基于贝叶斯估计的平稳小波去噪

提出了一种基础平稳小波变换的图像自适应去噪方法.以Laplace分布作为图像平稳小波系数的分布模型,利用贝叶斯最大后验估计原始图像的小波系数达到去噪的目的.实验结果表明,用该方法去噪能得到较高的峰值信噪比和较好的视觉效果.     

基于多元BKF模型的双树复小波图像去噪

本文提出了一种新的去噪方法。该方法将小波系数的内尺度和外尺度信息植入到多元BKF模型之中,从而充分考虑了内外尺度的相关性,并根据最大后验估计(MAP)准则,估计得到图像去噪的阈值化函数,最终,通过逆变换阈值化后小波系数得到去噪后的图像。同时该方法还利用双树复小波变换对图像进行分解和重构,克服了一般离散小波变换缺乏平移不变性和方向敏感性的弱点。去噪实验结果表明,该算法比传统的几种算法有更好的去噪效果。     

基于贝叶斯估计的小波图像去噪算法研究

利用拉普拉斯分布作为小波系数的分布模型,用贝叶斯最大后验概率估计法估计小波系数,给出了一种小波域自适应去噪算法.实验结果表明,本文算法与普通的软阈值法相比,可以获得更好的去噪效果.     

基于正态反高斯先验模型的小波去噪算法

提出了一种基于正态反高斯先验模型(NIG)的小波去噪算法.将小波系数建模为正态反高斯分布,利用矩估计法计算每个子带内的模型参数;在贝叶斯最大后验概率估计(MAP)准则下推导出与NIG模型相对应的阈值函数表达式,以此对图像进行去噪处理.实验结果表明:该算法与经典的阈值去噪算法相比,具有更好的信噪比和视觉效果.     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

基于小波域变分滤波器的超声图像去噪算法

针对超声图像的斑点噪声干扰问题,提出了一种基于小波域的变分滤波算法.该算法利用小波变换的时频特性,对低频域的小波系数使用基于贝叶斯最大后验估计的变分滤波器进行去噪;对高频域的小波系数选择自适应的小波阈值函数,然后使用基于拉普拉斯分布模型的小波收缩算法进行收缩处理.实验结果表明,与小波软阈值滤波器和变分滤波器相比,该算法在去噪能力和边缘信息的保留上均有较好的表现.     

基于双变量模型的子带自适应滤波方法

利用贝叶斯最大后验估计理论研究了双变量层间模型、模型的子带自适应参数估计方法,推导了对应的萎缩函数;在此基础上设计了一种子带自适应图像滤波方法,并与两种基于模型的类似算法进行了比较.实验结果表明:利用小波系数层间模型可以有效地改善图像去噪质量.     

基于双变量收缩函数与小波系数增强的SAR图像去噪

在充分考虑斑点噪声模型特殊性的基础上,将双变量收缩函数与小波系数显著性增强相结合,提出一种新的用于SAR图像的斑点抑制算法.将双变量收缩函数与双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后,通过最大后验概率估计出滤波后图像的小波系数,再采用小波系数的模极大值准则对系数进行显著性增强,突出图像的边缘特征和点特征.仿真实验表明,与其他传统的去噪算法相比,该算法具有更好的去噪效果.     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

广义高斯分布及其在图像去噪中的应用

指出了图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.研究了用广义高斯分布(GGD)对图像子带小波系数进行建模以及GGD模型的参数估计问题,在此基础上设计了一种基于贝叶斯估计的子带自适应阈值去噪算法,通过仿真实验对该算法和经典的小波阈值去噪方法进行了去噪性能的比较和讨论.     

基于贝叶斯最小均方差的OCT图像散斑处理

对于光学相干层析图像中的散斑噪声,提出了一种基于贝叶斯的降噪算法.通过将带有噪声的成像数据放在对数空间中,从噪声的高斯分布中抽取样本,根据图像相邻像素之间的相关性,对样本内的像素赋予相应的权值,用加权直方图估计后验分布,并运用一般贝叶斯最小均方差得出图像的无噪声数据.该算法与传统的小波变换降噪和中值滤波去噪相比,在信噪比(SNR)和等效视数(ENL)方面都有明显的改善,在一定程度上提升了图像质量.     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

信号估计中的贝叶斯方法及应用

贝叶斯估计理论在图像处理领域有广泛的应用.结合图像去噪问题,讨论了贝叶斯最大后验概率估计技术,并推导了信号的最小均方误差估计;在此基础上,提出了一种利用后验均值准则推导维纳滤波表达式的方法.     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.