基于平稳小波域GSM模型的SAR图像去噪

为解决SAR图像处理中传统方法存在的图像边缘模糊、失真等问题,将平稳小波变换和高斯混合尺度模型（GSM）相结合,建立了基于平稳小波分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪,最后对各个方法的滤波结果用评估参数进行客观评价。实验结果表明,该方法具有比空域滤波及标准小波方法更优的去噪性能。     

基于剪切波变换和拟合优度检验的遥感图像去噪

针对遥感图像中的高斯白噪声,提出一种基于剪切波变换和拟合优度检验的遥感图像去噪算法.首先,将含噪遥感图像通过剪切波变换多尺度分解得到不同子带,利用剪切波域下高斯白噪声系数的统计关系估计去噪阈值;其次,计算高频子带的拟合优度检验统计量,将统计量与去噪阈值相比较进行去噪;最后,对系数矩阵进行剪切波逆变换重建去噪图像.仿真实验结果表明,该算法能有效去除遥感图像中的高斯噪声,保持图像的边缘纹理信息,并且在不同噪声水平下,均获得了较高的峰值信噪比,其中与剪切波阈值去噪算法相比平均提高0.33 dB.     

基于Curvelet的Stein无偏风险估计图像去噪

基于Stein无偏风险估计(SURE)和阈值的线性展开式(LET),提出基于Curvelet的SURE-LET图像去噪方法。Curvelet变换实现了对于二阶可微奇异性(C2-singularity)分段连续目标的最优稀疏表达,同时Curvelet阈值保持了曲线奇异性和增强去噪能力。不同于已有算法,SURE方法不必为原始图像假设统计模型。非线性处理在Curve-let变换域执行,最小化操作在图像域进行;去噪过程可以表达为基元去噪过程的线性组合,即LET。SURE和LET两个原则使去噪算法仅解决一个线性方程系统,快速而有效。实验对多幅标准图像进行诸方法的去噪比较,结果表明,该方法优于单纯的Curvelet和SURE-LET去噪方法,相比于Db5小波、BiShrink也具有一定的优势。     

基于模糊支持向量机的曲波域图像去噪算法

图像去噪是图像处理领域的研究热点,数字图像去噪方法研究仍然是一项富有挑战性的工作.本文以性能卓越的曲波(Curvelet)变换理论为基础,提出了一种基于模糊支持向量机(FSVM)的曲波域图像去噪算法.该算法的基本工作原理为:首先,对原始噪声图像做曲波分解以获得变换系数;然后,结合噪声分布特点确定系数空间性,并构造出FSVM的训练特征;最后,对高频曲波系数进行模糊分类与自适应阈值去噪,并进一步对去噪后系数进行曲波重构以得到去噪图像.通过仿真实验结果,证明了本文算法在消除伪吉布斯(Gibbs)现象的同时,具有较强的抑制噪声能力和边缘保护能力.     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

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.     

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。     

基于变分正则化的混合泊松-高斯噪声图像去噪方法综述

对基于变分正则化的混合泊松-高斯噪声图像的去噪模型及算法进行综述.首先,简要介绍了2个针对单一类型噪声的去噪模型,包括处理高斯噪声的ROF模型和处理泊松噪声的TV-KL模型;然后,在此基础上重点介绍基于变分正则化方法的混合泊松-高斯噪声去噪模型,包括通过最大后验估计推导的精确泊松-高斯噪声去除模型、Shifted-Poisson模型、TV-IC模型,以及广义的Anscombe变换模型和PURE模型等;相应地,总结了求解上述模型的常用高效数值算法,包括原始-对偶算法、交替方向乘子算法和半光滑牛顿算法等;在数值实验部分,对相关模型的噪声去除效果进行评估;最后,对该领域未来的研究方向进行了展望,指出了在模型改进、具有收敛性保证的算法设计、自动调参策略以及高维非线性等几个方面存在的问题和未来的发展方向.     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.     

一种基于二代Curvelet变换的图像融合新算法

基于Curvelet变换,提出了一种新的融合算法.首先将图像进行Curvelet变换,然后对低频系数和高频系数采用不同的融合规则将Curvelet系数融合,最后进行重构得到融合结果.对该方法得到的融合图像进行了主客观评价和对比.实验结果表明,该方法得到的融合图像在图像边缘等细节上比其他方法得到的图像具有更好的视觉效果,在均方误差、峰值信噪比、相似度等客观指标上都优于其它方法.     

基于特征加权与核主成分分析的掌纹识别

针对掌纹采集受外界因素和噪声的影响较大, 传统方法掌纹识别率低、 鲁棒性差等问题, 提出一种基于特征加权与核主成分分析的掌纹识别算法. 首先采用Curvelet变换对掌纹图像进行分解, 得到不同尺度和角度的轮廓系数, 并对Curvelet系数进行加权融合操作; 然后通过核主成分分析对掌纹特征进行降维处理, 实现特征提取; 最后采用相关向量机实现掌纹匹配, 并采用PolyU掌纹图像对算法的性能进行测试. 结果表明, 与其他掌纹识别算法相比, 该算法取得的掌纹识别率更高, 且掌纹匹配的时间最短, 可以满足掌纹实时识别要求.     

Curvelet感兴趣区域相关图的纹理图像检索

提出了一种基于感兴趣区域纹理图像的检索方法.对纹理图像进行Curvelet多尺度分解,根据各层子带的能量分布提取感兴趣区域,并量化感兴趣区域Curvelet系数,计算颜色自相关图而构造图像的特征向量.在Brodatz纹理库中的实验结果表明,与原有基于Curvelet的纹理图像检索方法相比,所提出的方法对纹理图像检索的效果更佳.     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

基于局部和全局灰度拟合的图像分割算法

针对灰度分布非均匀图像的分割,提出一种改进的基于区域的活动轮廓模型,融合了LIF（local image fitting）模型的变尺度局部拟合特点与C-V（Chan-Vese）模型的全局优化特性,不仅提高了图像的分割效率,而且增强了模型对尺度参数和初始轮廓位置的鲁棒性。在数值计算中,使用高斯滤波规则水平集函数,使其保持光滑,并避免了复杂的重新初始化过程。对大脑MR图像的实验分割显示了该模型的优点。     

Laplacian信源分割及其并行Gaussian信道传输的信息隐藏技术研究

 在研究Costa设置和Cox高斯分解的基础上,根据信源的随机状态,提出了一种新的信息隐藏传输技术。通过信源Laplacian条件分割,并根据图像系数方差的不同分布区域对高斯信道进行并行分解,该技术实现了在二义性攻击条件下的一种稳健信息隐藏传输方法。结合应用SS和QIM(DC-DM)技术,实验结果表明,该技术在信息嵌入量、传输码率和信道容量之间都具有很好的折中性能。     

基于SURE-LET和非张量积小波的遥感图像去噪

针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤．通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果．实验结果表明：此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET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。