基于小波变换的边缘保留图像去噪改进算法

针对在图像去噪过程中,如何有效地保留图像边缘等重要特征信息的问题,提出了一种基于小波变换的图像去噪改进算法。对图像进行多尺度小波分解,将各子带小波系数进行自适应阈值化处理,边缘成分的阈值由子带阈值和给定的相关权重计算得到,从而有效保留图像边缘信息。分别对Tracy和Building图像进行处理,实验结果表明,与BayesShrink等4种传统方法相比较,改进算法不仅可以有效去除不同程度的加性高斯白噪声,很好地保留图像边缘等重要特征信息,而且具有较高的峰值信噪比。     

高速摄影下气液泡状流双阈值小波去噪方法

根据气液泡状流三维特征参数高精度测量需求,针对高速摄影法采集气液两相流图像带来的 噪声特性,提出双阈值小波去噪方法实 现气液两相流多气泡图像去噪。基 于硬阈值与软阈值的理论模型,采取双阈值小波去噪的有效方法,达到分离目标区域,保持 良好边缘特性并获得良好去噪效果 的目的,克服了传统的小波硬阈值过度“扼杀”图像信息的缺陷,优化了软阈值边缘 特性的不足,同时解决了半软阈值算法 复杂较难实现的根本问题。实验结果表明,本文方法原图像去噪后信噪比(S NR)可提高11%,熵值提高5.3%,均方根误差(RMSE) 降低了6.9%,能有效地消除图像背景噪声,在不失真的 情况下获取较为平滑的气泡图像,并保持气泡边缘特性,提高了后续流动特征的提取精度。     

基于小波域HMT模型的图像去噪研究

研究小波域隐式马尔可夫模型树(HMT),提出了一种基于小波域HMT模型抑制高斯白噪声的改进图像去噪算法.首先将噪声图像沿水平、垂直及对角方向进行平移变换;然后对平移后的图像进行小波变换,建立其对应的小波域HMT型,分别进行去噪处理.最后取所有去噪图像的均值作为最终的去噪图像.在仿真实验中,对不同程度污染下高斯白噪声的Lena图像分别采用该文算法、小波域硬阈值与软阈值去噪进行比较.结果表明,该文算法很好地保留了图像的细节和边缘信息;提高了图像的峰值信噪比;抑制了Gibbs效应;具有较好的去噪效果.通过实验仿真可以看出,这种方法较好地去除了白噪声;提高了图像的峰值信噪比;较好地保存了图像的边缘和细节信息;抑制了振铃现象.     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

一种改进型图像降噪方法

针对图像获取中易受到噪声干扰的问题,介绍了图像去噪处理的几种常用算法（邻域平均法、中值滤波法、图像间的平均滤波）,对比阐述了各自的优缺点及适用范围。提出了一种基于平滑滤波的小波阈值图像去噪算法,该算法采用中值滤波和小波阈值相结合的方式对图像进行平滑处理。实验结果表明,该方法不仅有利于图像噪声的去除,而且边缘信息也得到了较好的保留,使图像具有更好的视觉效果,还原出图像的本来面目。     

一种基于新型符号函数的小波阈值图像去噪算法

在现有阈值去噪算法的基础上提出了一种基于新型符号函数的小波阈值图像去噪算法,该算法提出的新阈值函数具有连续可导、小波系数偏差小、阈值自适应性强等优势.不仅保留了分解后的低频小波系数,还有效滤除了高频系数中的噪声系数,使得重构后的图像更接近原始图像.对高斯白噪声的Bridge图像、Lena图像及含“斑点噪声”的B超Fetus图像进行仿真,实验的结果表明,无论是新阈值函数的视觉效果,还是定量指标PSNR和MSE,均优于现有的阈值图像去噪算法.其边缘及细节信息能得到较好的保护,无明显振荡,图像更平滑、均匀,且在复杂噪声背景下,该方法具有较好的顽健性.     

一种高效的小波Contourlet变换阈值去噪算法

针对现有图像去噪算法去噪效率与信号保真度不高的现象,通过研究小波变换与Contourlet变换,将其有机的结合在一起从而实现优势互补,并提出一种高效的阈值去噪算法,通过建立最大值列表,引入适当的阈值将其系数进行分类,并使用优化后的软阈值去噪算法与边缘优化算法对其分类处理,实验表明,该算法能够有效的对含噪图像进行去噪的同时保留其边缘信息,具有高效性、保真度高的图像去噪特性,在图像去噪领域有较好的发展前景。     

基于小波分析的遥感车辆图像增强方法研究

拍摄遥感图像时,由于CCD相机距离景物较远以及受传统航空摄影技术和各种噪声的影响,造成遥感图像图质退化,从而影响后期遥感信息的提取和处理。为此,提出一种分层局部阈值图像去噪增强算法,该算法先对同一级的3个不同方向的高频小波系数加权,然后选用不同的阈值对这3个高频小波系数进行硬阈值处理,弥补了全局阈值算法对小波系数＂过扼杀＂的缺点及局部阈值算法运算量大,算法复杂的缺点。实验证明,该方法能有效地抑制噪声,增强图像的边缘及细节信息,达到很好的图像增强效果。     

基于小波阈值的医学图像去噪研究

在分析目前广泛应用的软阈值和硬阈值函数去噪方法的基础上,提出了一种改进的小波阈值函数的医学图像去噪方法.这种方法既兼顾了软、硬阈值函数的优点,同时又有效克服了软阈值法细节模糊和硬阈值法去噪信号的失真现象.仿真结果表明,该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医生的诊断.     

基于双正交小波和边缘加权的图像去噪算法

文中针对现有去噪算法存在的问题,提出了一种基于双正交小波和边缘加权的新的图像去噪算法.该算法对图像进行基于图像移位相关性的自适应二叉分解,研究了白高斯噪声在双正交小波分解下的功率谱,并结合图像的边缘信息,对不同区域的去噪阈值以不同权重加权.实验结果表明,文中算法去噪所得图像的MSE优于小波变换全局阈值去噪,视觉效果明显优于维纳滤波去噪.     

一种改进的小波阈值裂纹图像去噪法

文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进,一方面改进闽值公式,寻求最优的阈值,获取更好的边缘保护,从而达到图像原始信息完整性;另一方面通过优化阁值函数获得改进的阚值方法,提高小波系数阈值判断的准确性,获得更好的去噪效果。实验结果表明,与通常的方法相比较,能更好的去除数字图像噪声、保护图像边缘,获得更好的峰值信噪比、边缘保持指数和更好的视觉效果,达到去噪要求。     

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明：在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。     

基于图像边缘信息的多小波阈值去噪方法

基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素.基于图像边缘信息的多小波闽值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理.与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好.     

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。     

基于小波变换的结构光光条图像去噪方法

结构光光条图像通常受到大量噪声的干扰,会对光条图像分析的造成影响。本文通过对结构光光条图像的噪声特点的分析,结合中值滤波和小波去噪特性,提出基于自适应中值滤波和改进小波重构的去噪方法。用本文提出的方法对结构光光条图像进行去噪处理,并与传统小波软阈值去噪法等其他去噪方法结果进行对比。使用客观的评价标准对两种方法去噪效果进行评价,结果表明,本文提出的去噪方法对结构光光条图像有更好的去噪效果。     

基于小波去噪的返回散射电离图前沿提取

提出了基于小波去噪结合自适应阈值的Canny算子进行返回散射电离图前沿提取的方法;简单介绍了小波变换去除噪声和用Canny算子进行边缘检测的基本步骤,结合返回散射电离图的统计特性和基本全局阈值技术,提出一种自适应阈值方法进行Canny算子硬阈值的确定方法.所研究的方法可有效的降低噪声对返回散射电离图前沿提取的影响,将返回散射电离图前沿成功提取出来.     

Wavelet domain denoising method based on multistage median filtering

There are two main problems in the threshold denoising method based on wavelet transform. One is the difficulty of threshold selection, and the other is the inconsistence of the dip and curved events in the low signal-to-noise ratio (SNR) seismic data after denoising. In image denoising, multistage median filtering can preserve the details of the signal. So we proposed a denoising algorithm in wavelet transform domain based on multistage median filtering. Using this method the flat region and the edge region are differentiated by the difference between the maximum mid-value and the minimum mid-value, which preserves the details, thus improves the denoising effect. The simulation data and the real data processing results reveal that this method has stronger ability in separating signal from noise than that of the threshold denoising method.