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...     

结合Curvelet变换与加权双边滤波的图像去噪方法

针对加权双边滤波方法在边缘纹理方面保留不好使得图像模糊的问题,提出一种结合Curvelet变换与加权双边滤波的图像去噪方法.该方法使用加权双边滤波器将噪声图像分解为低频部分和高频部分,然后将Curvelet变换的折衷阈值应用于高频部分用以保留图像纹理细节,最后将低频部分和处理后的高频部分进行重构得到去噪图像.实验结果表...     

基于改进交叉双边滤波的红外与可见光图像融合算法

针对传统交叉双边滤波(CBF)算法在红外与可见光图像的融合过程中存在的噪声以及细节信息缺失等问题,提出一种基于非下采样剪切波变换(NSST)和特征提取来改进交叉双边滤波的图像融合算法.首先,应用NSST对两幅源图像进行处理,计算源图像与处理后图像的差值图像,并将差值图像叠加到源图像得到两幅预处理图像.其次,对两幅预处理图像进行交叉双边滤波,并与其计算差值融合得到细节图,对细节图和预处理图进行加权平均融合,得到初步融合图像,应用直方图均衡化和中值滤波对两幅源图像进行特征提取得到两个特征图,并采取绝对值取大融合特征图.最后,对融合后的特征图与初步融合图像取平均得到最终的融合图像.实验结果表明该算法在视觉效果和评价指标上均明显优于传统的融合算法.     

车载手势识别中基于小波变换和双边滤波的图像去噪方法

手势识别是人机交互中的重要研究领域,车载手势识别系统可以减少驾驶员手动操作仪表导致的分心,提高驾驶安全性。受光照变化、汽车环境、摄像头成像质量等各因素的影响,车载手势图像中常会存在大量复杂噪声。这些噪声严重影响后续手势分割、特征提取和手势识别的准确性。针对手势图像中存在的噪声问题,本文提出了一种适用于车载手势图像处理的新方法。该方法先对小波分解后的各高频子带采用不同方向的一维非线性扩散滤波处理得到初步去噪手势图,在此基础上用多尺度双边滤波对图像再次处理。实验结果表明,本文方法可以较好地去除车载手势图中噪声,抑制车载手势图细节的模糊。      

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.      

基于双边滤波-BM3D算法的GPR图像去噪

为了增强地质雷达(GPR)图像,将双边滤波和三维块匹配算法(BM3D)相融合,提出了一种联合去噪算法.同时,研究了不同方差下的峰值信噪比,并采用最大化真实图像和估计图像之间的结构相似性对去噪后的图像进行了客观评价.实验结果表明,与单一的去噪算法相比,联合去噪算法能够更好地保持地质雷达图像中缺陷目标体边缘的完整性,具有较...     

一种基于NSCT和对比度拉伸的红外与可见光图像融合算法

针对传统的红外与可见光图像融合算法所存在的边缘信息缺失等问题,提出了一种基于非下采样轮廓波变换和对比拉伸度的图像融合方法.首先,采用非下采样轮廓波对红外与可见光图像进行分解,得到高低频子带系数,采用"绝对值取大"和"窗口系数绝对值取大"的融合规则融合高频子带,低频子带采用改进的局部拉普拉斯能量的融合规则进行融合,经过N...     

NSCT域梯度加权的红外与可见光图像融合

提出了一种非下采样轮廓波变换(NSCT)域梯度加权的红外与可见光图像融合方法.在多尺度变换图像融合框架下,先对多源传感图像进行非下采样轮廓波变换,然后对变换得到的图像低通成分进行梯度域加权融合,对高通成分进行绝对值最大选择融合,最后通过非下采样轮廓波逆变换得到融合图像.利用梯度加权融合生成融合图像的低通系数,更好地保留了各源图像低通成分包含的有用信息.大量实验结果表明:该方法能有效提升图像融合性能,明显增强融合图像的对比度,融合图像表现出更好的视觉质量和可观测性.     

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。     

基于非下采样Contourlet变换的自适应阈值图像去噪方法

Contourlet变换是一种真正的图像二维表示方法,具有方向性和各向异性,能稀疏地表示图像。但Contourlet变换不具备平移不变性,图像去噪时会存在伪Gibbs现象。为了克服这种不足,在Contourlet变换基础上,构建了非下采样Contourlet变换,首先将图像进行非下采样Contourlet变换,接着运用自适应阈值进行去噪处理,然后进行非下采样Contourlet逆变换,得到去噪后图像。实验结果表明,采用非下采样Contourlet变换方法能有效去除图像噪声,并能保持图像纹理细节,提高图像信噪比,视觉效果好,其去噪效果优于传统小波及Contourlet去噪效果。     

图像域阈值与维纳滤波组合的图像去噪方法

用小波变换方法获得与带噪图像具有相同尺寸的各尺度与方向的图像域子图,并对各细节子图进行阈值化处理;然后,将去噪的各图像域细节子图与低频子图相加得到初级去噪图像;最后,对初级去噪图像执行图像域维纳滤波,进一步去除噪声斑点.讨论图像域阈值参数的估计方法,提出一种与小波域BayesShrink对应的图像域BayesShrink阈值估计方法.实验结果表明:与小波域阈值或者小波域阈值与图像域维纳滤波组合的方法相比,对于非高度细节的图像,除去低噪声细节相对丰富图像的情况外,图像域阈值与维纳滤波组合在去除平坦区大部分噪声的同时,能更好保留边缘与纹理细节,得到更好的图像质量与更高的峰值信噪比.     

小波域中基于模糊的图像去噪方法

在图像去噪方法中,信号局部方差估计的准确性对去噪效果起至关重要的作用．根据图像小波系数与邻近点的相关性,把模糊（Fuzzy-based）函数用于估计信号的局部方差,根据局部噪声变化自适应地去除噪声．仿真表明,提出的局部方差估计算法FLAWML的去噪效果相对其他算法有较好的改善,保存了图像的边缘细节,增强了图像视觉效果．     

一种基于粗集与小波的声呐图像降噪方法

声呐图像具有低对比度和边缘恶化的特点,传统的声呐图像散斑噪声降噪方法又不能较好的保持图像边缘和细节,因此提出了一种新的基于粗集与小波的声呐图像降噪方法。该方法通过考察散斑噪声的统计特征,利用粗集中的等价关系将声呐图像划分为若干子图,对子图进行对数变换后完成小波变换,采用自适应阈值函数处理小波系数,应用小波逆变换和指数变换得到降噪后的子图,将降噪后的子图进行叠加得到最终的降噪图像。通过新算法在实际声呐图像中的应用,实现了在保证降噪效果的同时能够较好地保持图像边缘及细节特征,验证了算法的有效性。     

基于中值滤波和分数阶滤波的图像去噪与增强算法

为了避免经典中值滤波器对图像的模糊化,设计了一个噪声检测模型.通过对噪声的检测,设计了一种开关滤波器.当检测点为噪声时,使用中值滤波器进行去噪;当检测点为非噪声点时,利用分数阶微分滤波器对图像进行增强.所提算法不仅能有效地去除图像中的椒盐噪声,还能对图像进行增强,使图像在边缘突出的情况下完好地保留细节.选择“Lena”等经典图像进行多次实验与分析,结果表明了所提算法在图像去噪和增强方面的有效性.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

基于MGGD 和上下文模型的小波域图像去噪

考虑到自然图像小波系数分布的两个统计特性,用多元广义高斯分布（MGGD）模型描述小波系数的统计分布,采用基于上下文模型的自适应协方差矩阵估计,再利用最大后验概率估计原始图像的小波系数。实验表明,该方法在直观视觉上去噪效果明显,在信噪比方面也要优于其他的一些小波去噪方法。     

基于人工蜂群优化的NSCT域图像模糊集增强方法

针对实际应用中所采集的图像对比度低、边缘细节模糊的问题,提出了基于非下采样Contourlet变换(NSCT)、模糊集、人工蜂群(ABC)优化的自适应图像增强方法.首先对输入图像进行NSCT分解,得到一个低频子带和多个高频子带;然后依据贝叶斯萎缩阈值和非线性增益函数增强高频子带系数,采用模糊增强法增强低频子带系数,并利用ABC算法优化其中的模糊参数,以提高模糊增强法的自适应性;接着用低频子带图像的信息熵作为ABC算法的适应度函数,同时引入较劣种群随机初始化策略改进ABC算法,以缩短增强方法的运行时间.文中采用该增强方法对淡水鱼、铁轨表面、储粮害虫3类图像进行了增强实验,并依据主观视觉效果和对比度增益、清晰度增益、信息熵3个客观定量评价指标,对文中方法及其他3种同类增强方法进行了比较.结果表明,所提出的方法视觉效果最佳,能提高图像的对比度和清晰度,目标边缘光滑,且增加了图像的信息量,便于后续准确地进行图像检测与识别.     

基于高斯比例混合模型图像Curvelet域去噪

提出了一种基于高斯比例混合模型的图像Curvelet域去噪算法,改善了图像的去噪效果.首先对图像进行Curvelet变换.然后建立系数邻域的高斯比例混合模型.最后在模型基础上用贝叶斯最小二乘估计方法对系数进行估计.算法有效结合了Curvelet变换对图像边缘的高效表示能力和高斯比例混合模型对邻域系数相关性的概括能力.实验结果表明,在主观视觉上.该算法对图像边缘进行了很好的保护;在峰值信噪L-'c上较其他算法也有所改善;特别是对纹理细节比较丰富的图像.去噪效果更加明显.