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.     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于小波包分解的SAR图像斑点噪声抑制

论述利用小波包分解技术和软门限理论对合成孔径雷达(SAR)图像斑点噪声(speckle)进行抑制与滤除，首先对SAR图像进行小波包分解，选取最优基，加大小波系数之间的差距；然后应用Donoho的软门限(soft threshold)理论，针对SAR图像斑点噪声的特点，在小波包变换域内选取合适的门限进行滤波；最后，通过小波包重构技术获得去除斑点噪声的SAR图像，实验证明，该方法能有效抑制SAR图像中的斑点噪声。     

一种基于小波变换的地震图像增强方法研究与应用

对数字图像增强方法进行研究,详细分析了小波变换中选择硬、软阈值的原理,并根据地震数据特点,对小波阈值进行了改进。经过大庆油田多地区地震图像的验证,新的阈值函数可以有效去除高斯白噪声和脉冲噪声,对图像增强效果显著。     

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.     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

基于小波域的软阈值噪声图像增强

针对噪声图像增强提出基于小波域的软阈值算法，基于信号和噪声在小波变换现具有不同的传播特性，图像经二维小波变换后得不同尺度的子带图像，在不同尺度的子带图像以软阈值算法进行增强，最后进行小波重构得到增强图像，实验表明，与传统算法相比本文算法在细节增强和噪声抑制上取得较好效果。     

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.     

应用小波变换技术的图象噪声消除新方法

提出了基于小波变换技术消除高斯噪声和ｓｐｅｃｋｌｅ噪声的图象去噪声方法,并用合成孔径雷达图象数据对所提出的方法进行了验证。实验结果表明：提出的方法和传统的方法相比,在消除图象中高斯噪声和ｓｐｅｃｋｌｅ噪声十分有效。该方法也可以广泛地应用于受噪声污染的各种图象噪声消除,特别适用于微波Ｃ波和Ｘ波段遥感图象数据。     

基于小波变换与LBP算子的遥感图像融合研究

提出一种新的基于小波变换与LBP算子相结合的遥感图像融合算法.该算法在源图像小波变换的高频子带内,利用局部LBP算子极大的方法得到小波重构高频系数,而低频系数则利用源图像小波分解后低频子带系数的非线性加权得到.然后由此高频和低频系数进行小波重构得到融合图像.实验采用可见光图像与SAR图像融合,结果表明这种方法可以很好地在保留源图像各自信息的同时融合源图像的细节信息,并且能够有效抑制源图像中孤立噪声点.     

基于SAR图像滤波的小波模糊聚类算法

针对合成孔径雷达(SAR:Synthetic Aperture Radar)图像固有的相干斑噪声,提出了基于小波模糊聚类算法的去噪方法.该方法把信号和噪声的小波系数的分割看为一个两类模式分类问题.通过将小波系数幅值和高频子图像中的边缘信息作为聚类特征进行噪声系数分离,实现了精确分离小波系数,滤除相干斑噪声的目的.该算法不需要选择阈值和了解噪声的先验知识,有较强的数据自组织能力.实验结果表明,二维聚类滤波的信噪比提高了近8%,图像显示效果也得到了明显改善.     

基于复对称Daubechies小波分析的SAR图像去噪

在分析了SAR图像斑点噪声模型的基础上，利用具有对称性、正交性和紧支撑的复对称Daubechies小波，对SAR图像进行了分解。将图像分解后的高频部分的振幅进行软阈值去噪，并将试验结果与实数小波去噪结果相比较。结果表明该方法既能有效地去除噪声，又能保持图像的大量原始信息。     

改进的基于小波变换SAR图像去噪方法的性能评价

文章从两个方面研究了改进的基于小波变换的SAR图像去噪方法的性能,与常用的几种滤波方法进行对比;并考察该算法在抑制相干斑点噪声的同时保持图像的边缘等细节信息的性能;结果表明,该算法在有效滤除SAR图像斑点噪声的同时,有更强的图像细节信息保持能力。     

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．     

NSST域三维块匹配的SAR图像相干斑抑制算法

为了降低合成孔径雷达(synthetic aperture radar,SAR)图像中相干斑噪声对后续应用的影响,提出一种基于非下采样剪切波变换(non-subsampled Shearlet transform,NSST)域三维块匹配的相干斑抑制算法。该方法能够充分利用图像的自相似性和稀疏性,在抑制相干斑的同时保留图像的细节。为了较少计算量并增强相似块匹配的鲁棒性,使用灰度理论(grey theory,GT)进行相似性度量得到相似块组; 为了获得更多方向的细节信息,将相似块组变换到NSST域实现多尺度多方向的分解并对系数进行收缩滤除相干斑噪声; 将NSST系数反变换并利用相似性作为权重得到相干斑抑制后的SAR图像。通过在真实SAR图像上进行测试实验,进一步验证了相似块匹配方法及相干斑抑制算法的有效性,有利于SAR图像的后续应用。     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR (合成孔径雷达)图像噪声强, 目标分割难度大的特点, 提出一种改进的脉冲耦合神经网络(pulse coupled neural network, PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点, 采用复小波进行去噪。然后, 在传统PCNN模型的基础上, 对神经元的输入信号, 尤其是链接系数和 阈值的非线性衰减子因子进行了改进和简化, 同时对链接强度系数β进行理论上的近似推导, 并减少人工设置的参数。最后, 通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明, 改进后的算法运行效率提高, 自适应性增强。与传统算法相比, 区域一致性提高0.013, 区域的对比度提高0.015, 效果优于传统的PCNN算法, 为高分辨率SAR图像分割提供了一种新策略。     

基于小波变换的SAR图像自适应子带编码算法

为降低大数据量SAR图像对传输带宽和存储空间的要求,必须对SAR图像进行高效压缩.基于小波变换的传统SAR图像压缩方法只对低频子带进行分解处理,造成SAR图像处于中高频子带的重要纹理信息丢失.针对上述问题,提出一种基于小波变换的自适应SAR图像压缩算法.首先对图像进行小波软阈值消噪预处理,然后依据能量指标,进行子带重要性判定,对认定为重要的子带进行深一层次分解,分解完成后对所有子带进行恒定比特率条件下的最小误差量化,实现对图像的自适应压缩.仿真实验表明:该算法能很好地保护SAR图像的高频细节,提高了信噪比.     

基于Gabor变换的雷达图像滤波及无监督分割

提出了一种基于Gabor小波变换的多尺度、多方向的SAR图像去除斑点噪声及纹理分割算法．根据SAR图像的特点设计一组Gabor滤波器，对SAR图像进行二维Gabor变换，得到一组滤波后多分辨率、多方向的图像．通过对滤波后的图像分别进行非线性变换，再用非相干均值平滑滤出斑点噪声，并计算每个像素在选定窗口内的能量，以此检测出纹理特征，用均方误差聚类方法得到分割的图像．给出对SAR图像进行纹理分割的满意实验结果，对照试验表明，该方法优于空间灰度共现矩阵方法．