稀疏优化字典的图像去噪算法

稀疏表示算法是用过完备字典表示图像信息从而去除图像中的无用信息,达到去噪目的.KSVD字典是过完备字典中的一种,但是KSVD字典过于冗余,导致图像处理过程中冗余无用的图像信息降低算法的效率,为了提高KSVD字典的高效性和稀疏表示算法去噪能力,笔者提出了一种基于稀疏优化字典设计的图像去噪新算法.新算法的去噪步骤为首先运用正交匹配追踪算法求出稀疏系数;其次运用迭代算法用稀疏系数对初始DCT字典进行更新学习,在迭代的过程中逐渐去除噪声,得到去噪后的图像.仿真结果表明:与DCT字典算法、Global字典算法以及原有的KSVD字典算法进行对比,新方法的系数矩阵更加稀疏,去噪效果较好.     

高噪声图像的结构性缺失低秩矩阵重建算法

为了提高图像信噪比和结构性缺失低秩矩阵重建精度,本文提出基于重加权的高噪声图像的结构性缺失低秩矩阵重建算法。利用中值滤波、阈值处理以及小波系数法对高频子带图像中的脉冲噪声进行处理。利用小波逆变换获取恢复图像,实现高噪声图像初步处理,构建低秩与稀疏先验下结构性缺失矩阵重建模型。根据低秩先验和稀疏先验对重建矩阵进行约束,并通过重加权策略强化低秩与先验性,增强矩阵重建精确性。在重加权策略架构下,实现模型约束向无约束子问题的转化,并通过交替方向法实现模型求解。实验结果表明:该方法可实现结构性缺失低秩矩阵的高精度重建,峰值信噪比高达29.05 dB,平均绝对误差低于18。证明该方法有较好的图像降噪性能,提高了结构性缺失低秩矩阵重建精度。     

图像噪声方差的小波域估计算法

为提高噪声方差估计准确度,在Donoho经典估计方法基础上,提出一种基于原始图像小波系数估计的算法.该算法通过挖掘小波尺度间的相关性,估计出原始图像小波系数,将含噪图像小波系数与之相减,得到较纯粹的噪声系数,再利用Donoho的方法进行估计.实验结果表明,该方法性能明显优于传统方法,尤其在噪声幅度较小或图像细节较丰富时性能表现更佳.     

基于压缩感知的图像快速重构去噪算法

针对传统的压缩感知重构算法运算量大,图像质量低的缺点,提出一种新的图像快速重构去噪算法。首先对图像进行一级小波分解,分别提取近似分量子图像和细节分量子图像,并对细节分量子图像进行软阈值去噪处理,然后对近似分量子图像和处理后的细节分量子图像运用新的压缩感知重构算法进行恢复,最后将恢复的细节分量和近似分量进行小波逆变换,得到重构后的图像。实验结果表明,新方法可减少重构时的运算量,有一定的去噪效果,且可提高图像质量。     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效.基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失.实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

基于领域相关性的新型阈值函数小波域去噪法

构造了一个与Donoho提出的硬阈值函数相当的基于邻域相关性的新型阈值函数,其表达式简单易于计算,且连续高阶可导。新的阈值函数克服了硬阈值函数不连续的缺点,还克服了软阈值函数中估计小波系数与含噪小波系数间存在恒定偏差的缺陷。同时新的阈值函数还有效地利用了小波系数的成串性,即在小波系数的估计计算中考虑了邻域小波系数的大小。仿真结果表明,在去噪图像视觉效果和峰值信噪比两个方面,提出的去噪法优于已有的各种门限去噪法。     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点，尤其是三通道双Haar小波的提出，使噪声抑制更加有效. 基于双Haar小波变换，并根据Lee滤波的局部统计特性，考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息，因此在滤波窗口选择上提出了具有方向性的新算法，实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失. 实验表明新窗口的模型与Donoho的软门限方法相比较，可以给出更好的去噪效果.     

Retinex和小波变换去除遥感图像云雾方法分析

基于遥感图像中的云和景物信息频率分布特征,介绍了改进的Retinex方法和小波变换两种去云方法的基本原理,并结合实验分析两种方法的优缺点。Retinex算法对较暗区域的图像处理有明显效果,改进的Retinex方法则是基于经典Retinex,对具有较高亮度的遥感图像通过图像变换方法达到去云的目的。小波变换方法是将图片进行适当层次的小波变换,增大低层细节系数,突出景物信息,减小高层细节系数,适当减小近似系数,最后将所有系数重构,得到重构图像。实验结果评价及数据表明:基于小波变换方法优于Retinex方法。     

基于小波包移频算法的遥感图像融合技术

为了对分类最小二乘支持向量机实施有效的稀疏化，以提高分类速率，采用分类相关分析算法，按序提取样本核矩阵的全部分类相关成分，并依据样本核矩阵各列与分类相关成分的相关性，对训练集所有个体按分类的重要性排序，进而可选取最重要的部分个体作为支持向量，并将其余非支持向量的信息转移至支持向量，以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS LSSVM，并将其应用于多个模式分类的实际问题.测试结果表明，CS LSSVM稀疏性很强，且保持了标准LSSVM的分类性能，还可直接适用于多类问题.