基于复小波系数局部方差无偏估计量的图像去噪

为了更有效地去噪,在考虑了图像局部具有不独立性特点的基础上,利用双树复小波变换,提出了一种新的空间适应算法,该算法对于每个系数利用中心方形窗来估计局部方差,克服了以前的去噪方法不能有效地去除图像边缘噪声的弱点,和目前好的实验结果进行的对比结果表明,该方法有效地改善了去噪效果。     

邻域统计检测的双树复小波图像去噪

针对现有的脉冲噪声去除算法在去噪性能和计算效率上的缺陷,提出了基于邻域统计检测的双树复小波图像去噪算法。根据噪声的灰度特征、邻域像素的多数原则以及灰度偏差等统计特性进行噪声检测,充分利用双树复小波变换的优秀特性,在双树复小波域中用光滑可导的阈值函数以及自适应阈值对噪声图像进行去噪处理,最后用去噪图像中的像素,替换噪声图像中对应的噪声像素以得到最终的去噪图像。实验数据证明,所提出的方法优于部分最新提出的算法,具有较好的去噪性能和快速的计算效率。     

双树复小波域的邻域自适应贝叶斯收缩去噪

为了更加高效去除图像采集或传输中引入的噪声,提出了一种基于双树复小波域的邻域自适应贝叶斯收缩的图像去噪方法,利用了双树复小波变换的平移不变性和更多的方向选择性的优点,并考虑了系数间的局部自适应邻域相关性,以尺度适合的窗口为单位估计相应系数的方差,利用滑窗求其平均作为整个子带的图像方差,通过贝叶斯收缩来处理小波系数,从而实现高效的图像去噪。实验结果证明,该方法取得了很高的峰值信噪比和更好的视觉效果,去噪性能优良。     

基于矩形方向窗的小波域去噪方法

根据小波变换的特点,提出了一种新的局部邻域窗口选择方法——基于方向性的矩形窗口选择方法。对同一尺度不同子带选用不同方向的矩形窗口,并且不同尺度下窗口的大小也不同;对于多方向性的图像,使用双树复小波变换取代传统的离散小波变换。实验结果表明,将其应用于图像去噪,简单有效,并且可得到更高的峰值信噪比和更好的视觉效果。     

基于双树复小波变换的BivaShrink自选窗图像去噪算法

在小波变换理论和双变量模型的研究基础上,本文提出了一种BivaShrink自选窗算法,该算法根据邻域内小波系数的相关度大小自适应选取邻域窗口。最后将双树复小波变换应用在BivaShrink自选窗图像去噪算法中。实验结果证明,BivaShrink自选窗优于BivaShrink 去噪算法,与传统的离散小波变换相比,双树复小波自选窗图像去噪效果优于BivaShrink自选窗。     

复Daubechies小波域HMT模型Bayesian图像去噪

提出了基于复Daubechies小波域隐马尔可夫树(SDW-HMT)模型Bayesian图像去噪算法,由于SDW小波是紧支撑、对称、正交小波,且具有近似线性相位,将其与HMT模型结合,能够更加准确地刻画小波系数的统计特征,在Bayesian图像去噪中获得很好的效果,仿真实例显示了所提算法的有效性。     

双树复小波域的MRI图像去噪

目的 噪声会降低磁共振图像(MRI)的质量,影响视觉效果和计算机辅助诊断,针对MRI噪声的莱斯(Rician)分布特性,设计一种有效的MRI去噪算法. 方法 在双树复小波(DT-CWT)域结合双边滤波器(BF)和基于Stein无偏误差估计的邻域收缩法(NeighShrinkSURE)、二变量收缩法(BivariateShrink)设计一种有效的磁共振图像MRI去噪算法.所设计的算法充分考虑了MRI的噪声分布特性以及小波系数的层间和层内相关性,其性能优劣主要取决于平方MRI的双树复小波系数的噪声标准差估计的准确程度,其次和双边滤波器的参数以及两种收缩方法的占比有关.为了使各算法的协同发挥最好的性能,以均方误差(MSE)、峰值信噪比(PSNR)和结构相似度(SSIM)作为图像质量评价指标,修正DT-CWT系数的噪声标准差,确定最佳双边滤波参数以及两种收缩方法的占比.在双树复小波域结合3种方法设计了一种有效的MRI去噪算法.结果 与现有几种算法进行图像去噪比较实验.在视觉效果、去噪指标PSNR和SSIM以及耗时方面,本文算法综合性能优于现有的几种MRI去噪算法,PSNR提高了约0.51~1dB,SSIM提高了约5%~10%.结论 双树复小波域的去噪优于基本小波去噪,利用层内和层间相关性的去噪算法很好去除了噪声,双边滤波器的使用增强了低频部分的图像,使得本文算法在MRI莱斯噪声的去除上获得了较好的表现,在去噪的同时能够保留边缘和细节信息.     

复小波域维纳滤波与偏微分扩散相结合的图像去噪方法

针对图像噪声的去除,提出了一种基于复数小波域上的多方向窗维纳滤波与偏微分方程保持边缘细节相结合的方法。针对小波域维纳滤波的方向性差,去噪后图像容易产生哑铃效应,该方法首先进行双树复数小波变换,集中6个方向上的图像信号能量,之后,再在该6个方向上进行方向维纳滤波,对图像进行初步去噪,再以此引导偏微分方程中的扩散函数,实现各项异性进行扩散,最大限度地在保持图像细节的同时,去除噪声。实验结果表明,该方法的峰值信噪比,以及视觉质量都较复小波去噪或各项异性非线性扩散去噪方法有明显的改善。     

基于系数相关性的小波变换红外图像去噪

提出了一种基于层内邻域相关性的正交小波变换红外图像去噪算法.首先对红外图像进行离散小波变换,分别对各个分解层的高频子带进行处理;考虑到小波系数的层内邻域相关性,通过基于最小均方误差算法的邻域小波系数向量估计小波系数,然后由估计的高频子带小波系数,通过小波反变换得到去噪图像.仿真结果表明,该红外图像去噪算法能有效去除图像噪声,在峰值信噪比和主观视觉质量等方面都有明显改善.     

一种新的具有增强效果的小波域图像去噪方法

为了使去噪后的图像具有更佳的视觉效果,基于新近出现的一种小波域阈值去噪方法——NeighShrink,提出了一种具有细节增强效果的小波域图像去噪方法——增强型邻域收缩方法(enhanced NeighShrink,ENS)。该方法一方面继承了NeighShrink方法的优点,在对小波系数进行阈值处理时,由于考虑了其与邻域系数的相关性,从而大大减少了误判图像细节为噪声的情况,同时,通过改变NeighShrink方法中小波系数收缩因子的计算方法,用该方法去噪后的图像取得了高于NeighShrink方法的峰值信噪比;另一方面,通过引入一个细节增强因子P,使得该方法能够对图像细节进行增强,从而得到了更佳的视觉效果。通过实验证明,该方法能够在去噪和细节增强这两方面优于普通软阈值去噪方法和NeighShrink方法。     

复小波域最大后验概率图像复原

提出了一种双树复小波变换域最大后验概率图像复原方法。该方法通过在最大后验概率图像迭代复原过程中构建噪声残差,并采用双树复小波变换零均值高斯模型对参差进行降噪处理,从而避免了原泊松最大后验概率图像复原过程中噪声放大的问题,实现了迭代复原的正则化目的。对比实验结果表明,该图像复原方法能很好解决恢复迭代中噪声放大的问题,同时,在视觉效果、PSNR、ISNR等指标上均比Wiener、Pisson-MAP等算法好。     

NSCT变换和小波包变换相结合的图像隐藏方法

为了更好地解决NSCT域图像隐藏不可见性和鲁棒性之间的矛盾,提出了一种基于NSCT变换和小波包变换相结合的可见光图像隐藏方法,利用NSCT变换将载体图像分解为低频子带和一组高频子带,对低频子带进行二级小波包分解,通过奇异值变换将秘密图像重要位平面信息隐藏在小波包分解低频子带中,次要信息自适应隐藏在NSCT高频子带中。实验表明,在同等嵌入容量下,算法峰值信噪比大于50 dB,对几何攻击和滤波等干扰处理后,秘密图像的归一化系数仍接近于1。     

基于小波系数关系的图像去噪方法

为了在保留图像边缘信息的同时,尽可能地去除图像噪声,提出一种基于小波系数尺度间和尺度内关系的去噪方法。该方法使用小波系数的相关系数和邻域小波系数的平均幅值来分别表示小波系数的尺度间和尺度内关系,并以此来辨别出图像的边缘信息和噪声;同时提出了一种阈值函数来处理图像的小波系数。实验表明该方法能取得较高的信噪比,并能保存图像的一些细节信息。     

基于平稳小波变换的飞行数据去噪方法

为更有效地去除飞行数据中的噪声,分析了平稳小波变换的基本原理,将小波系数相关性与阈值收缩去噪方法相结合,提出一种基于系数相关性的改进阈值函数去噪方法。该方法采用平稳小波变换,先对小波系数进行相关性分析,而后使用改进的阈值函数对小波系数进行阈值处理,最后进行信号重构。实验结果表明:该方法不仅能够很好地保持信号的形状,而且信噪比较高、均方误差较小;在实际的飞行数据处理中能够获得较好的去噪效果。     

基于二元树复小波特征表示的人脸识别方法

二元树复小波变换（DTCWT）具备近似平移不变、多方向选择、完全重构和高效计算等优点，适合于人脸特征提取。提出了一种新的基于二元树复小波变换的人脸特征表示方法，用二维DTCWT提取了人脸图像不同尺度、位置和方向的局部特征，并用多尺度多方向的信息生成DTCWT人脸特征图。实验证明了DTCWT人脸特征表示方法提取了最具可判别性的人脸特征，获取了高识别率和泛化能力，优于其他特征表示方法。     

一种有效保留图像细节的自适应图像消噪方法

针对更多保留图像细节信息有效滤除噪声的问题,分析了双密度双树复小波的变换原理及特点,推导了双变量萎缩函数,提出一种基于双密度双树复小波变换的局域自适应图像消噪算法。首先对含噪图像进行双密度双树复小波分解;后根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量萎缩函数对小波系数进行处理,并用处理后的小波系数重构图像。实验结果表明：该算法在滤除噪声的同时可保留更多的图像细节,极大地改善了图像的视觉质量。     

基于四元数小波变换HMT模型的图像去噪

实小波变换域中的图像去噪会产生伪Gibbs现象,为此,提出一种基于四元数小波变换的隐马尔可夫树模型(Q-HMT),并应用于图像去噪。模型结合四元数小波变换理论与HMT模型,体现小波系数层间的相关性,捕获小波系数邻域的统计特征。实验结果表明,该模型的图像去噪效果在峰值信噪比以及视觉效果上均优于经典的去噪方法。     

基于UDCT系数的改进HMT和在图像去噪中应用

通过对均匀离散曲波变换（Uniform Discrete Curvelet Transform,UDCT）系数的统计特性研究,同时对系数相关性度量指标互信息量的分析,最终选择隐马尔可夫树模型对其系数建模,且用EM算法训练序列;针对训练时间过长问题,通过分析系数的衰减性和尺度间系数延续性,提出一种新的对算法参数初值的方差和状态转移矩阵的优化方法,实验结果证明,在采用峰值信噪比和相似度作为图像去噪效果的度量时,同等条件下文中提出的算法比Wavelet HMT、Contourlet HMT、UDCT HMT算法有较好的实时性和去噪效果。     

基于邻域阈值萎缩法的图像去噪方法的优化

小波域去噪是一种新兴的图像去噪方法,邻域阈值萎缩法是小波域阈值图像去噪方法中的一种,其原理是根据邻域窗口内所有小波系数的平方和的大小对该窗口中心的小波系数进行处理。提出一种优化改进的小波域图像去噪方法,该方法先用均方差准则的无偏估计,在小波域每一个子带确定一个最优的阈值和邻域窗口,然后引入一个细节增强因子P,采取映射方式优化邻域阈值萎缩法中小波系数收缩因子,最后通过小波系数的收缩估计得到真实系数的估计。通过实验证明,该方法取得了比邻域阈值萎缩法更高的PSNR值,同时对图像细节进行增强,得到了更佳的视觉效果。