共查询到10条相似文献,搜索用时 15 毫秒
1.
提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。 相似文献
2.
在传统的小波多尺度边缘检测的基础上,利用相邻尺度上小波系数相乘的性质,提出一种噪声目标的边缘检测算法,同时对一般的小波阚值方法加以改进,得到一种自适应阈值方法,从而达到增强边缘.抑制噪声的效果,并相应提高了边缘检测的精度。对实际拍摄的含噪军事目标进行仿真试验的结果表明,该算法检测出的图像边缘轮廓清晰,细节突出,去噪效果好,因而在军事上具有一定的实用性。 相似文献
3.
利用小波变换对含有噪声的图像进行变换,针对其小波系数进行阈值操作,得出降噪后的增强图像.首先对原始射线图像进行对数变换,其次对变换后的图像进行小波阈值降噪处理,最后对阈值降噪处理后的图像进行指数拉伸变换,求得消除噪声以后的增强射线图像.实验证明提出的方法对炮弹射线图像处理是有效的. 相似文献
4.
成像机理的限制以及海洋中存在的丰富噪声源,导致侧扫声纳图像出现噪声污染严重、目标和背景区域灰度值对比度低以及边缘呈现强度较弱等情况。针对上述问题,提出一种侧扫声纳图像非下采样轮廓波变换(NSCT)域分区增强方法。对于声纳图像低频部分,使用非线性函数增强方法,提升低频图像对比度;对于声纳图像高频部分,通过分析声纳高频图像在NSCT域上同一尺度不同方向子带系数最大值与最小值差值的分布规律,进行噪声和纹理边缘的划分以及对应的处理。将所提方法与小波硬阈值增强方法、小波Shrinkage自适应阈值增强方法做实验对比,结果表明,该方法不仅可以较好地消除噪声,而且可以抑制琐碎纹理、提升弱边缘,侧扫声纳图像增强效果更加突出。 相似文献
5.
6.
7.
8.
9.
针对射线数字图像的特点,提出了一种基于混合噪声模型的小波中值滤波降噪方法。对射线数字图像噪声成分构成进行分析,建立了混合噪声模型。根据混合噪声模型来计算噪声方差,进而计算BayesShrink阈值,解决了BayesShrink阈值计算中因射线数字图像小波系数不服从广义高斯分布而导致的Donoho噪声方差计算方法失效的问题。为了消除BayesShrink阈值处理引起的图像失真,对小波阈值处理结果进行中值滤波。采用射线数字图像对该方法的有效性进行了验证,实验表明,该方法的降噪效果优于OracleShrink和SureShrink阈值法。 相似文献
10.
提出了一种改进的B样条小波边缘检测算法,并在抑制噪声干扰和锐化图像弱边缘的基础上,采用自适应平滑滤波和B样条小波多尺度阈值方法进行了边缘检测.实验结果表明,改进的B样条小波边缘检测算法在除噪和提取弱边缘上可获得更好的效果. 相似文献