采用小波域α稳定分布的图像去噪

基于统计模型的图像去噪的关键是统计模型的选取.α稳定分布能很好地表示具有严重拖尾的数据的统计分布.该文采用α稳定分布来对图像小波域系数进行建模,并采用贝叶斯估计来对无噪图像进行估计.通过将该算法与近来的一些方法进行比较,仿真结果表明该算法具有好的去噪效果.     

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。     

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.     

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。     

小波域联合概率分布模型与Bayesian图像去噪

基于小波分解的图像小波系数在层内和层间解相关而相互依存的客观现实,提出了一个联合层内和层间两方向系数的非高斯联合概率分布模型.以此模型作为先验分布,在Bayesian估计理论的框架下,导出小波系数闭式的最大后验(MAP)估计公式,并用高斯噪声污染的典型图像进行了实验.结果显示,由该估计公式计算得到的去噪图像不仅有较少的均方误差(MSE),还具有保护和增强边缘的能力.     

基于UDCT的改进双变量模型图像去噪

文章通过对均匀离散曲波变换(UDCT)域中小波系数统计特性的研究,针对传统双变量模型未考虑空间聚集性的不足,提出了一种新的双变量模型去噪算法。首先在双变量模型的基础上采用了蒙特卡洛方法估计各子带的噪声方差;然后引入邻域模型,通过调整邻域窗的大小估计相应窗口内小波系数的度量方差,得到初始化图像;最后以初始化图像和原噪声图像为先验信息,推导出改进的双变量模型来处理原噪声图像,且以对称K-L散度和最大迭代次数为收敛条件,得到最终去噪图像。实验结果证明了该算法的有效性。     

基于分水岭和广义非局部平均的小波去噪

非局部平均滤波去噪方法和基于广义非局部平均的小波域去噪方法都会在不同程度上损失图像细节信息.为了在去除图像噪声的同时更好地保留图像细节,文中提出了一种基于分水岭分割和广义非局部平均的小波去噪方法.首先对含有噪声的图像进行基于梯度的分水岭分割并保留分水岭脊线;然后对含有噪声的图像进行多维度小波分解,对分解的每一层系数估计尺度系数和形状系数,构造每层小波子系数的广义高斯模型,对每层细节子带信息分别在水平、垂直、对角线3个方向应用基于广义高斯模型的非局部平均滤波;最后用含噪图像中与分水岭脊线相对应的像素点替换小波重构后图像的对应像素点.仿真结果表明,该方法与基于广义非局部平局的小波分析去噪法相比能获得更好的视觉效果和去噪效果.     

基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶-小波图像降噪方法.首先在傅里叶域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪.仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象.     

基于IPSO—BP神经网络的结构损伤识别

为了准确评估结构健康状况．将改进的粒子群算法与BP算法有机结合来训练人工神经网络,并用于结构损伤识别．以国际结构控制协会与美国土木工程学会（IASC-ASCE）提出的健康监测第二阶段Benchmark模型结构为例．对4种不同损伤模式进行了损伤定位．研究结果表明,在模型误差、测量噪声等因素的影响下,该方法能够取得令人满意的损伤识别结果．     

基于HVS的DWT图像压缩混合编码算法

为提高数字图像在高压缩比下重构图像的质量,分析研究现有离散小波变换（discrete wavelet transform,DWT）图像压缩的相关算法以及小波系数特性,提出一种基于人眼视觉系统（human visual system,HVS）特性对小波系数进行加权,结合小波各子带系数特性,采用差分脉冲编码调制（differential pulse code modulation,DPCM）与多级树集合分裂排序（set partitioning in hierarchical trees,SPIHT）相结合的编码方法．经视觉信息保真度分析实验验证,与传统的嵌入式零树小波（embeddedzero—tree wavelet,EZW）和SPIHT算法相比,在相同的比特率下该算法重构的图像具有更好的主观视觉效果．     

基于分级策略的自动人眼检测与定位

针对小波阈值法中的小波变换只能将图像分解到有限方向, 而不能较好地表征图像多方向性的问题, 用改进混合小波 方向滤波器组（HWD:Hybrid Wavelet Directional filter banks)变换代替单纯小波变换, 使在图像分解过程中更好地表征图像的多方向性, 保存更多的图像信息; 在分析小波阈值去噪原理的基础上,改变隶属度函数, 构建HWD隶属度的权系数, 从而避免因小波系数间存在幅值交叉使小波阈值法的应用受到限制。改进的HWD在损失最少图像小波系数的前提下, 能最大限度地置零噪声小波系数。实际工程图纸去噪研究表明, 改进的小波阈值法可在去除一定噪声的前提下, 保留更多的工程图纸细节信息。     

基于子波变换的雷达杂波处理方法

讨论了基于子波变换的抑制低频杂波成分的子波恒虚警处理,抑制高频杂波成分的子波浮动阈值处理和能够同时对杂波的低频成分和高频成分进行抑制的混合杂波处理方法,给出了三种处理模型和相应的杂波处理效果.通过对瑞利杂波和韦布尔杂波的子波系数的统计分布特性与零均值高斯杂波子波系数统计特性进行比较,说明该方法对非平稳分布的雷达杂波的处理具有很好的适应性.     

基于小波分解的薄云薄雾模糊图像的恢复与增强

在分析模糊图像噪声特点的基础上,提出对模糊图像进行适当层次的小波分解,然后对分解图像的轮廓和细节部分分别采用不同的处理方法：对低频分量进行LUM滤波和canny算子边缘增强;对高频分量则进行基于邻域统计特性的阈值处理,最后用处理后的分量进行图像重构。实验结果表明,该方法既能有效地去除噪声,又可较好地保持图像细节,效果优于传统的处理方法。     

贺兰山岩画的多尺度非局部滤波算法

针对贺兰山岩画提出了一种新的滤波算法,该方法基于混合多尺度和非局部平均滤波的思想处理噪声图像.首先,将RGB彩色空间转换到L*a*b*颜色空间;其次,对L*a*b*颜色空间的每个分量进行多层小波变换;然后通过2种不同的策略处理粗尺度的小波系数,即对低频系数进行非局部平均滤波,对高频系数进行阈值处理,并对处理后的粗尺度小波系数进行重构得到上一层的低频图像;之后,对每一个尺度继续上面的操作直到得到最细尺度的系数,并对完全重构的图像进行非局部平均滤波;最后,将处理结果转换到通常的RGB彩色空间.大量的实验用于讨论参数的选取和算法的有效性.结果表明,该方法在计算效率、鲁棒性和视觉效果方面均优于已有的混合高斯尺度方法、多尺度双边滤波方法、非局部平均滤波方法.     

分频重构反演及在薄互层储层预测中的应用

塔北隆起却勒-羊塔地区古近系底砂岩段发育一套扇三角洲前缘砂、泥薄互层储层,通过对薄互层储层的钻井岩芯、录测井分析,探讨了常规曲线分频分量的储层地质含义,优选了薄互层岩性敏感曲线和地层平均速度敏感曲线。在曲线预处理、标准化处理等前提下,利用小波分频分解的原理和方法,分频提取储层岩性敏感伽马曲线的中频分量和地层平均层速度敏感声波曲线的低频分量。统计回归,建立伽马曲线与声波曲线的转换模型,模型法将伽马曲线转换为声波曲线量纲。小波分频重构融合伽马曲线中频分量和声波曲线低频分量信息,构建具有声波量纲的拟声波曲线。利用拟声波曲线约束地震反演,提高地震频带宽度和地震资料分辨率,预测了薄互层砂岩的分布区,薄层砂岩主要分布于北部的QL1 井和东部的YT5 井附近。     

基于子带跃迁的非对称GaAs量子阱的三阶非线性系数研究

设计了一种适用于CO2激光器双波长泵浦的非对称结构的Al0.2Ga0.8As/GaAs/Al0.5Ga0.5As量子阱结构,用以差频产生THz波.运用密度矩阵理论和迭代方法计算了这种非对称量子阱的三阶非线性系数,并研究了其随两束差频泵浦光波长的变化.结果表明,量子阱对两束差频泵浦光的三阶非线性系数x（3）ω1和x（3）ω2随两束泵浦光波长的增大都是出现先增大再减小的变化趋势,峰值都位于9.756μm（λp2=10.64μ m）和10.96μm（λp1=9.69μm）,相应的峰值大小为1.185×10-20m2V-2、8.002×10-21m2V-2和2.98×10-19m2V-2和8.565×10-20m2V-2.     

小波复扩散及在DTI图像恢复中的应用

扩散张量图像中广泛存在的赖斯噪声会给张量计算和脑白质追踪等带来严重的影响.为了减少噪声影响,采用小波复扩散方法对多通道扩散加权图像进行了恢复.小波复扩散滤波方法即在小波域中进行复扩散.该方法能够有效消除噪声影响而且具有较好的边缘保持特性.采用峰值信噪比（PSNR）和信号均方差之比（SMSE）来定量地评估本滤波器消除赖斯噪声的性能.基于模拟和真实数据对张量场的表面扩张系数等进行了计算并进行了人脑白质纤维追踪.把去噪方法和多通道小波方法以及复扩散方法进行了比较,实验结果表明本滤波方法具有良好的去噪性能.