基于多元BKF模型的双树复小波图像去噪

本文提出了一种新的去噪方法。该方法将小波系数的内尺度和外尺度信息植入到多元BKF模型之中,从而充分考虑了内外尺度的相关性,并根据最大后验估计(MAP)准则,估计得到图像去噪的阈值化函数,最终,通过逆变换阈值化后小波系数得到去噪后的图像。同时该方法还利用双树复小波变换对图像进行分解和重构,克服了一般离散小波变换缺乏平移不变性和方向敏感性的弱点。去噪实验结果表明,该算法比传统的几种算法有更好的去噪效果。     

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．     

非下采样Contourlet自适应的地震信号插值方法

为了提高地震数据的重构效果,提出了一种基于非下采样Contourlet变换(NSCT)自适应阈值的插值方法。该算法对缺失地震数据进行变换,并利用NSCT变换系数计算N次迭代对应的阈值。每次迭代时自适应选取阈值对各方向各尺度的NSCT系数进行处理,利用未缺失地震数据填充到反变换后的缺失地震数据中,完成缺失地震数据的重构。实验结果表明,利用NSCT变换的平移不变性和自适应阈值处理,对均匀丢失和随机丢失的地震数据进行插值重构,能得到更好的插值效果。     

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.     

基于高斯比例混合模型图像Curvelet域去噪

提出了一种基于高斯比例混合模型的图像Curvelet域去噪算法,改善了图像的去噪效果.首先对图像进行Curvelet变换.然后建立系数邻域的高斯比例混合模型.最后在模型基础上用贝叶斯最小二乘估计方法对系数进行估计.算法有效结合了Curvelet变换对图像边缘的高效表示能力和高斯比例混合模型对邻域系数相关性的概括能力.实验结果表明,在主观视觉上.该算法对图像边缘进行了很好的保护;在峰值信噪L-'c上较其他算法也有所改善;特别是对纹理细节比较丰富的图像.去噪效果更加明显.     

基于正态反高斯先验模型的小波去噪算法

提出了一种基于正态反高斯先验模型(NIG)的小波去噪算法.将小波系数建模为正态反高斯分布,利用矩估计法计算每个子带内的模型参数;在贝叶斯最大后验概率估计(MAP)准则下推导出与NIG模型相对应的阈值函数表达式,以此对图像进行去噪处理.实验结果表明:该算法与经典的阈值去噪算法相比,具有更好的信噪比和视觉效果.     

一种基于非下采样Contourlet变换的子带自适应阈值去噪方法

目的提出一种基于非下采样Contourlet变换的子带自适应阈值去噪方法。方法首先在贝叶斯估计的基础上,建立了系数萎缩处理阈值,它与尺度和方向相关,具有带自适应性,进而根据Contourlet的曲线特征,设计出一种弧形窗口,用于估计系数的信号方差。结果该方法可以有效消除图像中噪声且保护图像的边缘细节信息。结论与传统方法相比,可获得较高PSNR值且能保护图像的边缘等细节信息。     

广义高斯分布及其在图像去噪中的应用

指出了图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.研究了用广义高斯分布(GGD)对图像子带小波系数进行建模以及GGD模型的参数估计问题,在此基础上设计了一种基于贝叶斯估计的子带自适应阈值去噪算法,通过仿真实验对该算法和经典的小波阈值去噪方法进行了去噪性能的比较和讨论.     

基于区域特性的NSCT多聚焦图像融合新方法

本文提出了一种基于区域特性的NSCT多聚焦图像融合新算法。首先将待融合图像用NSCT分解成不同尺度,不同方向上的子带;然后对分解后的高频系数采用基于区域能量的方法进行融合,对低频系数采用基于区域方差的方法进行融合;最后将融合后的系数进行NSCT反变换得到融合后的图像。实验结果表明基于区域特性的NSCT图像融合方法优于其他传统方法,验证了本文算法的合理性。     

方差稳定变换下曲波域MR图像莱斯噪声去除算法

磁共振图像往往含有莱斯噪声,不同于加性高斯噪声,莱斯噪声的分布与图像的数据相关,使其更为难以去除.已有方法表明,方差稳定变换可以将莱斯噪声分布变换为方差稳定的高斯分布.利用该特性,结合曲波变换这一新的多尺度变换理论,提出一种磁共振图像莱斯噪声去除算法.算法分别采用了硬阈值和贝叶斯软阈值两种曲波域去噪方法,并针对这两种方法对曲波域低频系数层未做有效去噪的缺陷,提出对低频系数层进行软阈值去噪的改进.实验结果表明,改进算法在峰值信噪比和平均结构相似度的评价上均有较大提高,证明该算法在去除莱斯噪声及保护图像信息上的有效性.     

方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知

针对压缩感知(CS)重构算法在实际应用中自然图像的小波变换系数往往无法稀疏的问题,提出了一种方向提升小波变换(DLWT)域稀疏滤波的自然图像贝叶斯压缩感知算法(DLWT-SFTSW-BCS)。首先对自然图像进行方向提升小波变换得到小波变换系数;然后在随机测量之前利用稀疏滤波切除小系数,消除了小系数对大系数重构时的混叠干扰;最后结合小波树结构的贝叶斯压缩感知重构算法得到自然图像的重构图像。实验结果表明,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,DLWT-SF-TSW-BCS算法的重构峰值信噪比最大可提高10dB。     

血管内超声图像的血液噪声抑制和对比度增强研究

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。根据血管内超声成像的特点估计噪声的方差,并由二进小波变换的分解结构给出局部阈值的计算方法,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。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,与现有血管内超声图像去噪的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,保留了图像的细节,具有更好的实用性。     

基于非下采样contourlet变换的纹理图像检索算法

提出一种应用非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)进行图像检索的算法,以获取一种兼顾纹理图像概貌和细节信息的特征,从而提高图像检索的性能.该算法利用NSCT对图像进行多尺度、多方向分解,获得子带系数矩阵;对低频子带系数提取能量和方差作为全局纹理特征,并对高频子带系数分别提取尺度间和尺度内纹理信息;通过非高斯双变量模型拟合子带系数,利用信息熵描述尺度间特征;尺度内特征通过对同一层子带图像按主方向排序,获得直方图图像,计算其加权信息熵作为特征向量.对Brodatz标准纹理库的检索实验结果表明,与同类算法相比,该文方法具有更高的检索性能.     

基于平稳小波变换的邻域依赖自适应软阈值图像降噪

传统正交小波变换降噪方法会引起图像边缘失真,针对其不足,研究了平稳小波变换图像降噪。平稳小波变换去除了下抽样处理,包含在小波系数中的信息是冗余的,同时结合贝叶斯估计的自适应软阈值,提出了一种新的图像降噪算法。通过仿真实验将该方法与Winner2,VisuShrink,BayesShrink方法进行比较,试验结果表明,该方法不仅有效地去除了噪声,而且提高了图像的峰值信噪比。     

多尺度和多方向特征的图像去噪

提出一种基于多尺度和多方向的自适应图像阈值去噪方法。先对图像进行非下采样Contourlet变换得到不同尺度和不同方向上的变换系数,然后根据变换系数特征,引入尺度和方向阈值因子,用分解尺度系数的均值和区域能量表示图像的纹理信息。在相同分解尺度下,区域能量越大,表示该方向具有更多的纹理信息,阈值应该设置就越低,反之阈值就越大。根据尺度和方向阈值因子,自适应地确定图像去噪的阈值。最后对变换系数进行反变换,实现图像去噪。实验结果表明,与小波变换和Contourlet变换相比,保留了更多的图像轮廓细节,提高了图像的质量。     

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Shearlet和稀疏表示的遥感图像融合

针对NSCT变换算法具有较高复杂度、计算时间长、不符合实时性要求的问题,提出将基于Shearlet变换和稀疏表示的算法引入到遥感图像融合中。首先,对待融合图像进行Shearlet变换,分解后得到的低频子带系数采用区域能量取大的融合规则;分解后的高频子带系数采用PCNN的融合规则,最后对重构系数进行Shearlet逆变换。实验结果表明,与NSCT变换及经典算法相比,新方法不仅有效改善了图像融合质量,同时提升了算法的运行速度,实时性良好。     

结合非下采样Contourlet变换的改进图论MST图像分割

为提高图论最小生成树的分割精度,保留更多边缘细节,提出了一种结合非下采样Contourlet变换(NSCT)及改进图论最小生成树(MST)的图像分割方法.首先,将图像进行NSCT分解,得到一个低频子带和多个高频方向子带,对各高频方向子带采用改进的贝叶斯萎缩阈值抑制噪声,通过模极大值检测关联边缘的像素点,结合低频子带灰度值和高频子带系数构造多尺度多方向的MST边权,并加重关联边缘的边权重;然后,从区域内部和区域间差异函数以及合并机制方面对MST分割算法进行改进,降低噪声或孤立点的影响;最后,改进和声搜索算法的"调音"策略,自适应获取MST分割算法的最优参数,得到全局最优分割.实验结果表明:与其他改进图论MST分割方法相比,文中方法的抗噪声性能好,提高了分割精度,且错分率低,所得图像边缘细节明显,分割效果较好.     

结合分数阶微分的浮选泡沫图像NSCT多尺度增强

针对浮选槽低照度环境下采集的泡沫图像对比度低、边缘弱、噪声干扰等问题,提出了一种结合自适应分数阶微分和非下采样Contourlet变换(NSCT)的泡沫图像多尺度增强算法.首先对泡沫图像进行NSCT多尺度分解,根据低频子带的梯度特征构造自适应分数阶微分阶次函数,结合改进的带亮度控制参数的Tiansi算子对低频子带图像进行增强处理;然后对各高频方向子带,根据能量分布特征自适应计算阈值,再结合尺度相关系数去除噪声,并通过非线性增益函数增强边缘系数;最后对处理后的图像进行NSCT重构.对不同大小类型的泡沫图像进行实验,结果表明:与现有算法相比,文中算法改善了图像的亮度,具有更高的对比度、清晰度和信息熵,保留更多的纹理细节,在有效抑制噪声的同时气泡边缘得到明显增强,为后续的泡沫图像分割和边缘检测奠定了基础.     

非采样轮廓波变换下的红外与可见光图像融合

针对红外与可见光图像融合存在的边缘模糊、视觉效果不佳的问题,提出了一种改进的基于非下采样轮廓波变换(NSCT)的红外和可见光图像融合方法。首先采用NSCT对红外与可见光图像进行多尺度、多方向分解,然后对低频系数采用基于边缘的方法进行融合;对高频系数采用基于区域能量的方法进行融合。最后,通过NSCT反变换来获取融合图像。实验结果表明:文中改进算法得到的融合图像不仅边缘等细节部分更加清晰,而且在视觉效果上更加符合人眼视觉特性。