非平稳环境下基于小波变换的图像去噪

传统的图像去噪算法往往仅对平稳或缓慢变化的噪声有效,且残留的图像噪声较大。对此,研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及它们的小波变换模极大值随尺度的变化大小不同,运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小,完成了图像去噪。实验结果表明,对峰值信噪比较低的图像,该方法去噪后峰值信噪比比传统方法的高,并且保留了较多的图像细节,同时对平稳和非平稳的噪声都能进行较好地去噪。     

基于非抽样Contourlet变换的最佳软阈值图像去噪

研究了小波变换在图像处理中的缺陷,以及Contourlet变换在图像处理中产生伪Gibbs失真的原因。为了在多尺度分析框架下改进图像去噪的效果,提出了一种基于非抽样Contourlet变换的图像去噪算法,利用非抽样Contourlet变换的多尺度多方向性以及平移不变性,对加噪图像进行非抽样Contourlet变换得到变换系数,然后对变换系数采用分层最佳软阈值处理,最后将其反变换得到去噪后的图像。实验结果表明,与Contourlet变换图像去噪算法相比,该算法可以达到更好的效果。     

基于非抽样Contourlet变换的最佳软阈值图像去噪

研究了小波变换在图像处理中的缺陷,以及Contourlet变换在图像处理中产生伪Gibbs失真的原因.为了在多尺度分析框架下改进图像去噪的效果,提出了一种基于非抽样Contourlet变换的图像去噪算法,利用非抽样Contourlet变换的多尺度多方向性以及平移不变性,对加噪图像进行非抽样Contourlet变换得到变换系数,然后对变换系数采用分层最佳软阈值处理,最后将其反变换得到去噪后的图像.实验结果表明,与Contourlet变换图像去噪算法相比,该算法可以达到更好的效果.     

基于小波自适应阈值图像去噪方法的研究

利用小波变换对图像去噪是一种非常有效的方法。传统的小波去噪算法对图像去噪后的平滑效果不是很好,图像细节清晰度不够高,甚至会产生伪吉布斯现象。针对这些现象,文中提出了一种改进的基于小波变换的多尺度自适应阈值图像去噪方法。该方法根据图像小波分解的特性,确定适合小波分解后不同层系数去噪的较优阈值,然后结合恰当的阈值函数对各层高频系数进行处理来达到去噪效果。实验结果表明,与传统方法相比,该方法运算量较小,能有效去除高斯白噪声,进一步提高峰值性噪比,同时能够很好地保留图像细节信息。     

一种新的基于小波变换的医学图像去噪方法

对医学图像进行去噪可以提高医学图像的信息利用率,小波变换是目前最新的时频分析工具,是图像去噪的强有力处理工具。本文提出了一种改进的基于小波变换尺度间相关性的去噪方法,实验证明,该去噪方法能有效去除医学图像中的噪声。     

一种基于M带小波变换的多幅图像去噪算法

基于小波的图像去噪算法是目前图像去噪研究的一个热点。大多数的研究考虑的都是单幅图像样本的情况,在基于图像的多幅含不同均匀噪声拷贝的两带小波去噪方法的基础上,把多幅含噪图像拷贝的两带小波去噪方法推广到了M带,提出了一种基于M带小波变换的多幅图像去噪方法。实验结果表明该方法的去噪效果要优于相同条件下的两带小波的去噪效果。     

基于曲波变换的图像去噪新算法

比较了小波变换和曲波变换,指出小波变换只具有点状奇异性的不足之处和曲波变换具有多尺度各向奇异性的优点,分析了现有的基于曲波变换的图像去噪方法,并对目前基于曲波变换的去噪算法进行了改进,提出结合Wrapping和Cycle Spinning的WCSCurvelet去噪新算法.仿真实验的结果证实了该算法减少了伪Gibbs现象,较好地保留了图像的细节和纹理,获得了更好的视觉效果和更高的峰值信噪比.     

改进的脊波变换图像半软阈值降噪方法

脊波变换是一种源于小波又高于小波的多尺度几何分析方法,应用于图像中.借鉴小波去噪的思想提出一种新的图像去噪方法,采用基于Bayesian估计的自适应阈值和半软阈值技术进行去噪,针对脊渡变换所产生的轻微的"划痕",引入平移不变的方法消除这种条纹干扰.实验结果表明,该方法较好地处理了图像细节和边沿保留与噪声抑制的矛盾,是一种有效的去噪方法.     

一种基于第2代曲波变换的尺度相关图像去噪方法

从第2代曲波变换为基础,提出了一种利用尺度相关性进行自适应阈值收缩的图像去噪方法。通过实验比较小波与第2代曲波图像去噪,采用峰值信噪比对去噪结果进行了客观评价,实验结果表明,本文提出的图像去噪方法明显优于小波图像去噪方法,并且相对于单纯的阈值收缩去噪也有很大提高。     

二进小波变换的图像去噪

由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,基于二进小波变换的图像去噪效果会好于基于小波级数变换的图像去噪效果。基于这个思想,该文提出了DWID方法,将基于小波级数的图像去噪方法推广到基于二进小波变换的图像去噪,比较了DWID同基于小波级数去噪效果。实验表明,DWID比小波级数去噪效果有明显改善。     

基于互信息准则的图像平滑和分割

在计算机视觉领域,尺度空间扮演着一个很重要的角色。多尺度图像分析的基础是自动尺度选择,但它 的性能非常主观和依赖于经验。基于互信息的度量准则,文章提出了一种自动选取最优尺度的模型。首先,研究 专注于基于形态学算子的多尺度图像平滑去噪方法,这种技术不需要噪声方差的先验知识,可以有效地消除照度 的变化。其次,通过递归修剪 Huffman 编码树,设计了一个基于聚类的无监督图像分割算法。一个特定的聚类数 从信息理论的角度来看,提出的聚类算法可以保留最大的信息量。最后,用一系列的实验对算法的性能进行了验证, 并从数学上进行了详细的证明和分析,实验结果表明本文提出的算法能获得最优尺度的图像平滑和分割性能 。     

基于稀疏性的图像去噪综述*

利用图像的稀疏与冗余表达模型去噪是当前较为新颖的去噪方法,在对国内外稀疏模型去噪文献进行理解和分析的基础上,回顾稀疏性去噪研究的发展,阐明稀疏去噪的原理与降噪模型。总结用于稀疏去噪中的各类方法,介绍利用稀疏性在图像去噪中的分解与重构过程,并将小波法去噪、多尺度几何分析法去噪、独立成分法去噪中所涉及的传统稀疏性与当前的稀疏与冗余表达模型去噪对比分析。最后基于对稀疏性去噪方法的分析,提出对稀疏去噪研究方法的一些展望。     

小波域图像降噪概述

小波域图像降噪是图像处理中一个引人注目的研究方向，为了使人们对小波域图像降噪有一概括了解，在对小波域图像降噪相关文献进行分析和理解的前提下，首先给出了小波变换的特性，同时阐述了小波去噪的最优准则和对图像进行小波变换时小波基的选取原则，然后评述了用于图像降噪的方法，并分析了利用小波系数建模的常用方法，最后探讨了小波域图像降噪的发展方向。     

基于多尺度相似先验的非局部图像去噪算法

图像去噪是图像处理领域的一个基础研究课题,利用正则化建模方式解决图像去噪问题的关键在于正则化约束项的选择。通过分析图像结构信息,文章假定图像存在多尺度的结构特征,提出了以多尺度相似先验作为正则化约束项的非局部图像去噪模型。该算法利用奇异值分解和硬阈值方法对获得的多尺度相似矩阵进行协同去噪,通过数值实验表明,可以获得性能较好的去噪效果。     

基于剪切波和改进P-M扩散的图像去噪

针对多尺度几何分析方法去噪时产生的伪Gibbs效应和各向异性扩散模型产生的阶梯效应,提出一种基于剪切波的改进各向异性扩散图像去噪方法。首先对噪声图像进行剪切波变换得到不同尺度的系数矩阵,然后利用改进的各向异性扩散方程对变换后的系数进行处理,实现建立在对图像精细分析基础上的各向异性扩散模型。实验结果表明,该方法能较好地抑制噪声和保持边缘,同时有效地抑制伪Gibbs效应,取得良好的视觉效果。     

基于高密度离散小波变换的改进图像降噪方法

为进一步提高图像质量,提出一种基于高密度离散小波变换的改进图像降噪方法。给出二维高密度离散小波变换的分解与重构快速算法,通过该算法对图像进行多尺度分解,利用相邻尺度小波系数相关性对各层小波系数进行双变量收缩阈值处理,重构降噪后的图像。实验结果表明,与其他常用小波降噪方法相比,该方法能进一步提高图像降噪效果,且在降噪过程中较好地保留图像细节。     

PDTDFB变换和双变量模型在图像去噪中的应用

对金字塔复方向滤波器组和贝叶斯最大后验估计理论架构下的双变量模型进行研究的基础上,结合二者的优点,提出一种新的图像去噪算法。PDTDFB（Pyramidal Dual-Tree Directional Filter Bank）变换具有近似时移不变性、多尺度、多方向选择性好的特点;双变量模型充分突出图像分解后系数的尺度内和尺度间的双重相关性;对噪声估计方法做出了详细阐述。仿真实验表明,与已有的多尺度理论（如：轮廓波等）和一些典型的图像去噪算法相比较,该算法的客观评价指标PSNR以及去噪后图像的主观视觉效果都有明显的提高和改善,能有效地保留原始图像的纹理和细节信息。     

一种新的非下采样Contourlet域图像去噪算法

作为新型高维奇异性分析工具,非下采样轮廓(Nonsubsampled Contourlet)变换不仅克服了小波(Wavelet)变换的非奇异性最优基缺点,而且提供了优于轮廓(Contourlet)变换的平移不变性.以性能优越的非下采样轮廓变换为基础,提出了一种新的图像去噪方法.该方法首先对图像进行非下采样轮廓变换,以得到不同尺度、不同方向上的变换系数;然后结合噪声分布特点确定多尺度阈值,并依此阚值对高频系数进行去噪处理;最后对去噪处理后的变换系数进行反变换,以得到去噪图像.仿真实验结果表明,该方法不仅拥有较强的抑制噪声的能力,而且具有较好的边缘保护能力,同时消除了图像边缘附近的伪吉布斯(Gibbs)现象,整体性能优于小波变换图像去噪和轮廓变换图像去噪方法.     

基于小波阈值的图像去噪算法研究

对基于小波阈值的图像去噪算法研究进行了深入的讨论,详细介绍了几种比较常用的小波阈值去噪算法。对于图像的小波分解和重构,详细介绍了其分解步骤和算法,分析了小波分解过程中层数的选取和小波重构图像的问题,并给出了一些选取依据;详细介绍了小波系数的处理过程以及不同处理方式的去噪原理;对小波变换阈值去噪的不同方法和原理进行了阐述。