基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

基于小波变换的微光图像中值滤波消噪

为了提高微光图像在目标识别中的可靠性,利用微光图像中所含噪声点具有椒盐噪声的特点,对图像进行小波变换并仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像.由小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声.结果表明包含在图像中的噪声可以很好地被消除.这种消噪方法克服了中值滤波方法边缘模糊的缺点,保持了微光图像中的细节部分.     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

小波变换与中值滤波耦合的雷达信号去噪法

为了提高雷达检测弱信号的能力，对它的去噪就显得非常重要。小波变换具有良好的局部化分析特性和多分辨率分析特性，中值滤波具有良好的边缘保持特性。它们都有一定的去噪能力，但对弱信号效果不好。提出了基于小波变换与中值滤波器耦合的雷达弱信号去噪方法，仿真结果表明，经过该方法去噪后弱信号的信噪比有较大提高。     

基于Daubechies小波和中值滤波的图像去噪法

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想。小波变换可以较好地滤除高斯噪声。将Daubechies小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声,实例测试验证了这种方法的有效性。     

基于Daubechies小波和中值滤波的图像去噪法

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想。小波变换可以较好地滤除高斯噪声。将Daubechies小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声,实例测试验证了这种方法的有效性。     

基于小波变换的滤波反投影算法

滤波反投影算法是Ｒａｄｏｎ 逆变换最常用的一种数值计算方法,在ＣＴ技术和信号处理中得到了广泛的应用。本文把小波变换应用于滤波反投影算法中,给出了一种用小波变换对投影数据作滤波处理的方法,这种方法与常规方法比较,具有精度高,抗噪能力强,参数易于选取等优点。文中给出了模型和实际地震资料处理实例,证明了该方法的有效性。     

中值滤波方法在数据挖掘数据预处理中的应用

文章讨论了中值滤波方法在数据挖掘预处理中应用问题。简要介绍数据挖掘中的数据预处理及数据清洗中的常见方法。利用中值滤波的特点对中值滤波和平均值法进行比较分析,实现中值滤波在数据预处理中的应用。     

二维分数阶小波变换滤除混合图像噪声研究

图像形成与传输过程中,常受到复杂混合噪声的干扰.本文结合二维分数阶小波变换与中值滤波,提出一种新的混合未知图像噪声滤除方法.该方法先通过噪声检测将脉冲噪声标识出来,并利用中值滤波方法滤除,然后计算剩余噪声,进一步得到二维分数阶小波变换的最优阶次,在二维分数阶小波时频域,将剩余的高斯白噪声用阈值去噪方法滤除.经实验证明,该方法在有效去除混合噪声时具有优势.     

基于小波的同态滤波算法在ICT图像增强中的应用

针对ICT图像对比度低、边缘模糊、细节不清晰等问题,提出采用基于小波的同态滤波算法来对图像进行增强。同态滤波可以有效地减少亮度不均匀,并对感兴趣的景物进行有效增强。首光使用基于照明反射模型的同态滤波方法,介绍模型的原理、实现过程和特点,给出了适用的滤波模型和表达式。引入基于小波变换的同态滤波方法,采用高通滤波对小波变换系数进行处理,在保持图像总体原貌的基础上对图像局部对比度增强,效果显著。     

一种基于小波变换和直方图均衡的图像增强方法

提出了一种基于小波变换和直方图均衡相结合的图像增强方法,该方法既能增强图像对比度,又能有效抑制噪声,突出图像细节信息。实验分析表明：该方法可以使图像的清晰度得到很大改善。     

一种基于小波融合的乳腺图像增强方法

任何一种方法不会对所有的图像都有很好的增强效果,不同的增强方法对图像的增强重点也不尽相同。灰度线性变换法能够加大图像动态范围,增强高通滤波法能够增强图像的精细结构。我们分别采用这两种方法对乳腺图像增强,然后利用小波融合方法综合两个图像的信息,得到了很好的增强效果。     

一种改进的基于小波变换图像边缘检测

由于存在噪声,采用经典算子的方法,图像的边缘检测效果不好.本文首先介绍了经典的边缘检测.然后,针对上述算法的缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.鉴于此,提出改进的基于小波变换的边缘检测.通过实验结果的比较,证明了所用方法的有效性.     

基于提升小波分解曲波变换的雷达影像消噪法

利用提升法对传统小波进行提升,将提升小波对雷达影像进行分解,形成子带影像,再将子带影像进行脊 波变换,并对变换结果进行消噪处理,然后进行脊波逆变换和提升小波重构,得到新的雷达影像。试验结果表 明:基于提升小波分解的曲波变换比传统小波分解的曲波变换对雷达影像消噪效果好,同时与传统的均值滤波 相比效果更好。     

基于小波变换的PCB图像拼接

在印刷电路板(PCB)的机器视觉检测中需要通过图像拼接来得到整个PCB的图像,传统的图像配准拼接技术由于光照干扰效果不好.用图像的小波分解高频系数去掉反映光照渐变的低能量系数后,可以较好地避免光照不均匀的干扰,分别利用有效垂直高频系数的垂直投影和水平高频系数的水平投影可以快速水平配准和垂直配准,低频部分作拼接的灰度渐变平滑处理.     

Multi-Focus Image Fusion Based on Wavelet Transformation

In the fusion of image, how to measure the local character and clarity is called activity measurement. According to the problem, the traditional measurement is decided only by the high-frequency detail coefficients, which will make the energy expression insufficient to reflect the local clarity. Therefore, in this paper, a novel construction method for activity measurement is proposed. Firstly, it uses the wavelet decomposition for the fusion resource image, and then utilizes the high and low frequency wavelet coefficients synthetically. Meantime, it takes the normalized variance as the weight of high-frequency energy. Secondly, it calculates the measurement by the weighted energy, which can be used to measure the local character. Finally, the fusion coefficients can be got. In order to illustrate the superiority of this new method, three kinds of assessing indicators are provided. The experiment results show that, comparing with the traditional methods, this new method weakens the fuzzy and promotes the indicator value. Therefore, it has much more advantages for practical application.