一种改进的小波去噪方法在红外图像中应用

针对小波软阈值去噪函数会产生恒定误差导致图像边缘模糊的缺点,提出了一种改进阈值函数的去噪算法。该算法中当小波系数较大时,阈值函数趋向于硬阈值函数;当小波系数较小时,趋向于软阈值函数,具有自适应性。采用维纳滤波消除图像小波变换中低频频带中残留的噪声。实验结果表明,改进后的阈值函数结合贝叶斯阈值的方法与传统小波软阈值去噪相比,能够有效去除红外图像中的噪声,同时保持红外图像热差细节,具有较高的峰值信噪比,非常适用于去除红外图像中的噪声。     

基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。     

基于TLS估计的遗传小波红外图像去噪方法

为了更有效地去除红外图像中的噪声,提出一种基于总体最小二乘法(TLS)估计的遗传小波红外图像去噪方法.该方法以TLS小波去噪后图像作为父本并以维纳滤波处理后的图像作为母本来进行选择、交叉和变异,通过提取TLS小波去噪和维纳滤波在图像去噪中的优势基因,获得最优子代并解码还原成图像.实验结果表明,与当前已有的图像去噪方法相比,该方法能更加有效地去除红外图像中的噪声,且去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE).     

小波阈值的改进及在遥感图像去噪中的应用

在遥感图像降噪过程中，小波域阈值算法可以有效地降低图像的噪声，但阈值选取往往是固定的，如Donoho给出了基于小波变换的通用阈值去噪公式，由于该阈值不具备尺度间的自适应性，致使图像细节丢失。通过改进Donoho通用阈值和阈值函数，提出了阈值系数的自适应确定方法，实验证明该算法能有效地去除噪声，且能够较好地保护图像细节。
     

基于小波变换的多尺度多方向图像去噪

小波图像去噪是小波应用较成功的一个方面,通过阈值进行去噪,最佳阈值T的确定是一个关键问题.由于噪声能量在不同方向(水平、垂直和对角)的高频系数分布情况有所差异,可对小渡全阚值消噪方法进行改进为:图像进行小波分解后,对每一尺度的不同方向的高频系数取不同阈值进行去噪.称之为多尺度多方向消噪法.与全局阈值法相比,新方法使图像更加清晰,并能更好地适合人眼的视觉特性.从消噪后图像的信噪比和均方根误差上看,新方法也优于全局闽值去噪法.因此,该方法在客观和主观上都能同时获得更佳的去噪效果.     

改进的正交小波变换阈值去噪算法研究

研究了图像去除噪声问题.图像中噪声经常会影响图像的清晰度,造成图像模糊等.为了更好的去除图像中的噪声,特别是去除图像中细节丰富的区域中的噪声,传统的去噪方法难以完成.为了更好的去除图像噪声,保留图像细节信息,提高图像的清晰度,提出了一种改进的正交小波变换阈值去噪算法,先将噪声的数字图像进行正交小波变换,得到小波系数,然...     

基于改进小波阈值法的图像去噪算法

图像去噪是图像处理中最基本、最重要的前期工作,本文提出一种基于衰减法的Garrote阈值函数,并将基于该改进阈值函数的小波阈值法用于图像去噪过程,最后通过MATLAB仿真实验验证了本文所提出算法的有效性.本文在分析小波阈值法对图像去噪效果影响的基础上,针对该去噪算法在去除噪声的同时也损失了一定量的图像细节信息的问题,改进了传统阈值函数未考虑阈值以下的小波系数可能含有图像细节信息而对阈值以下小波系数盲目置零的缺点,对Garrote阈值函数阈值以下的小波系数采取衰减方法,以保留更多的图像细节信息,并加入三个调整因子以提高其性能和灵活度,实验表明本文提出的改进小波阈值去噪算法能够有效地去除噪声,且能够保留大量的图像边缘及细节信息.     

一种基于细尺度间小波系数相关性的图像去噪方法

图像去噪问题的研究一直是图像处理的热点问题.首先对噪声图像经小波分解后噪声小波系数在细尺度子带间的分布特点进行了研究,提出了一种结合尺度内和尺度间系数相关性的噪声统计模型--细尺度间噪声系数分布的"类零树结构",以及基于分块的Bayes阈值确定方法.在此基础上将二者相结合,提出了一种新的图像去噪方法.该方法首先通过Bayes阈值去噪法去除高层子带中的噪声,同时利用基于块阈值方法定位次外层子带中的噪声位置,然后利用"类零树结构"模型,估计对应的最外层子带中的噪声的分布,并进行相应的去噪处理.实验结果表明,该方法稳定、有效,去噪效果优于传统Bayes逐点阚值去噪方法,且具有较低的时间复杂度.     

基于灰色关联度改进的Contourlet变换图像去噪算法

为了更有效降低图像中的噪声,提出一种基于灰色关联度改进的Contourlet变换图像去噪算法。一方面考虑到Contourlet变换尺度内各相邻方向子带之间的灰色关联度、尺度间的影响及噪声强度的因素,对贝叶斯阈值进行改进;另一方面根据Contourlet系数的特点对折中阈值函数进行改进,以达到自适应去噪的目的。实验结果表明,该算法能有效地降低图像噪声,获得更高的峰值信噪比(PSNR)和更好的视觉效果,具有较好的实用性。     

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。     

复小波域层内层间相关性图像去噪方法

提出了双树复小波变换域尺度内和尺度间复系数相关性图像去噪新方法。该方法利用双树复小波变换的多方向性和平移不变性对图像进行多尺度分解,采用邻域复系数微分窗对其高频方向子图进行尺度内复系数相关性建模,并按最小错误率贝叶斯决策规则进行分类和状态标识;再把复系数尺度内状态标识与复小波域隐马尔可夫树相结合,从而实现降噪功能。实验结果表明,该方法在峰值信噪比指标上优于传统的滤波方法,能有效地抑制噪声的同时,对图像边缘具有较好的保护能力。     

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。     

一种红外图像去噪的多尺度几何分析法

针对红外图像处理中的去噪问题,提出了一种基于多尺度几何分析的去噪方法;首先给出了一种改进的模糊阈值选取方法,然后对图像进行bandelets变换,在此过程中对系数进行改进的模糊阈值处理,最终实现图像去噪,同时针对去噪问题给出了bandelets变换过程中压缩率阈值的选取方法;仿真结果表明,对于被加性高斯白噪声污染的图像,该方法的去噪性能要好于正交小波硬阈值去噪方法,并且能够获得很好的边缘保持效果。     

基于小波域加权阈值的图像去噪方法

针对小波全局阈值去噪的缺点,介绍了一种子带自适应的阈值加权算法。通过对图像小波分解系数统计特性的分析,提出了一种近指数模型作为分解层之间小波系数的先验分布。在此基础上,对比噪声图像和无噪图像在各尺度下统计特性,给出了一种子带自适应的加权阈值计算方法,避免了各层子带去噪的不平衡。实验表明,与全局阈值和其它子带自适应阈值去噪方法相比,基于加权阈值的图像去噪方法能获得更高的信噪比和更好的视觉效果。     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

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。