一种基于全变差正则化与小波包变换的图像去噪算法

提出一种基于全变差(TV)模型和小波包变换的图像去噪算法, 并给出了针对该模型的一种改进正则化参数选取方法, 改善了全变差模型去噪中出现的块效应问题, 同时保留了图像中的边缘信息. 数值实验表明, 用所给算法去噪可得到较高的峰值信噪比和较好的视觉效果.     

一种基于小波包变换和中值滤波的球团矿图像去噪方法

在球团矿粒度在线检测系统中，球团图像采集过程的干扰噪声主要是脉冲噪声和白噪声。中值滤波对脉冲噪声有较好的滤波效果，对于白噪声降噪效果较差；小波包技术可以很好的消除白噪声，但对脉冲噪声滤波效果不理想。提出了一种将小波包变换和中值滤波相结合的球团矿图像去噪方法。实验表明，这种综合方法具有良好的消噪效果，满足球团矿图像后续更高层次处理的要求。     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

一种基于小波变换图像去噪的新方法

提出一种将小波变换去噪和高阶统计量滤波法去噪相结合用于图像去噪的新方法, 既较好地保持了图像边缘细节, 又有效地虑除了噪声. 实验结果表明, 相对于单一的小波变换去噪或高阶统计量滤波法去噪, 所给方法在视觉和峰值信噪比增益上都取得较好效果.     

一种基于小波包变换和中值滤波的球团矿图像去噪方法

在球团矿粒度在线检测系统中,球团图像采集过程的干扰噪声主要是脉冲噪声和白噪声.中值滤波对脉冲噪声有较好的滤波效果,对于白噪声降噪效果较差;小波包技术可以很好的消除白噪声,但对脉冲噪声滤波效果不理想.提出了一种将小波包变换和中值滤波相结合的球团矿图像去噪方法.实验表明,这种综合方法具有良好的消噪效果,满足球团矿图像后续更高层次处理的要求.     

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。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系,针对小波系数估计中硬阈值方法和软阈值方法的缺点,通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法,提出了一种新的小波域局部自适应去噪算法.实验结果表明,该方法既可以去除噪声,又可以较好地保留图像的高频细节特征.     

小波包变换及其在数字水印算法中的应用

在对小波包变换进行分析的基础上,将其应用在图像数字水印算法中.首先对图像进行小波包分解,并根据视觉感知特性将作为水印的二值图像嵌入到分解后的高频分量中,然后进行小波包重构得到嵌入水印的图像.实验表明,应用基于小波包变换的水印算法处理的图像能够经受常规的图像算法攻击,具有较强的鲁棒性和实用性.     

基于小波变换的MATLAB汽车图像去噪

为了更好地进行图像去噪,提出了一种图像去噪的方法。对图像进行小波变换以后,噪声的小波系数在不同尺度上都服从高斯分布但大小不同。由此,对各尺度各方向上的小波系数进行维纳滤波,而保持低频系数不变,先以此来估计原始图像的小波系数;然后进行小波反变换,得到去噪图像。实验结果表明了该方法的有效性。     

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）。     

基于软阈值小波痕迹图像去噪算法及应用

针对痕迹图像的结构特点及传统图像去噪中所存在的问题，提出了一种基于软阈值的小波图像去噪方法．首先将痕迹图像经过小波分解得到一系列不同程度上的子带图像，再根据噪声和图像信号的不同特性，在不同尺度的子带图像上进行软阈值滤波，最后进行小波重构，得到去噪后的图像．实验结果表明，该算法可较好的保留图像信号的边缘特征，改善图像的视觉效果．     

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。     

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.     

基于双密度双树小波变换的图像去噪

为了使图像的不同增量同时达到最优的去噪结果,本文提出了一种基于双密度双树小波变换的图像去噪方法.首先使用Vese和Osher的图像分解模型把图像分成结构和振荡分量,然后根据各个分量的不同特性进行双密度双树小波变换域阈值去噪.实验结果表明,本文方法不但有效的去除了噪声,而且去噪后图像的视觉效果更好.     

一种新的基于小波变换的图像降噪算法

小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同子带不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值。实验表明,本方法能得到较好的降噪效果。     

基于小波域的图像去噪算法

提出一种基于图像像素分类的小波阈值去噪方法.将图像进行小波变换后的结果看成一幅图像,对小波域中的低频信息利用自适应滤波器进行平滑,而对高频信息按图像像素分类的原则利用图像的方向信息测度来区分边缘和噪声,然后把噪声部分的小波系数置零,最后重构得到去噪图像.实验结果表明,算法可较好地改善图像的视觉效果.     

基于小波包变换的数字水印算法

提出一种基于小波包变换的改进的数字水印算法,该算法首先对载体图像进行小波包分解,并统计各子图的大系数的比例,进而在系数比例较大的几个子图中,按照大系数嵌入大的系数,小系数嵌入小的系数的方法进行水印嵌入.仿真实验结果表明本数字水印算法具有较好的稳健性和不可感知性.     

基于脊波与小波变换的联合图像去噪方法

目的通过对脊波与小波变换这两种图像处理方法的分析,指出两种方法各自在图像处理的优缺点并提出了基于脊波与小波变换的联合图像去噪算法（RWT）。方法在去噪之前,首先通过脊波变换中较大的脊波系数,探测并保留二维图像中的主要信息特征,然后在图像的剩余信息中,通过小波变换有效地去除包含在其中的零维噪声信息,可以保留图像中的主要信息特征并完成去噪过程。结果理论分析和实验结果都表明,与传统的小波阈值方法或脊波去噪方法相比较有明显的去噪效果。结论该方法不但可以保持图像的边缘和良好的视觉特性,而且去噪后图像的峰值信噪比可再提高将近2 dB,算法处理的时间复杂度为O（Nlog（N））。