基于小波多阈值和子带增强的图像去噪

为了在有效降低噪声的同时,尽量保留图像的边缘特征,提出了一种基于小波多阈值和子带增强的图像去噪方法.该方法对最小尺度小波系数采取软阈值方式,将其他小波系数再分解为近似子带和细节子带,依据误差度增强近似子带像素块,同时引入增强因子调节增强幅度;利用局部方差和混合阈值函数对各子带进行阈值处理,保证了图像达到较好的去噪效果.实验表明,与传统阈值方法相比,该方法不仅提高了去噪图像的峰值信噪比,而且较好地保留图像边缘特征,优于常规的阈值方法.     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

小波阈值图像去噪算法改进

对小波阈值收缩图像去噪算法进行了研究,在软阈值函数的基础上提出了一种改进的阈值函数,算法中采用BayesShrink阈值和SureShrink阈值,一定程度上抑制了SureShrink阈值的"过保留"小波系数.与传统方法(软阈值函数法(BayesShrink阈值)、软阈值函数法(SureShrink阈值)、硬阈值函数法以及半软阈值函数去噪法)相比,在处理边缘点不多的图像时,改进的阈值函数方法处理后的图像具有更高的峰值信噪比(PSNR)和信噪比(SNR),并具有更低的均方误差(MSE),图像更加清晰.     

基于小波多尺度阈值的维纳滤波新方法

针对固定小波阈值提出了多尺度阈值方法,对小波维纳滤波提出了改进方法．实验结果表明,所提出的方法可有效提高去噪能力．     

基于多小波变换的图像去噪改进算法

在介绍多小波理论的基础上,提出一种基于多小波的自适应图像去噪算法,该方法根据多小波系数在不同子带、不同方向上的特性自适应选取不同的最佳阈值,然后再与图像的分解尺度函数因子结合起来。实验表明,与单小波和其它使用不同预处理过程的传统多小波去噪方法相比,该方法有效地去除了白噪声,进一步提高了图像的峰值信噪比（PSNR）和最小均方误差（MSE）。     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.     

一种改进小波阈值图像去噪方法

采用MATLAB进行仿真实验,首先分别对含噪图像使用改进的阈值,改进的阈值函数进行降噪处理,然后将两者结合起来应用于含噪图像。实验结果表明,使用改进后的阈值和阈值函数进行图像降噪,较之现有的经典方法,通常可获得更好的效果。     

基于改进阈值函数的二维小波变换图像去噪研究

在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阚值去噪方法的基础上,用一种改进的阈值函数和二维小波变换相结合的方法,克服了硬阚值法不连续性和软阈值法有偏差的缺点.该方法能在不同尺度的多方向中采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高图像信噪比,改善视觉效果.仿真实验结果表明,该方法去噪效果明显,将在各类图像去噪处理中发挥作用.     

基于小波自适应阈值的脑CT图像去噪研究

利用自适应小波阈值算法抑制脑部CT图像噪声,以提高图像质量.通过仿真实验,确定自适应滤波阈值与噪声强度的关系,然后采用真实脑部CT图像及自然图像进行验证,并与常用小波阈值算法比较.提出的算法能够抑制图像的加性白噪声,使峰值信噪比提高7～10 dB,同时更好地保留了图像细节及边缘信息.小波自适应阈值算法能够对不同噪声水平的脑CT图像及自然图像进行自适应处理,提高峰值信噪比,改善图像质量.     

基于改进阈值的小波包图像去噪方法研究

介绍了小波包分解重构的算法及小波阈值消噪的基本原理,并针对软、硬阈值化方法存在的不足,构造了一个新的阈值化函数,该函数采用两个调节参量α和β,通过调整这两个参数,以获得较优的小波系数的阈值估计.经仿真实验表明,新的小波包阈值化方法能对含噪图像进行有效去噪,且较好地克服了原来软、硬阈值存在的振荡和边界模糊等缺陷.统计结果表明,其性能明显优于原有的软、硬阈值化方法,消噪效果较好.图2,表1,参11.     

基于CL多小波变换的图像编码

图像的压缩编码是存储、处理和传输大容量的图像信息的基础,提高图像的压缩效率一直是人们不断追求的目标。对图像进行压缩编码,目前成熟的做法都是在变换域进行。在研究图像的多小波变换的基础上,提出了一种面向传输的图像编码方法:基于CL多小波变换的图像精细可分级编码。实验结果表明,该编码方法是对多小波应用于图像编码很有价值的研究。     

基于多小波变换的图像编码算法研究

 多小波是小波理论的新分支,将传统的单小波拓展到矢量空间。多小波既包括了传统小波的全部优点,同时又克服了单小波的缺陷,将实际应用中十分重要的正交性、对称性、紧支性、光滑性完美地结合在一起,因此多小波在图像处理方面的应用也显示出巨大的潜力。该文在研究了JPEG2000的核心编码技术——EBCOT算法和多小波变换原理的基础上,提出了结合EBCOT算法的多小波图像编码。算法将各种常用的多小波基,结合EBCOT算法,对灰度图像进行压缩编码。实验结果证明基于EBCOT算法的多小波图像编码方法能够对图像进行很好的压缩。     

基于小波包变换的尺度自适应阈值图像降噪

针对传统小波变换易引起图像边缘模糊的不足,研究了基于小波包变换的尺度自适应阈值图像降噪。利用小波包变换可以同时对图像的高频和低频部分进行进一步的细分,因此可以更好地保留原图像信息的优势,更进一步,克服通用阈值的缺陷,软阈值函数的构造充分考虑了不同尺度层次上的系数的不同特点,产生尺度自适应阈值。通过对加噪图像的实验可以看出,与传统方法相比,本文方法不仅降噪效果有很大的改进,而且有很好的视觉效果,峰值信噪比也有较大幅度的提高。     

信号的小波阈值法消噪及其在LabVIEW中的实现

介绍了基于小波变换的阈值消噪法,借助Lab VIEW平台,通过仿真试验,对软阈值和硬阈值消噪及采用不同的小波函数消噪进行了比较,证明了小波阈值法消噪的有效性。     

一种新的基于多小波变换的虹膜识别算法

提出一种基于多小波变换的新的虹膜识别算法. 利用CL多小波优良的数学性质, 虹膜纹理特征能够被准确完整地表达. 将分解后子带作为特征编码, 利用空间向量的方向夹角余弦作为匹配方法, 有效克服了缩放、 平移、 光照等影响, 达到了较好的识别效果.     

基于阈值的图像分割方法的研究

介绍了图像分割的定义和基于阈值选取的图像分割方法,分析了直方图阈值和最佳阈值法。     

一种新的几何约束自适应阈值图像去噪方法

文章提出了一种几何约束空间自适应阈值的图像去噪新方法。此方法基于非抽样小波变换的多分辨率分解,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。在BayesShrink阈值的基础上进行改进,采用空间自适应方法,为每一个小波系数确定自适应的阈值。在含噪系数的方差估计中,与以往的估计方法不同,不仅考虑到子带内小波系数之间的依赖关系,而且考虑了沿梯度方向的邻域内小波系数之间的依赖关系,使得含噪系数的方差估计更为准确。实验结果表明,与传统去噪方法相比,本文方法能更有效地去除噪声,具有更好的重建视觉效果。     

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。     

基于非采样Contourlet与全变差模型的图像去噪

分析非采样Contourlet与全变差滤波器在图像去噪中的特点,提出一种基于图像全变差模型的非线性扩散与非采样Contourlet相结合的自适应混合图像去噪算法.该算法在中、低频部分采用全变差扩散,在高频部分采用非采样Contourlet变换,并在此基础上用半软阈值法取代软阈值法.实验结果表明,该算法能够在降低复杂度的同时得到好的滤波效果.     

基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。