自适应联合小波去噪算法

对于传统小波去噪方法,由于选用了单个的小波基,很难兼顾图像的平滑区域、边缘和纹理部分。而对于多小波基的去噪方法,尽管选择多个具有不同性质的小波基,但已有的文献中只是简单地取其算术平均,没有很好地体现小波基的多样性,造成了丢失细节与过平滑的后果。针对图像的非均匀性以及每个小波基支撑区间的不同,提出了一种自适应联合小波去噪算法,对图像中的不同区域和每个小波基处理的不同结果赋予不同的权系数,这样就充分发挥了每个小波基的作用,取得了满意的实验结果。     

一种基于二维小波块阈值数字图像去噪方法

小波系数在一个小邻域里具有相似性，若充分利用周围小波系数的信息，分块对小渡系数进行阈值去噪操作，可以在保持图像平滑的同时，尽量多地保留图像的细节信息。对Cai＆Silverman的方法进行分析，将其拓展到二维信号去噪，并提出一种基于小波块阈值数字图像去噪方法．实验结果表明，谊方法不但能保留更多的图像细节，而且具有较好的峰值信噪比。     

基于非抽样小波的多阈值去噪

利用小波系数之间的相关关系,对变换后的小波系数进行分类,提出了基于多阈值的去噪方法。该方法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,把变换后系数分成与图像细节特征相关的系数、平滑区域相关的系数以及噪声相关的系数,对不同的系数采用不同的阈值处理策略以改进去噪效果。实验结果表明,与其它去噪方法相比,该方法不仅较好的保留了图像特征,而且具有良好的视觉效果,峰值信噪比也有较大幅度的提高。     

一种迭代小波域维纳滤波算法

在WienerChop算法的基础上,提出了一种改进的小波域维纳滤波器,在小波域采用基于贝叶斯估计的小波阈值去噪技术估计期望信号,提高估计的精度,并以此设计经验维纳滤波器;进一步适当选择多小波基,使每个基函数通过小波变换能够比其他小波基更好地捕捉信号的某些特定特征,从而实现WienerChop算法的迭代.仿真实验表明提出的迭代WienerChop算法有效地改善了去噪后图像的均方误差和信噪比,与BayesShrink算法和非迭代的WienerChop算法相比,迭代WienerChop方法去噪后图像的峰值信噪比增益分别达到0.78~1.00dB和0.36~0.49dB.     

基于小波域的图像去噪算法

提出一种基于图像像素分类的小波阈值去噪方法.将图像进行小波变换后的结果看成一幅图像,对小波域中的低频信息利用自适应滤波器进行平滑,而对高频信息按图像像素分类的原则利用图像的方向信息测度来区分边缘和噪声,然后把噪声部分的小波系数置零,最后重构得到去噪图像.实验结果表明,算法可较好地改善图像的视觉效果.     

包装装潢图像小波去噪的实现

对包装装潢图像用Visual C 实现了去噪处理.通过选择不同的小波基、不同的小波分解级数、不同的小波重构阈值,可以得到不同的去噪效果.     

一种基于小波变换的多阈值分割算法的研究

本文研究了基于小波变换的多阈值图像分割算法。通过小波变换将图像的直方图分解为不同层次的小波系数,然后利用小波多分辨率分解,将直方图曲线进行平滑去噪,依照给定的分割准则和小波系数选择阈值门限,最后采用从粗到细的过程分割图像。算法证明合理。     

基于小波包分析的图像融合去噪方法

提出一种基于小波包分析的图像融合去噪方法.利用不同特性的小波包基对含噪图像进行分解,对不同层次上的小波包系数进行软阈值处理,然后按照相应的融合规则对图像的低频分量和高频分量分别进行融合处理以得到一组新的融合后的子图像,最后利用小波包逆变换重构得到融合后的新图像.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

一种新颖的图像多尺度几何变换及其应用

提出了一种新颖的图像多尺度几何变换方法,主要由预处理、方向滤波器组和最优方向小波变换等组成.方向滤波器组将预处理后的高频分量分解为多个方向子带,然后每个方向子带执行改进的最优方向小波变换.该变换兼有Bandelet变换和Contourlet变换的多尺度几何分析特性,能更稀疏地表示边缘和纹理特征.分别将EBCOT编码和硬阈值去噪应用到图像变换系数中,从而实现了有效的图像压缩和去噪,很好地保护了图像细节.实验结果表明,对于纹理和边缘丰富的图像,所提出的图像压缩和去噪方法在视觉质量上明显优于基于Bandelet或Contourlet变换的方法,峰值信噪比也提高了0.1 dB以上.     

多小波变换在信号去噪中的应用

运用多小波的基本理论知识,分析了多小波信号去噪方法的原理,提出了一种新的信号去噪的阈值方法,以CL3多小波为实例来具体说明了预处理方法对多小波的重要性,并且利用CL3多小波基给出信号去噪的实例.     

基于子波变换的图像多通道阈值降噪法

由于子波变换良好的信号能量集中性 ,近年来子波变换域的图像降噪受到人们重视 .子波变换域阈值去噪法因处理过程简单而得到广泛应用 .图像信息经过子波变换后在子波域分布的情况与子波基的选取有关 ,因此 ,不同的子波基在信噪分离上具有互补作用 .本文利用这种互补作用提出了两种子波变换域多通道阈值降噪方法 .根据噪声对图像影响与图像自身特征有关 ,以及子波变换域各子带子波系数之间的相关性 ,还提出了一种自适应的通道阈值设定方法 .实验结果表明 ,提出的算法在保持处理过程简单的同时 ,达到了更好的滤除噪声效果 .     

多小波处理图像压缩的实现

小波技术作为一种信号处理工具在图像压缩和去噪等方面都有着很好的应用.但是,有紧支性的正交对称单小波系统是不存在的,将生成小波的一个尺度函数换作多个尺度函数,就产生了多小波的概念.与单小波相比较,多小波同时具备诸如紧支性、正交性、对称性等诸多在信号处理中非常重要的良好性质;这决定了多小波是一种优于单小波的信号处理技术.以GHM多小波为例,将多小波通过前滤波后用于图像压缩,并将其结果与单小波相比较,获得较好的结果     

小波构造综述

小波函数的构造是小波理论分析与应用研究的基础 ,不同的小波函数具有不同的光滑性、消失矩、对称性等性能指标。如何根据所处理的信号特征构造或者选择最佳的小波函数、提高信号处理的效率与质量是小波理论与应用研究的目的。文章从小波构造的角度论述了小波理论的发展历程 ,着重论述了几种有代表性的小波构造方法、实现原理及其最新研究进展 ,并用MATLAB语言给出了相应的尺度函数与小波函数图形     

基于小波线性最小均方误差的红外图像去噪

根据小波多尺度线性最小均方误差估计方案的小波基选择标准来确定最佳小波基.在此基础上,对红外图像中的散斑噪声运用取对数方案,并进行硬阈值处理,从而达到去噪目的.     

基于小波库构造的信号去噪

提出了通过构造小波库进行去噪的方法.该方法的关键是光滑正交小波库的构造,因此提出了一种新的光滑正交小波库的构造方法,该构造方法基于3个条件进行小波库的构造:1)光滑性,即小波要有足够的光滑性;2)非冗余性,即小波库中的小波不要重复;3)完备性,即构造的小波库要能表示整个小波空间.实验结果表明当把构造的小波库应用到信号去噪时,其去噪性能优于任何的单小波.     

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。     

一种基于小波变换的图像去噪方法的应用研究

探讨了小波变换在图像去噪中的处理技术.首先分析了小波变换的原理,然后给出了基于小波变换的图像去噪原理,并设计了小波变换图像去噪的具体实施方案,最后给出了小波变换去噪的图像训练实验结果.结果表明,利用小波分解(变换)去除图像噪声,既滤除了噪声,又有效地保持了图像的细节信息.     

逼近希尔伯特变换对的小波基的设计

很多研究者已经证实在信号处理中利用一对小波变换能够获得显著的改进，其中这一对小波形成一对希尔伯特变换对。基于谱分解本文构造了互为希尔伯特变换对的二进小波基对。但是从一个已知的小波出发，利用它的希尔伯特变换来得到第二个小波，此时第二个小波不会是有限支撑的。本文设计一个有限支撑的小波去逼近无限支撑的小波。这个方法和Daubechies构造带有消失距的紧支撑小波的方法很相似，只是逼近希尔伯特变换要用到一个平坦延迟的滤波器。     

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.