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.     

快速提取图像多方向特征的小波去噪算法

提出一种利用小波变换,在频率域快速提取图像6个方向子带的特征信息,并在每个子带方向中采用具有方向的矩形窗进行小波域阈值维纳滤波的去噪算法。实验表明:该算法由于提取了较丰富的特征信息,对纹理细节丰富的图像具有明显的效果。     

小波域维纳滤波在振动信号去噪中的应用研究

维纳滤波和小波阈值滤波是振动信号去噪的常用算法.前者在阶次较低时对非平稳振动信号的处理不能取得较好的效果,而后者对信号的滤波无法满足后期处理的要求.针对此问题,论文将维纳滤波和小波阈值滤波相结合,提出小波域维纳滤波算法.将维纳滤波运用于小波域,充分利用小波变换对非平稳振动信号的白化作用,实现更好的滤波效果.结合工业现场实测汽轮机振动信号,对算法进行分析与仿真.实验结果表明,该算法不仅保持了信号的线性相位特性,同时取得了较好的噪声去除效果,适用于振动信号的去噪处理,优于维纳滤波和小波阈值滤波.     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法.采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理.采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数.仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法.     

基于维纳滤波的小波图像去噪算法研究

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,形成噪声图像.图像去噪是图像处理领域中的一个重要环节.为了对含有高斯白噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于维纳滤波的小波图像去噪算法,利用维纳滤波后剩下的信号来计算噪声的标准方差.仿真结果表明,与Donoho提出的鲁棒中值...     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

基于维纳滤波的小波图像去噪算法研究

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,形成噪声图像.图像去噪是图像处理领域中的一个重要环节.为了对含有高斯白噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于维纳滤波的小波图像去噪算法,利用维纳滤波后剩下的信号来计算噪声的标准方差.仿真结果表明,与Donoho提出的鲁棒中值算法相比,该算法能够有效地抑制高斯白噪声,更好地保留图像的边缘细节.     

自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.     

小波变换在图像去噪中的应用

图像小波域去噪可克服频域去噪单一尺度的局限性,具备多尺度多分辨率的特点,已成为目前图像去噪的主要方法之一。为归纳小波变换在图像去噪领域中的应用,简要讨论图像噪声的概念、数学模型、传统图像去噪的基本原理方法,详细阐述了图像小波域去噪的基本理论、发展过程、去噪方法,评价了3种常用方法的优缺点,对小波去噪的发展趋势进行了展望。     

基于小波分析的图像去噪应用

小波分析是傅立叶分析思想方法的发展与延拓,它具有良好的时频局部化特征、尺度变化特征和方向性特征,这使其在图像处理中得到了广泛的应用。本文讨论了小波分析的基本理论,并将其应用于图像的去噪处理。从仿真和模拟实验可知,小波分析用于图像处理具有压缩比大、信息提取灵活方便、去噪效果好等优点。     

信息隐藏算法中的去噪

指出了信息隐藏算法中去噪的意义和该算法中去噪与一般意义下去噪的不同点 ,然后讨论了各种滤波对图像去噪的性能 ,最后提出了 2种与尺度有关的小波域自适应去噪算法。大量的实验结果和进一步的分析表明 :在信息隐藏算法中 ,维纳滤波较具优越性 ;均方误差不能作为信息隐藏算法中滤波器去噪性能的度量。     

一种基于小波变换的图像去噪方法

小波去噪方法中最早被提出的是小波阈值去噪方法,它是一种实现简单而效果较好的去噪方法。本文通过小波系数进行阈值处理,在小波变换域中去除低幅值的噪声和不期望的信号,然后运用小波逆变换,从而得到了去噪后的重建图像。     

基于小波变换的语音增强去噪方法

将小波变换应用到语音识别系统中,提出了在语音信号预处理阶段基于小波变换估计的维纳滤波算法,结合小波变换的阈值处理方法对语音信号进行去噪处理,模拟实验表明该方法去噪效果较好.     

基于贝叶斯估计的小波图像去噪算法研究

利用拉普拉斯分布作为小波系数的分布模型,用贝叶斯最大后验概率估计法估计小波系数,给出了一种小波域自适应去噪算法.实验结果表明,本文算法与普通的软阈值法相比,可以获得更好的去噪效果.     

基于双树复小波变换的岩心图像去噪

复数离散小波变换由于其平移不变性、多方向性及精确的相空间信息等优点,在图像处理领域中的应用十分广泛.岩心图像的去噪是后续的目标检测与定量分析的关键.本文提出将双树复小波变换运用于岩心图像的去噪,取得了良好的效果.     

基于MATLAB的图像去噪方法的研究与实现

图像在采集和传输过程中可能受到很多外界条件的污染,因此,为了保证图像提供给我们的信息比较准确,需要对图像进行去噪处理。通过Matlab软件分别用邻域平均法、中值滤波法、维纳滤波法和小波变换法对需要的图像进行去噪处理,同时比较几种去噪方法的优缺点,找到对图像质量影响最小,且去噪性能最好的方法。     

小波域自适应窗口4f系统图像平滑降噪

针对4f系统输出图像做复原处理时要比平常情况更注重保护图像细节,提出一种小波域自适应窗口调整平滑降噪方法,对系统图像中的随机噪声进行平滑去噪。该方法利用小波分解后高频子图像中图像细节的方向性分别确定平滑窗口的方向,再利用小波变换的能量集中性优点调整窗口大小,实现自适应调整窗口形状,并用调整后的窗口对系统输出图像进行平滑去噪,抑制其中的随机噪声。理论分析和实际光学系统图像实验表明,该方法有明显的抑制随机噪声效果,并且对图像细节有较好的保护,峰-峰信噪比则有2dB左右的提高,视觉效果平滑,适合4f系统这类要求一定精度且本身有低通效果的场合。     

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。     

一种迭代小波域维纳滤波算法

在WienerChop算法的基础上,提出了一种改进的小波域维纳滤波器,在小波域采用基于贝叶斯估计的小波阈值去噪技术估计期望信号,提高估计的精度,并以此设计经验维纳滤波器;进一步适当选择多小波基,使每个基函数通过小波变换能够比其他小波基更好地捕捉信号的某些特定特征,从而实现WienerChop算法的迭代.仿真实验表明提出的迭代WienerChop算法有效地改善了去噪后图像的均方误差和信噪比,与BayesShrink算法和非迭代的WienerChop算法相比,迭代WienerChop方法去噪后图像的峰值信噪比增益分别达到0.78~1.00dB和0.36~0.49dB.