结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

各向异性双树复小波包变换

基于双树复小波变换提出了一种新的复小波包变换。该变换引入了各向异性分解方式,由此得到的小波基在各个方向上尺度可以不同,并具有更好的方向性。这种变换可用在二维或三维数据的处理上。图像和视频去噪实验结果的PSNR值与各向同性复小波变换相比有0.1～1dB的提高,去噪后图像视觉效果更好,证实了该变换方式的优越性。     

基于小波变换和均值滤波的图像去噪

通过对图像中含有高斯噪声的分析和研究,结合现有图像去噪的方法,提出了采用均值滤波和小波变换相结合的方法来消除图像噪声。对含噪图像进行小波分解并且对各层小波系数进行阈值量化和进行小波重构,采用不同的模板对水平、垂直、以及对角方向子图像进行均值滤波,将低频近似子图像与处理后的各细节子图像结合得到去噪后的图像。仿真结果表明,所提出的方法相比于其它单一的去噪方法具有更好的去噪效果。     

基于提升小波和双树复小波的图像检索新算法

由于提升小波的高效性,双树复小波的多方向选择性等特点,所以本文提出了一种新的检索算法:基于提升小波和双树复小波变换的图像检索算法。此算法首先对图像分别进行提升小波和双树复小波变换,得到每层各个方向上的高频子图像;然后将各层上各方向的高频子图像组合,提取它们的纹理特征;最后通过计算特征向量之间的canberra距离,检索出相似度高的图像。实验结果说明,此算法的检索效率高于提升小波和双树复小波的算法。     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

基于双密度双树复小波的结构化CS图像重构

提出了一种基于双密度双树复小波(double-density dual-tree complex wavelet transform, DDDT-CWT)基的结构化CS图像重构算法,该算法将图像在双密度双树复小波变换下的系数呈现的树结构化特征与CoSaMP重构算法相结合,实现了对原始图像的更精确重构.实验结果表明:在相同压缩比的前提下,与传统使用DWT基且未考虑变换系数结构化特征的重构算法相比,使用DDDT-CWT基和融入结构化特征的重构算法分别可获得2.9~3.2 dB与0.2~1.2 dB的增益,综合两者后的重构算法可获得3.8~4.3 dB以上的增益.     

Curvelet变换域自适应收缩图像去噪

研究了Curvelet变换域非参数贝叶斯估计图像去噪问题。利用先验概率模型－正态反高斯(NIG)分布对图像Curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器。通过估计Curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能。结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节。     

多模噪声及其消噪研究

基于多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声—多模噪声的统计特性进行研究.仿真表明,对多模噪声做小波包变换,实现了将多模噪声转化为简单的高斯噪声来处理,小波包变换的检测性能比传统的高阶统计量的检测性能优越.     

用于侧扫声纳图像边缘检测的改进Canny算子

摘要： 针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测. 根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑. 该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊. 计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点. 将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3 类,基于类间方差最大自适应确定区分3 类的双阈值,经双阈值处理与弱边缘连接得到边缘图. 对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.     

IRA码在混合信道上的高斯估计

将高斯估计方法运用到IRA码在具有加性白色高斯噪声和删除干扰的混合信道上的性能分析中,导出了IRA码在该信道上概率密度进化的递归等式和误码率的解析表达式.根据所得的解析结果,对IRA码在混合信道上的渐进性能进行了预测并提出了IRA码的优化设计方法.     

一种基于遗传算法和BP网络的鲁棒图像哈希方法

提出一种用于图像内容认证的基于遗传算法和BP网络（GA-BP）的鲁棒图像哈希方法。运用提升小波变换（lifting wavelet transform,LWT）得到图像的低频分量,对低频分量进行离散傅里叶变换（discrete Fourier transform,DFT）提取幅度和相位信息以建立图像的特征矩阵,利用构建的GA-BP模型,生成鲁棒的图像哈希序列并用于图像内容的篡改认证。实验结果表明,相比于同类方法,所提出的图像哈希认证方法对随机攻击、旋转、JPEG压缩,加性高斯噪声等具有较好的鲁棒性和区分性。     

光纤陀螺自适应阈值滤波新方法

通过Lipschitz指数分析不同分解尺度上信号与噪声对应的小波系数变化情况和光纤陀螺输出信号模型,研究了一种新的基于离散小波变换的自适应滤波方法. 该方法可根据光纤陀螺输出信号的能级自动调整小波系数在不同尺度上的阈值. 构造了一种新的阈值函数,用一个多项式来削弱低于阈值的小波系数,能最大限度地保留真实信息. 与软硬阈值函数相比,对于不同信噪比的信号均表现出较好的性能. 仿真实验表明,与传统固定阈值滤波相比,新算法能更好地去除噪声,改进光纤陀螺的零偏稳定性和随机游走等技术指标.     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。