基于多尺度分析的血管内超声图像去噪和增强

提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法.血液红细胞散射引起的斑点噪声属于乘性噪声,在对数域进行二进小波变换后,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理,并提出了一种局部阈值估计方法.同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法.实验结果表明,与现有单独进行去噪处理的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,具有更好的实用性.     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

基于二进小波变换的图像阈值滤波法的性能分析

在D.L.Donoho和I.M.Johnstone提出的小波阈值滤波法的基础上,提出了一种基于二进小波变换的图像阈值滤波法。在阈值函数中引入参数,通过调整参数以获得最佳的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间。为分析此方法的去噪性能,对同一图像在叠加不同水平的Gaussian噪声的情况进行了去噪实验,仿真实验结果发现基于二进小波变换的图像阈值滤波法不但有效抑制了图像边缘附近的Gibbs现象,而且使去噪后图像的峰值信噪比在不同噪声水平下都有很大程度地改善,在不同噪声水平间有很小幅度的波动,这表明基于二进小波变换的图像阈值滤波法的去噪性能具有很强的稳定性。     

应用于超声测距的小波变换滤波算法

有效的滤波算法是提高超声测距精度的关键之一。小波变换具有时频联合分析的能力,采样点处的各级小波系数反映了其频率成分的分布情况。该文提出了一种基于小波变换的超声回波滤波算法。对原始数据进行离散二进小波变换,然后将各点的小波系数同理想回波信号的小波系数进行相关运算,利用得到的相关系数区分噪声和回波所在区段,然后对噪声的小波系数进行收缩处理,从而实现滤波。利用该算法对自制的超声测距装置采集到的回波数据进行了滤波处理。结果表明:其滤波效果要优于经典的小波阈值法,信号信噪比提高了6～9dB,数据中混有的大幅值噪声得到了有效抑制。     

基于小波系数相关性的MRI图像像素点分类处理算法

由于图像软组织的对比度和信噪比均较低的原因,传统的二进小波算法在进行磁共振图像的增强处理时效果不明显.文章首先在分析小波变换对噪声影响规律的基础上,结合磁共振图像(MRI)特点,对二进小波变换中各尺度上小波系数间的相关性进行分析和归类.其次,文章通过改进的小波系数相关性置信度方法,将MRI图像的像素点分为信号点、噪声点和性质未定点,并采用不同的增强函数对信号点和噪声点进行有效处理.最后,文章提出了一个基于三阶分段函数的性质未定点处理算法.实验表明,文章中所采取的方法能较好地实现像素点的分类,抑制其中的噪声点,有效地增强目标像素点.     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明：此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

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．     

基于双变量收缩函数与小波系数增强的SAR图像去噪

在充分考虑斑点噪声模型特殊性的基础上,将双变量收缩函数与小波系数显著性增强相结合,提出一种新的用于SAR图像的斑点抑制算法.将双变量收缩函数与双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后,通过最大后验概率估计出滤波后图像的小波系数,再采用小波系数的模极大值准则对系数进行显著性增强,突出图像的边缘特征和点特征.仿真实验表明,与其他传统的去噪算法相比,该算法具有更好的去噪效果.     

基于二进小波变换的图像增强技术

文章给出了图像的二进小波分解与重构,通过理论分析和实验研究了基于二进小波变换的图像子带增强算法,重点是二进小波基的选取以及图像分解层次对图像中目标边缘增强的影响研究。二进小波变换提供平移不变表示,导致完备的高频分量适于图像增强,实验结果表明,二进小波变换增强方法可以减少噪声的放大,在增强图像微小细节和避免放大噪声两方面获得令人满意的结果。     

基于广义Nakagami分布的医学超声图像去斑点噪声算法

通过对含斑图像作对数变换和冗余分解变换,实现了一种基于小波域局部统计特性的医学超声图像去噪算法.利用双边广义Nakagami分布和高斯分布分别对斑点噪声小波系数和信号小波系数建模,在贝叶斯最大后验概率估计(MAP)准则下推导出相应的萎缩法表达式,即GNDShrink.实验结果表明:该算法与经典的去斑点噪声算法相比,信噪比和相关系数都有明显的提高,并且能很好地保存图像的纹理.     

SAR图像平稳小波变换相干斑抑制方法

提出了一种基于平稳小波变换的合成孔径雷达 (syntheticaperturradar,SAR)图像相干斑噪声抑制方法 ,即通过对SAR图像进行多层平稳小波变换 ,对平稳小波变换的细节图像信号进行阈值处理 ,以达到相干斑噪声抑制的目的 .实验结果表明 :此方法除了对相干斑噪声有很好的抑制作用外 ,还保留了尽可能多的目标特征和图像细节 ,有着较好的图像视觉效果 .     

基于二进小波变换的医学图像增强

在二进小波理论的基础上对图像的增强做了研究。实验结果表明:利用新提出的二维àtrous算法和构造的新的B-样条二进小波滤波器对图像进行增强处理,图像的视觉效果有了明显的改善,并且发现随着分解层数的增加,图像的增强效果越来越好,但是,并非分解层数越多越好。经过反复实验比较,图像在三层分解情况下的增强效果最佳。     

基于小波变换的低对比度图像增强改进算法

提出一种基于小波变换的图像增强算法。利用小波变换的时频局域性和方向性特点,对分解后的高频系数进行子树划分,以子树为单位实现图像的对比度增强。在VC++环境下实现了该方法,实验结果表明该算法能得到整体视觉好的图像,是一种有效的图像增强算法。     

小波分析在SAR图像边缘检测中的应用

边缘提取是图像分析的基础,但由于SAR图像中存在强的、乘性的相干斑噪声,使在光学图像中有效的边缘检测器对于SAR图像不再适合。基于小波变换的边缘检测器,由于采用了固定的阈值,在SAR图像边缘提取的同时也会检测出很多虚假的边缘,特别是在图像的亮区。因而,本文提出了具有恒定误警率的自适应变化阈值,并基于小波变换的多分辨率分析,有效地提取边缘特征。仿真实验表明该算法对于有相干斑污染的SAR图边缘提取是很有效的。     

基于EMD的前后置滤波语音增强算法

针对低信噪比下语音增强困难的问题及经验模态分解(empirical mode decomposition,EMD)在语音增强中的有效应用,提出了一种基于EMD的前后置滤波语音增强算法.将含噪语音信号进行卡尔曼滤波后做EMD分解,采用能量阈值法判断出含有残余噪声的本征模态函数(IMF),对其小波变换后与其余IMF重构为最终的语音增强信号.实验表明,在输入信噪比为-10~5dB的不同噪声环境下,以时域分段信噪比及语音质量感知评测PESQ作为评价指标,效果均优于单独的EMD、小波软阈值法及卡尔曼滤波算法,是一种有效的语音增强算法.     

基于小波分析的医学超声图像压缩及分组霍夫曼算法

介绍了一种医学超声图像小波分解和重构方法,即根据二维图像的结构,在小波分解后采用二维分组Huffman编码算法．讨论了基于小波分析的压缩算法的误差,采取相应的措施改进了压缩算法,以重建图像和原始图像的归一化相关系数来衡量重建图像的质量。模拟结果表明在保证重建超声图像质量的前提下,分组Huffman编码较大地提高了超声图像的压缩比。