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。     

基于粒子群优化的Contourlet域图像去噪

本文研究了Contourlet变换域图像阈值去噪问题,提出了一种在Contourlet变换域改进的阈值去噪方法。该方法结合Contourlet变换能更加突出图像的边缘信息和方向信息的优势,在Contourlet变换域利用粒子群优化算法(PSO)迭代寻优找到最优阈值,以峰值信噪比(PSNR)的函数模型作为PSO的适应度函数,并且利用硬阈值函数规则对图像处理。实验结果表明,本文优化阈值的选取不仅更有利于保留图像的细节信息,还使得图像有着明显的去噪效果,PSNR值得到提高。     

基于椭圆方向窗的非下采样Contourlet域图像去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性，考虑非下采样Contourlet域内子带能量聚集的各异性，在不同尺度、不同方向的子带内，采用不同的椭圆方向窗对窗中心系数进行基于NeighShrink算法的估计。估计时各子带所用椭圆方向窗的主轴方向与图像能量聚集方向一致，椭圆方向窗的长、短轴之比与该尺度下非下采样Contourlet基函数的支撑区间相匹配，椭圆方向窗的最佳大小和该窗内的最佳阈值通过最小化Stein的无偏风险估计获得。试验结果表明，用该椭圆方向窗在能量聚集处能够实现对高频子带系数的最佳估计，在去除噪声的同时尽可能多地保留图像的边缘细节，提高恢复图像的信噪比。     

基于非下采样Contourlet变换的图像自适应阈值去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet变换域内相邻尺度间和同一尺度、不同方向间图像系数和噪声系数之间不同的相关性,根据子带含有信息量的多少,自适应地调节BayesShrink阈值大小,不仅使弱的边缘细节被从噪声中提选了出来,而且避免了将较大的噪声系数判定为图像细...     

基于NSCT的自适应阈值图像去噪算法

为了有效的去除图像中的噪声，保护图像细节，在研究了非采样下Contourlet（NSCT）变换和贝叶斯阈值的基础上，综合考虑NSCT变换后系数尺度间和尺度内的相关性，提出了一种新算法。该算法结合NSCT系数的相关性和贝叶斯风险最小准则估计区域自适应贝叶斯阈值，再利用硬阈值函数去噪，最后通过最小均方误差准则进行比例萎缩，得到真实系数估计。对于被高斯白噪声污染的图像，实验将该算法与经典算法相比较，结果表明在绝大多数情况下，该算法在峰值信噪比和视觉效果上都优于经典算法。     

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.     

融合算法在高空间分辨率影像中的应用研究

为了分析非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)在高空间分辨率影像处理中的优势,对影像降噪处理的具体过程进行分析,得到二次采样Contourlet变换(Sampled Contourlet Transform,SCT)与NSCT算法之间的相关性以及互补性,给出了基于小波理论的Contourlet变换图像融合算法.分析结果显示,在该图像融合算法下,SCT及NSCT方法的标准差均高于原始光谱带,整体的空间及光谱分辨率都较高.     

基于Contourlet变换的数字胸片图像增强算法

为了增强数字胸片图像同时又能克服噪声的影响,提出一种基于Contourlet变换的数字胸片图像增强算法。对采集的数字胸片图像进行Contourlet变换,在低频图像系数中进行对比度增强,对于高频图像系数,利用Contourlet变换的多分辨率、多方向性特点,分析各个方向上的高频系数在不同尺度下的相关性,进而设计增益函数。最后利用循环平移法抑制伪吉布斯现象。实验结果表明,该方法能够有效增强数字胸片图像细节,效果优于传统算法。     

多尺度稀疏表示的Contourlet域图像去噪

提出了Contourlet域多尺度稀疏表示的自适应阈值图像去噪算法.首先,在分析了Contourlet域多尺度图像稀疏表示的基础上,提出了Contourlet域自适应阈值去噪算法;其次,详细地讨论了该算法选择不同的Contourlet域参数对图像去噪性能的影响,并比较了在等同的条件下Contourlet域与Wavelet域的去噪效果.实验结果表明,本文算法以及选择合适的Contourlet域参数进行图像去噪能有效地抑制图像噪声、保留边缘和轮廓信息.     

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。