基于小波域显著性修正的SAR图像相干斑抑制

提出了一种基于小波域统计建模与小波系数显著性修正相结合的斑点噪声滤波方法．通过对数变换将乘性噪声模型转化为加性噪声模型,将对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,采用EM算法来估计模型参数．利用贝叶斯最小均方误差准则来估计“干净”的小波系数,在贝叶斯最小均方误差估计的基础上引入基于显著性准则的小波系数进行修正,显著性准则采用小波系数的模极大值准则作为判据,通过小波逆变换与指数变换获得抑制斑点噪声后的图像．实验表明,所提出的方法能够有效地抑制SAR图像中的斑点噪声,同时能够很好保存边缘细节结构与强散射中心．     

基于小波域中SOT结构的SAR相干斑抑制

论述了在小波域中通过空间向树结构对合成孔径雷达(SAR)图像相干斑噪声的抑制。首先从SAR图像相干斑噪声产生的机理出发,论述了采用传统滤波方法去除SAR图像中相干斑噪声的局限性以及在小波变换域中如何通过空间向树结构对相干斑噪声进行有效的滤波;实验结果表明,此方法对SAR图像相干斑噪声有良好的抑制作用,同时还尽可能多保留目标的纹理细节。     

图像域阈值与维纳滤波组合的图像去噪方法

用小波变换方法获得与带噪图像具有相同尺寸的各尺度与方向的图像域子图,并对各细节子图进行阈值化处理;然后,将去噪的各图像域细节子图与低频子图相加得到初级去噪图像;最后,对初级去噪图像执行图像域维纳滤波,进一步去除噪声斑点.讨论图像域阈值参数的估计方法,提出一种与小波域BayesShrink对应的图像域BayesShrink阈值估计方法.实验结果表明:与小波域阈值或者小波域阈值与图像域维纳滤波组合的方法相比,对于非高度细节的图像,除去低噪声细节相对丰富图像的情况外,图像域阈值与维纳滤波组合在去除平坦区大部分噪声的同时,能更好保留边缘与纹理细节,得到更好的图像质量与更高的峰值信噪比.     

基于小波包的图像降噪及Matlab实现

由于图像在实际应用中受大量干扰噪声影响,为了更好的利用含噪声图像,根据小波变换和噪声信号的能量分布特性,提出了一种先用小波包对含噪声图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,确定最优小波包基,再利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法,并与采用全局阈值降噪方法相比较;实验结果说明采用的方法可以有效地降低噪声,又可以较好地保持图像细节.     

一种基于粗集与小波的声呐图像降噪方法

声呐图像具有低对比度和边缘恶化的特点,传统的声呐图像散斑噪声降噪方法又不能较好的保持图像边缘和细节,因此提出了一种新的基于粗集与小波的声呐图像降噪方法。该方法通过考察散斑噪声的统计特征,利用粗集中的等价关系将声呐图像划分为若干子图,对子图进行对数变换后完成小波变换,采用自适应阈值函数处理小波系数,应用小波逆变换和指数变换得到降噪后的子图,将降噪后的子图进行叠加得到最终的降噪图像。通过新算法在实际声呐图像中的应用,实现了在保证降噪效果的同时能够较好地保持图像边缘及细节特征,验证了算法的有效性。     

小波域分形编码数字水印的研究

提出了一种新颖的基于小波域分形编码的数字水印技术.分形图像编码方法利用图像的局部自相似性构造分块迭代函数系统,通过保存放射变换参数实现对图像的编码.利用分形变换的编码解码过程中的某些不变参数,可以实现数字水印信息的嵌入和提取.但是空间域的分形编码会使得恢复图像产生明显的块效应现象,嵌入水印后的图像质量损失大.因此一种新的基于小波域细节子图的分形编码方法被提出和研究.利用小波域细节子图的自相似性构建迭代函数系统,实现对细节子图系数的编码.而后基于小波域分形编码,构造了一种新颖的水印嵌入提取算法.算法选取适当的小波细节子图,分块构造匹配池,根据嵌入的水印信号选择最佳匹配块实现水印信息的嵌入和提取.最后通过实验对水印算法受图像处理攻击时的鲁棒性作了分析和比较,嵌入水印的图像在遭受一般图像处理攻击,如滤波、有损压缩、噪声及几何攻击时水印均可读出.构造的基于小波域分形编码的数字水印技术得到了较满意的实验结果.     

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。     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

一种有效的去除图像混合噪声的算法

提出一种有效的去除图像混合噪声的算法.该方法包括空间域的脉冲噪声去除和小波域的高斯噪声去除两个阶段.空间域的脉冲噪声去除利用一种加权平均的同组滤波算法进行,完成图像初始滤波;小波域的高斯噪声去除则利用NeighShrink阈值化方法对小波系数进行收缩,其中,为了提高峰值信噪比和增强视觉效果,修正了NeighShrink方法中小波系数的收缩因子.最后,对所提算法进行了仿真研究,仿真结果表明所提算法能有效去除图像中的脉冲和高斯混合噪声,并较好地保存了图像细节.     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

基于加权小波分析的遥感图像融合算法

提出一种基于加权小波分析的遥感图像融合算法. 首先在光照色度饱和度空间上提取多光谱图像的光照强度分量, 对光照强度分量进行主成分分析获得修正的光照强度, 再将修正的光照强度与小波分析高频区域进行加权融合, 最后进行小波分析与光照色度饱和度空间逆变换获得遥感图像的最终融合结果. 该方法有效解决了在低频空间分辨率与高频空间分辨率的图像融合过程中, 小波分析方法丢弃低频分量易产生分块模糊现象, 且主成分分析方法易产生光谱图像信息域失真的问题. 在不同场景遥感图像的融合上进行仿真实验, 结果表明, 该算法在一定程度上解决了图像融合后边缘模糊、 融合结果中出现模糊块状阴影等问题, 并在清晰度、 纹理细节和真实性上获得了较大提升, 且能针对不同的融合需求调整合适的加权系数, 使遥感图像的融合达到最佳效果. 在光照色度饱和度空间, 加权小波分析进一步提升了遥感图像融合的效果, 不仅充分表达了各种遥感图像的细节, 而且能较好地保留原始光谱信息.     

一种基于数据融合和小波变换的图像边缘检测方法

论文提出利用数据融合和小波变换进行图像边缘检测的一种方法。此方法首先对同一地区的多谱段图像用小波变换进行融合预处理,然后直接采用小波变换系数动态地调整边缘判别的阈值,对融合图像进行边缘检测。试验结果表明,此方法不仅能有效地抑制噪声,而且对具有多种边缘特征的图像均有良好的适应性。     

基于离散Fourier变换的非线性滤波图像去噪算法

传统的低通滤波去噪算法在滤除噪声的同时会使图像边缘模糊，为了更好地保留图像的边缘信息，该文提出了一种保留具有较大模值的Fourier变换系数的非线性滤波方法．实验结果表明，该算法在滤除噪声的同时还能较好地保留图像的边缘信息。     

一种基于小波变换的医学断层图像插值方法

图像插值技术是图像三维重建的关键技术。为了满足灰度和形状同时插值的要求,提出了一种断层图像插值方法,其技术特点是通过小波变换得到图像边缘小波系数强度插值,然后采用一种寻找匹配点的方法对由小波变换得到的低频子图进行灰度插值,最后将所得到的新的高频小波子图和低频子图形成新的插值序列,并利用小波逆变换得到新的插值图像。实验结果表明,所得到的插值图像不仅在形状上更接近于自然状态,在灰度也满足了医学图像插值的要求。     

基于小波变换模极大值的医学图像融合技术

针对目前的融合算法不能有效解决强去噪能力和细节信息保留之间的矛盾,提出一种基于小波变换模极大值特征的窗口区域强度自适应加权平均融合算法.首先,用选定的小波基提取不同尺度下小波变换模极大值特性;然后,利用信号与噪声的Lipschitz指数在局部奇异处呈现不同的表现形式的特性,滤除噪声信号;接着,计算模极大值的局部区域强度,动态地实现在不同尺度的子图像的小波分解系数之间分配权重;最后,将处理后的子图像重建得到融合后的图像.通过对CT和PET图像的融合实验,证明了该方法既可以适应不同特征图像的融合任务,又能达到有效抑制噪声而保留尽可能多的细节信息的目的.     

基于双域信息的深度残差网络图像去噪

基于深度学习的去噪技术,通过考虑视觉伪影和整体平滑噪声,提高了图像的质量.然而,它们很少涉及边缘细节的恢复.为此,本文提出了一种基于双域信息的深度残差网络去噪模型,利用小波域信息与空间域信息的融合来扩展网络学习信息,通过在激活单元内引入多尺度学习和空洞卷积,以此提取图像特征,并减少了网络参数.为了进一步改善去噪结果,结合小波域损失和空间域损失构造联合损失函数,使得网络获取更多的边缘与细节.实验结果表明,本文提出的方法不仅可以有效去除图像噪声,而且可以更好地恢复图像纹理细节,在主观和客观评价中均获得了更好的结果.     

一种新的几何约束自适应阈值图像去噪方法

文章提出了一种几何约束空间自适应阈值的图像去噪新方法。此方法基于非抽样小波变换的多分辨率分解,利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系。在BayesShrink阈值的基础上进行改进,采用空间自适应方法,为每一个小波系数确定自适应的阈值。在含噪系数的方差估计中,与以往的估计方法不同,不仅考虑到子带内小波系数之间的依赖关系,而且考虑了沿梯度方向的邻域内小波系数之间的依赖关系,使得含噪系数的方差估计更为准确。实验结果表明,与传统去噪方法相比,本文方法能更有效地去除噪声,具有更好的重建视觉效果。     

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。