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.     

球坐标系下的小波图像去噪方法

介绍一种新的小波图像去噪方法，该方法首先将图像二维小波分解后的3个高频分量进行球坐标变换，然后对其径向分量r进行收缩去噪处理，与传统的直接收缩去噪法相比具有算法简单、工作量少等特点．仿真结果表明，该方法去噪效果良好．     

基于稀疏表示和块匹配的图像超分辨率重建方法

针对图像的超分辨率重建问题,提出一种基于稀疏表示和块匹配的重建方法.首先,根据图像退化模型将HR图像退化成LR图像.然后,通过训练获得过完备字典,对图像重建问题进行稀疏表示,并对此进行求解.最后,利用重叠块技术缓解块效应,利用反向投影技术保证全局一致性,最终获得重建的HR图像.另外,将该方法扩展到多帧图像重建中,利用块匹配技术从多帧图像中选择出一个目标图像,以此实现重建.实验结果表明,该方法的重建图像具有较低的峰值信噪比.     

基于小波变换的自适应图像去噪研究

小波域的信息处理有多分辨率分析的特性,图像经一系列小波变换就可以得到不同尺度下的图像特征,并能较好地刻画图像的非平稳性,在图像去噪方面有着传统去噪方法无法比拟的优势.本文,笔者阐述了图像小波去噪的原理,分析了影响去噪的关键因素、阈值函数的构造、阈值的选取及小波的分解层数等,并给出了优化的自适应图像去噪方案.     

基于小波变换的自适应图像去噪研究

<正>小波域的信息处理有多分辨率分析的特性,图像经一系列小波变换就可以得到不同尺度下的图像特征,并能较好地刻画图像的非平稳性,在图像去噪方面有着传统去噪方法无法比拟的优势。本文,笔者阐述了图像小波去噪的原理,分析了影响去噪的关键因素、阈值函数的构造、阈值的选取及小波的分解层数等,并给出了优化的自适应图像去噪方案。     

基于低秩和重加权稀疏表示的红外弱小目标检测算法

红外弱小目标检测技术是红外告警系统中的关键技术之一,但如何精确、快速、鲁棒地进行弱小目标检测依然是个难题。该文提出了基于低秩和重加权稀疏表示的红外弱小目标检测算法,设计了新的优化方程,更精确地描述了背景矩阵的秩,利用结构张量提取红外图像的局部先验信息权重,同时提取目标矩阵的自增强稀疏权重,使模型能够更好地抑制背景中的边缘干扰来提取目标。实验表明：所提算法精度优于现有的经典基线算法,速度超越了一些经典算法。从性能和时间两个方面综合考虑,所提算法有着较好的优越性,对远距离红外弱小目标告警具有积极的意义和良好的应用价值。     

新边缘导向插值对CT成像质量的影响研究

将新边缘导向插值方法应用于CT图像重建的投影域,对投影数据进行恢复,并采用滤波反投影算法重建图像,以解决CT稀疏采样中投影数据的不完备而导致重建图像质量较差的问题.实验结果表明,与经典的双线性插值算法相比,基于新边缘导向插值方法得到的投影数据重建出的图像质量更高.     

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。     

基于Shearlets变换的SAR图像去噪

在合成孔径雷达(SAR)相干噪声模型基础上提出了一种基于剪切波(Shearlets)变换的SAR图像去噪算法. Shearlets变换继承了Curvele变换和Contourlet 变换的优点,既有灵活的方向选择性又易于实现,并且对于包含C2 奇异曲线或曲面的高维信号具有最优逼近特性. 该文采用Shearlets逼近SAR图像,再用基于贝叶斯估计
理论的双变量阈值函数对Shearlets变换系数进行处理得到去噪图像. 仿真结果表明,相比使用同级Contourlet双变量阈值去噪,该算法峰值信噪比提高2 dB;相比使用非下采样Contourlet变换双变量阈值算法去噪,该算法去噪后图像不仅峰值信噪比有所提高,而且更平滑,计算时间也大大减少.     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.