基于NSST变换域WNNM和KAD算法的SAR图像去噪

针对合成孔径雷达图像(synthetic aperture radar,SAR)斑点噪声影响的问题,提出了一种基于非下采样剪切波变换域(non-subsample shearlet transform,NSST)加权核范数最小化(weighted nuclear norm minimization,WNNM)和核各向异性扩散(kernel anisotropic diffusion,KAD)的SAR图像去噪方法.首先预估计SAR图像的全局噪声方差,其次对SAR图像进行对数变换,将图像的相干斑乘性噪声转化为加性噪声,然后对SAR图像进行NSST变换分解,将图像分为低频分量和多个高频分量.对分解后的低频分量和高频分量分别用WNNM算法和KAD进行去噪处理,最后用处理后的结果进行NSST重构得到去噪图像.给出了该算法的详细实现过程,并把它与之前的WNNM算法和非下采样shearlet变换算法进行了比较.实验结果表明,峰值信噪比相较于WNNM算法提高了约0.3 d B,而且更好地保存了图像的局部结构,并实现了良好的主观视觉效果.     

基于NSST变换的超声图像降噪算法

针对超声图像降噪算法在降噪的同时无法很好地保留图像的细节信息问题,提出了一种改进的基于非下采样剪切波变换(NSST)的超声图像降噪算法。首先通过对数变换将乘性噪声转换成加性噪声,然后使用NSST变换对噪声图像进行多尺度分解得到高频子带和低频子带,低频子带使用同态滤波增强细节信息,高频子带采用改进的阈值处理函数降低噪声,对处理之后的高频部分使用梯度域引导滤波(GDGIF)增强图像的细节信息和边缘信息,最后将逆NSST变换后的图像进行指数变换得到降噪后的图像。实验结果表明,该算法峰值信噪比(PSNR)、结构相似性(SSIM)有一定提高,能在去除噪声的同时尽可能保留图像的细节信息。     

基于小波变换的图像去噪算法研究

图像去噪通常采用的是低通滤波的方法,但是它在消除图像噪声的同时,也会消除图像中部分有用的高频信息。各种图像去噪方法性能的优劣,其实质就是在去噪和保留有用高频信息之间进行权衡。论文概括描述了小波理论及其优缺点,着重介绍了阈值收缩法并分析了其存在的不足,分析了阈值函数选取方法,并采用MATLAB进行仿真实验,实验结果表明,使用软阚值函数进行图像降噪,较之硬阈值,通常可获得更好的效果。     

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ROF模型的图像去噪算法

针对ROF模型在处理纹理丰富的图像时易丢失重要信息的缺点,本文提出用高阶导数构成扩散函数,并用维纳滤波对其进行预处理。实验结果表明了本文方法的有效性。     

基于自适应小波变换的红外图像去噪算法

针对红外图像存在的加性、乘性及混合噪声,提出了一种自适应小波变换的图像去噪算法.该方法首先用小波变换对含噪图像信号进行小波分解,这样可以保证对图像中的不相关噪声的有效抑制,保持图像的细节信息.然后将经小波变换所分离出来的噪声成分作为自适应滤波器的输入,通过选用自适应滤波算法从而实现信噪分离的最佳滤波.仿真结果表明,本文提出的去噪算法优于已有的各种算法,提高了图像的对比度,突出了图像细节.     

基于密度聚类与灰度变换的NSST域声呐图像去噪

传统图像去噪方法在去除声呐图像斑点噪声的同时,难以有效保留细节特征.针对该问题,提出一种基于密度聚类与灰度变换的非下采样剪切波域图像去噪方法 .利用非下采样剪切波变换将含噪图像分解为高频系数和低频系数,根据声呐图像中斑点噪声的分布特性,采用基于密度的噪声应用空间聚类（Density-based Spatial Clus...     

基于Ridgelet变换的自适应软硬折衷图像去噪算法

给出了Ridgelet变换的概念及其实现算法,将Ridgelet应用于图像去噪,并提出了基于Ridgelet变换域的软硬阈值折衷去噪法,并采用不同的阈值自适应地对不同的Ridgelet子带进行阂值化．实验结果表明该方法优于小波图像去噪方法．     

基于红-黑小波变换的图像去噪算法

在红-黑小波变换的基础上,提出了一种新的阈值方法对小波系数进行萎缩以实现图像的去噪. 该阈值方法结合了仿射阈值和非负Garrote阈值的优点,能在保留图像细节的基础上实现更好的去噪效果. 通过仿真试验,对不同尺度下的阈值提出了一组最多适用到8级红-黑小波变换的阈值权重. 结果证明,结合所提出的阈值方法和这一组阈值权重能实现较为理想的去噪效果.     

基于脊波变换的自适应阈值图像去噪算法

利用脊波变换的方法，研究了图像去噪问题．设计了一种基于脊波变换的改进图像去噪算法，该算法采用软硬阈值折中函数，针对Normal Shrink阈值提出了改进．仿真实验表明，该算法与小波全局软硬阈值去噪、脊渡全局软硬阈值去噪等算法相比，图像的峰值信噪比值有明显提高，算法对以直线特征为主的图像较为有效．     

基于离散Fourier变换的非线性滤波图像去噪算法

传统的低通滤波去噪算法在滤除噪声的同时会使图像边缘模糊,为了更好地保留图像的边缘信息,该文提出了一种保留具有较大模值的Fourier变换系数的非线性滤波方法．实验结果表明,该算法在滤除噪声的同时还能较好地保留图像的边缘信息。     

基于Curvelet变换的图像去噪

小波变换在分析二维图像中曲线或者直线边缘特征方面存在明显不足,而由小波变换而来的Curvelet变换具有很强的方向性,能更好地逼近和稀疏表达平滑区域和边缘部分。本文首先介绍了一代和二代Curvelet变换的概念及二代Curvelet变换快速离散算法的实现,然后分别采用小波变换和二代Curvelet变换的快速离散算法进行图像去噪实验。实验采用Wrap（Wrapping—based transform）算法实现有关Curvelet变换,即在USFFT方法上增加一个Wrap步骤,将任意区域通过周期化技术一一映射到原点的仿射区域。对比试验结果表明,在图像消噪中二代Curvelet变换的离散算法较小波变换有更好的视觉效果,而且PSNR也有一定的提高。     

基于相似性验证与子块排序的NSST域SAR图像去噪

为了改进传统的非局部变换域合成孔径雷达（synthetic aperture radar,SAR）图像去噪算法不考虑子块关系的缺点,结合相似性验证与子块排序提出一种新的非下采样剪切波（non-subsampled shearlet transform,NSST）域SAR图像去噪算法.构造NSST域SAR图像相似块之间距离的密度分布;利用子块之间的相似性,去除相似性较低的子块;结合子块排序和最优一维滤波对SAR图像进行去噪.实验结果表明,与其他经典去噪算法相比,等效视数平均提升6.92,边缘保持指数更接近1,无参考质量评价指数平均降低2.51,能更好地保持图像边缘和纹理信息,改善图像的视觉效果.      

基于Contourlet变换的红外视频监控图像去噪算法研究

提出了将基于Contourlet变换结合循环平移的去噪算法应用到红外视频监控图像中。对于加性高斯噪声背景下的红外视频图像,实验结果表明,本算法较基于传统小波变换,小波变换结合循环平移以及单一使用Contourlet变换的算法,可以更有效地提升图像去噪后的视觉效果,同时明显提高了图像的峰值信噪比(PSNR).     

非线性扩散与小波变换的混合图像去噪算法

在分析小波变换与非线性扩散之间联系的基础上,针对Haar小波变换阈值收缩去噪的不足,提出了基于非线性扩散与小波变换相结合的复合去噪算法。该算法对图像一次小波变换的3个高频先进行阈值收缩,然后对低频进行非线性扩散预处理,再进行非线性扩散。通过对比分析实验证明本模型在图像去噪中取得较高的峰值信噪比,取得了更好的图像去噪性能。     

基于改进总变差模型的图像去噪算法

总变差模型(TV)是基于偏微分方程图像去噪模型中的经典模型,但去噪的过程中存在阶梯效应(块儿效应),使去噪后的图像显得很不自然,这是由于TV模型的分段平滑造成的.本文加入自适应系数,使其在平滑区域退化为类似于拉普拉斯算子的各向同性扩散,加快扩散速度,消除阶梯效应;在边缘位置,新模型沿切线方向扩算,抑制法线方向扩散,保持边缘.     

基于Curvelet变换和非局部TV模型的图像去噪

为解决Curvelet图像去噪所产生的环绕效应以及非局部TV模型去噪过度平滑而无法保持细小纹理的问题,本文提出了一种基于Curvelet变换与非局部TV模型相结合的图像去噪方法(Curvelet and Non-Local TV,CNL-TV)。该方法首先对含噪图像进行Curvelet变换,将其分解成不同尺度的图像;其次根据每层图像的特性,选择合适的非局部TV模型参数分别进行处理;最后将处理后的每层图像融合。实验结果表明,该算法不仅能够有效地减少噪声,消除Curvelet去噪产生的环绕效应,而且最大程度地保持了图像中的细小纹理成分。通过比较不同方法所得结果的峰值信噪比,验证了算法的有效性。     

基于Cauchy和Gaussian分布状态发生器的模拟退火算法

模拟退火 (SA )算法是一种常用的概率性全局优化算法 ,但其搜索行为和优化性能对参数有严重的依赖性 ,其中状态发生器的设计最为关键。论文主要研究函数优化中基于 Cauchy分布的状态发生器 (SGC)和基于 Gaussian分布的状态发生器 (SGG)对 SA算法性能的影响。对分布机制的研究表明 ,SGC有利于大范围搜索和脱离极小区域 ,而SGG较适合于局部搜索。对不同复杂度的典型问题的仿真表明 ,优化简单单极小问题时 SGC的优化效率优于基于SGG,优化复杂多极小或存在平坦区的简单问题时 SGC的优化度和鲁棒性均优于 SGG。进而利用对尺度参数的“退温”控制 ,提出了 SGC的改进策略 ,较大程度上提高了优化度和鲁棒性。     

基于小波变换的图像去噪技术

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。本文全面介绍了小波变换在图像去噪中的应用现状和方法分类,并对当前存在的几类去噪方法进行了分析比较,以利于对该领域的进一步研究。     

基于改进小波变换的图像去噪与融合

为了提高图像去噪的质量,提出一种基于改进小波阈值的图像去噪和融合算法。首先利用小波阈值法和传统均值法对含噪图像进行去噪,得到两幅去噪图像;然后采用小波融合方法进行图像融合,得到最后的去噪图像。针对图像小波系数分布特点,低频系数采取加权能量融合算法,高频系数采取局部均值和局部标准差相结合的融合算法,尽可能保留图像的边缘纹理信息。为了验证该方法的有效性,与多种滤波方法进行比较,实验结果表明,在视觉效果和峰值信噪比定量指标上该方法去噪效果均优于单一小波去噪。