基于小波变换的图像去噪方法研究

图像去噪是图像处理中的重要环节,本文基于小波变换的图像去噪方法,阐述了小波去噪的原理和方法,初步探讨了小波去噪中的阈值选取,并基于MATLAB实现了小波去噪中软、硬阈值去噪的计算机仿真实验,并对实验结果进行了分析比较。     

基于小波的图像去噪技术

本文介绍了小波分析去噪的基本原理,研究了基于小波变换的图像去噪方法;考虑到小波相关去噪方法的优缺点,给出了基于尺度乘积与阈值相结合的去噪方法,并进行了试验验证。结果表明,与常用的图像去噪方法相比,基于尺度乘积与阈值相结合的去噪方法可以很好地保留图像的细节信息,性能优于其他方法。最后,基于对小波去噪问题的理解,提出了对小波去噪方法的一些展望。     

基于连续阈值函数的小波去噪方法

文章分析传统软、硬阈值函数在图像去噪中的缺陷,提出了一个基于连续阈值函数的小波去噪方法.采用不同阈值函数的去噪方法对图像进行去噪处理,结果表明:基于连续阈值函数的方法的去噪效果优于其他非连续阈值函数的去噪方法.     

自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.     

基于改进小波变换的图像去噪与融合

为了提高图像去噪的质量，提出一种基于改进小波阈值的图像去噪和融合算法。首先利用小波阈值法和传统均值法对含噪图像进行去噪，得到两幅去噪图像；然后采用小波融合方法进行图像融合，得到最后的去噪图像。针对图像小波系数分布特点，低频系数采取加权能量融合算法，高频系数采取局部均值和局部标准差相结合的融合算法，尽可能保留图像的边缘纹理信息。为了验证该方法的有效性，与多种滤波方法进行比较，实验结果表明，在视觉效果和峰值信噪比定量指标上该方法去噪效果均优于单一小波去噪。     

一种基于小波分析的改进阈值图像去噪方法

该文针对图像去噪中的小波阈值图像去噪方法进行了研究,分析了硬阈值去噪和软阈值去噪在实际应用中的优点与不足,结合这两种去噪方法的优点,在硬阈值去噪和软阈值去噪的基础上,提出了一种改进的阈值图像去噪方法。对于大小为256×256的Lena图片,该改进阈值法的峰值信噪比(PSNR)分别比软阈值法和硬阈值法提高了1. 63%和1. 59%。实验结果表明,当选择合适的控制系数值时,与硬阈值去噪方法和软阈值去噪方法相比较,该改进方法能达到更好的去噪效果。     

基于边缘检测的提升小波图像去噪

为了图像去噪的同时能很好地保持图像的细节,提出了一种基于边缘检测的提升小波图像去噪方法,先用Canny边缘检测方法得出原图像的边缘,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是：对噪声污染图像进行提升小波去噪;对含噪图像提取边缘图像;对去噪图像高频系数进行阈值处理进行重构变换;图像合并。实验结...     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

一种改进小波阈值函数的图像去噪方法研究

性质良好的小波阈值去噪方法在图像去噪领域中应用十分广泛.考虑到传统硬、软阈值函数存在不连续和恒定偏差的缺陷,基于均方根插值阈值函数引入一种改进的阈值函数图像去噪方法.该方法通过调节参数,能够更好地适应不同图像不同噪声的去噪需求,且对于图像的边缘细节信息能够处理得更好.试验结果表明,改进阈值函数图像去噪方法较之现有方法具有更小的均方误差、更高的峰值信噪比、更高的结构相似性和更小的梯度幅值相似度偏差,去噪效果更优.     

基于脊波变换的自适应阈值图像去噪算法

利用脊波变换的方法，研究了图像去噪问题．设计了一种基于脊波变换的改进图像去噪算法，该算法采用软硬阈值折中函数，针对Normal Shrink阈值提出了改进．仿真实验表明，该算法与小波全局软硬阈值去噪、脊渡全局软硬阈值去噪等算法相比，图像的峰值信噪比值有明显提高，算法对以直线特征为主的图像较为有效．     

基于多小波变换的图像去噪改进算法

在介绍多小波理论的基础上,提出一种基于多小波的自适应图像去噪算法,该方法根据多小波系数在不同子带、不同方向上的特性自适应选取不同的最佳阈值,然后再与图像的分解尺度函数因子结合起来。实验表明,与单小波和其它使用不同预处理过程的传统多小波去噪方法相比,该方法有效地去除了白噪声,进一步提高了图像的峰值信噪比（PSNR）和最小均方误差（MSE）。     

基于小波变换的图像降噪方法的研究

在介绍了图像噪声和小波阈值化降噪的原理后,根据小波系数不同的特点选取阈值,运用MATLAB中的小波工具箱,对一个含噪图像进行阈值降噪。实验结果表明,此方法可以有效地降低噪声,并较好地保留图像的细节。     

基于改进阈值的MRI图像降噪

针对传统硬阈值函数的不连续性和软阈值函数存在恒定偏差的不足，提出一种新的具有连续性、渐近性和灵活调节性的改进阈值函数。具体地，首先选取改进的固定阈值并经过实验选择合适的小波基，然后通过增加调节参数来降低阈值函数的恒定偏差，最后通过实验模拟验证了本文方法在图像相似性评价标准上去噪效果的优越性。     

基于偏微分方程扩散系数的图像去噪研究*

在偏微分方程P-M模型图像去噪过程中,扩散系数的选择会影响图像去噪的效果;为此提出了一个新的扩散系数模型来实现图像去噪.首先分析讨论了P-M模型中扩散系数和梯度阈值的选取对图像去噪的重要性;并对比了两个扩散系数的优点和缺点,在此基础上提出一个新的扩散系数;并应用到正则化P-M模型和四阶偏微分方程YK模型中进行数值离散实验.实验结果表明,采用新的扩散系数在正则化的P-M模型和YK模型的去噪效果教好,提出的扩散系数能够有效地进行图像去噪.     

基于模糊均差的低照度图像平滑去噪方法

为了提高低照度图像去噪处理的整体效果,本次研究提出了基于模糊均差的低照度图像平滑去噪方法。采用Sobel梯度检测图像边缘信息,采用OTSU（Nobuyuki otsu 大津展之）阈值分割法分割图像为平坦区域和细节区域;通过模糊均差方法分别估计两个区域图像的噪声标准差;采用小波域方法对图像进行平滑软阈值去噪,实现低照度图像的平滑去噪。实验结果显示,本文方法可以在不同噪声水平下获取接近真实值噪声标准差,在噪声水平最大时信噪比大小达到了27.97dB,去噪效果达到92.1%,质量很好的图像数量占比达到了80.58%,图像信息损失较小,去噪效果较好,具有极大的应用价值。     

一种改进偏微分方程扩散系数的图像去噪方法

在偏微分方程P-M模型图像去噪过程中,扩散系数的选择会影响图像去噪的效果,为此提出了一个新的扩散系数模型来实现图像去噪。首先分析讨论了P-M模型中扩散系数和梯度阈值的选取对图像去噪的重要性,并对比了两个扩散系数的优点和缺点;在此基础上提出一个新的扩散系数,并应用到CLMC模型进行数值离散实验。实验结果表明,采用新的扩散系数得到的信噪比和峰值信噪比要比P-M方程中所给出的两个扩散系数得到的信噪比和峰值信噪比好。提出的扩散系数能够有效地进行图像去噪。     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点，提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换，根据变换后各帧的特点．采用不同的方法分别进行消噪；对变换后的低频帧进行帧内二维小波变换，在小波域中采用自适应阈值进行消噪；对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好。     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点,提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换,根据变换后各帧的特点,采用不同的方法分别进行消噪：对变换后的低频帧进行帧内二维小波变换,在小波域中采用自适应阈值进行消噪;对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好     

基于小波变换与阀值收缩法的图像增强去噪

提出了一种基于小波变换与阀值收缩法的图像增强去噪方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像,在不同尺度的子带图像上进行基于阈值收缩滤波的细节系数增强,再进行小波重构,即可得到增强后的图像。该方法可以有效地去除噪声,增强图像的平均梯度,改善图像的视觉效果。     

基于最大信息熵的小波图像去噪算法研究

去噪算法在图像处理的过程中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于最大信息熵的小波去噪算法,根据最大信息熵的理论确定了改进型阈值和改进型加权阈值函数中的加权因子。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与Donoho提出的小波阈值去噪算法的去噪效果相比,具有更好的去噪性能。