采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

基于小波变换和均值滤波的图像去噪

通过对图像中含有高斯噪声的分析和研究,结合现有图像去噪的方法,提出了采用均值滤波和小波变换相结合的方法来消除图像噪声。对含噪图像进行小波分解并且对各层小波系数进行阈值量化和进行小波重构,采用不同的模板对水平、垂直、以及对角方向子图像进行均值滤波,将低频近似子图像与处理后的各细节子图像结合得到去噪后的图像。仿真结果表明,所提出的方法相比于其它单一的去噪方法具有更好的去噪效果。     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

基于小波变换的自适应图像去噪研究

小波域的信息处理有多分辨率分析的特性,图像经一系列小波变换就可以得到不同尺度下的图像特征,并能较好地刻画图像的非平稳性,在图像去噪方面有着传统去噪方法无法比拟的优势.本文,笔者阐述了图像小波去噪的原理,分析了影响去噪的关键因素、阈值函数的构造、阈值的选取及小波的分解层数等,并给出了优化的自适应图像去噪方案.     

图像的平移不变量小波去噪法及其应用

图像的平移不变量小波去噪法是小波收缩阈值去噪法的改进,能够有效抑制小波阈值去噪过程中出现的伪吉布斯现象.分析了图像的平移不变量小波去噪法的原理及其算法,并将该方法应用于颗粒显微图像的去噪.对采用不同去噪方法的图像按照分水岭算法进行分割,然后进行对比.实验结果表明图像的平移不变量小波去噪法的去噪效果较好。     

Curvelet变换域自适应收缩图像去噪

研究了Curvelet变换域非参数贝叶斯估计图像去噪问题。利用先验概率模型－正态反高斯(NIG)分布对图像Curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器。通过估计Curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能。结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节。     

小波函数在沉降监测中信噪分离效果对比

变形监测的数据中通常不可避免地存在着各种不易消除的噪声,消除这些噪声,提取真实的形变信息是变形分析中一项重要工作。小波变换是一种时频联合分析方法,广泛应用于信号去噪。基于MATLAB进行了叠加高斯白噪声、突变信号的信号仿真,采用不同小波函数对仿真信号进行去噪试验,以均方根误差、估值偏差、信噪比作为衡量指标。对去噪效果进行了对比分析。最后基于仿真试验所得结论,选择最优小波函数对南京地铁春江新城站沉降观测数据进行了去噪处理,得到了较好的去噪效果。     

一种基于遗传算法和BP网络的鲁棒图像哈希方法

提出一种用于图像内容认证的基于遗传算法和BP网络（GA-BP）的鲁棒图像哈希方法。运用提升小波变换（lifting wavelet transform,LWT）得到图像的低频分量,对低频分量进行离散傅里叶变换（discrete Fourier transform,DFT）提取幅度和相位信息以建立图像的特征矩阵,利用构建的GA-BP模型,生成鲁棒的图像哈希序列并用于图像内容的篡改认证。实验结果表明,相比于同类方法,所提出的图像哈希认证方法对随机攻击、旋转、JPEG压缩,加性高斯噪声等具有较好的鲁棒性和区分性。     

M带小波变换在图像去噪中的应用

基于小波的图像去噪算法是目前图像去噪研究领域的一个热点.采用Normal Shrink进行阈值估计,提出了一种基于M带小波变换的图像去噪方法,实验结果表明:此方法的去噪效果优于维纳滤波和两带小波.     

球坐标系下的小波图像去噪方法

介绍一种新的小波图像去噪方法，该方法首先将图像二维小波分解后的3个高频分量进行球坐标变换，然后对其径向分量r进行收缩去噪处理，与传统的直接收缩去噪法相比具有算法简单、工作量少等特点．仿真结果表明，该方法去噪效果良好．     

各向异性双树复小波包变换

基于双树复小波变换提出了一种新的复小波包变换。该变换引入了各向异性分解方式,由此得到的小波基在各个方向上尺度可以不同,并具有更好的方向性。这种变换可用在二维或三维数据的处理上。图像和视频去噪实验结果的PSNR值与各向同性复小波变换相比有0.1～1dB的提高,去噪后图像视觉效果更好,证实了该变换方式的优越性。     

应用小波变换的光纤陀螺动态寻北

针对中、低精度光纤陀螺寻北工程应用存在的速度慢、精度不高问题,提出了一种基于小波变换的快速动态寻北算法。该方法在水平条件下,通过引入低速连续转动,将静态测量问题转化为动态测量问题,并通过小波变换滤波处理,较好地抑制了光纤陀螺信号中的高频测量噪声,保留了陀螺输出信号中的有用信息,从而减少了光纤陀螺低频随机漂移误差的影响,最终能够快速、高精度地确定地理北向。实验结果表明,相同条件下该算法能有效缩短寻北时间,减少重复寻北误差,有效提高定向精度,具有较好的理论研究价值和工程实用前景。     

基于心理声学模型数字音频水印算法

提出了一种将心理声学模型和小波变换、离散余弦变换相结合的数字音频水印算法,根据人耳听觉系统的掩蔽效应,计算载体音频信号的掩蔽阈值.为了消除图像水印的像素相关性,首先对水印图像进行置乱,以增强水印信号的安全性.然后将水印信号嵌入到小波变换近似分量的DCT变换域中,嵌入强度由掩蔽阈值自适应控制.仿真实验结果表明：该算法隐藏水印具有很强的不可感知性;叠加了水印的音频信号对数据压缩、加噪、重新采样、重新量化、低通滤波等常用的音频信号处理技术具有很好的鲁棒性.     

基于DEMD与多尺度几何分析的图像压缩方法

研究了基于方向预测偏差度以及模式经验分解(DEMD)的图像分解方法.对于分解所得到的图像高频信息提出采用基于JPEG 2000的9-7小波进行压缩,而对其他的图像分量则实施Bandelet变换处理.从而得到一种高保真图像压缩新方法.仿真实验表明,本文方法在恢复图像质量方面优于广为采用的JPEG 2000以及原有的几何多尺度分析方法.