基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.     

一种基于小波变换的迭代自适应图像除噪算法

借鉴卡尔曼滤波的思想,建立了一种基于小波变换的自适应迭代图像除噪算法.实验结果表明,算法是有效的.     

基于小波分析的医学影像图像除噪设计及仿真研究

针对当前算法在抑制医学影像图像的噪声、精准地确定阈值方面不太理想,本文研究了小波分析算法的数学模型,利用仿真软件对小波分析除噪算法的实现进行了设计研究,探讨了合适的除噪方法。进一步对小波阈值不同门限降噪方法的处理结果进行了仿真比较研究,表明利用小波分析的医学影像图像除噪效果较好,便于实现。     

自适应滤波器在胎动信号除噪中的应用

设计了一种新的基于小波变换的自适应滤波器，其参考信号选择原始胎动信号经小波分解后与干扰基本无关的尺度信号。该滤波器可有效去除胎动信号中由于呼吸、宫缩等动作带入的低频干扰，对咳嗽、发笑产生 的高频干扰也有很好的抑制作用。为提高胎动信号的识别率打下了良好的基础。     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

一种改进的基于图像阈值的小波去噪算法

介绍了传统小波阈值去噪方法的去噪原理,结合图像本身的特性,提出了一种新的阈值选取方法,将改进阈值和改进阈值函数同时应用于降噪,经实验证明,此综合改进可保持稳定的降噪效果.     

基于方向可调滤波器的含噪图像融合算法

提出了一种基于方向可调滤波器的图像消噪及融合算法,即使用方向可调滤波器及其Hilbert变换组成的正交滤波器组,分析两幅已配准源图的主要方向及局部方向能量,根据噪声点所具有的奇异性、无方向性,从而检测出图像噪声点,并运用局部中值滤波方法消噪;对于源图中的特征,采用局部方向能量作为权重进行加权融合。该方法提高信噪比约50％－80％,并能很好地保留和显著增强源图中的有用特征。     

基于五株全相位采样提升小波的图像融合

本文采用五株全相位采样提升算法,对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数量构融合图像.实验表明该方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于进行监视和侦察之类的视觉感知.     

一种基于改进的软硬阈值折衷法的去噪研究

在小波域中分析了传统软阈值法和硬阈值法的特点,并在软硬阈值折衷法的基础上,提出了一种新方法;采用模糊滤波器对含噪信号进行预处理,从而降低白噪声的方差,然后采用软硬阈值折衷法对处理过的信号进行消噪,仿真实验表明,新方法可有效的抑制噪声.其消噪后的信噪比和均方误差均优于软硬阈值函数及其折衷算法,具有较好的消噪效果.     

基于非抽样小波的多阈值去噪

利用小波系数之间的相关关系,对变换后的小波系数进行分类,提出了基于多阈值的去噪方法。该方法利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系,把变换后系数分成与图像细节特征相关的系数、平滑区域相关的系数以及噪声相关的系数,对不同的系数采用不同的阈值处理策略以改进去噪效果。实验结果表明,与其它去噪方法相比,该方法不仅较好的保留了图像特征,而且具有良好的视觉效果,峰值信噪比也有较大幅度的提高。     

一种新的小波图像去噪方法

为了有效去除图像噪声,同时又能尽可能多的保留图像的边缘信息,文章提出了一种新的基于边缘检测的自适应阅值小波图像去噪方法。该方法将与边缘相关的小渡系数和与同性区域相关的小渡系数区别对待。将检测到的边缘点与非边缘点对应的小波系数,利用邻域相关性,分别采用不同的收缩因子进行收缩。实验仿真结果表明,与其它传统方法相比,本文方法不仅抑制噪声能力强,而且很好地保留了图像的边缘特征,具有更好的重建视觉效果。     

基于新阈值函数的小波图像去噪研究

构造了一个新的阈值函数,并采用这个阈值函数来对含噪声图像进行去噪处理。仿真实验结果表明,采用新的阈值函数的去噪效果在峰值信噪比意义上优于传统的软硬阈值方法。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

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。     

基于双变量收缩函数与小波系数增强的SAR图像去噪

在充分考虑斑点噪声模型特殊性的基础上,将双变量收缩函数与小波系数显著性增强相结合,提出一种新的用于SAR图像的斑点抑制算法.将双变量收缩函数与双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后,通过最大后验概率估计出滤波后图像的小波系数,再采用小波系数的模极大值准则对系数进行显著性增强,突出图像的边缘特征和点特征.仿真实验表明,与其他传统的去噪算法相比,该算法具有更好的去噪效果.     

全相位双正交五株形滤波器组的设计与应用

提出了一种设计全相位双正交五株形滤波器组的一般方法.在保证线性相位和完全重建前提下,基于一维IDCT域全相位半带数字滤波器,利用新的全相位钻石形变换核函数和改进的准正交镜像滤波器(QMF)模型,设计了一类新的两通道五株形滤波器组(QFB),称为全相位双正交五株形滤波器组(apbQFB).然后利用apbQFB生成一种新的全相位Contourlet(apContourlet)变换,并详细研究了其在非线性估计和图像降噪方面的应用.数值实验结果表明,apContourlet的非线性估计和图像降噪性能均优于原Contourlet,可见apbQFB方法具有一定的通用性和优越性.     

基于小波变换的图象压缩

要在模拟和移动通讯中传输数字图象，首先必须对图象实行高比率的压缩，本文对讨论小波变换的特征机理，建立了以小波变换为基础图象压缩软件模拟系统，并同标准ＪＰＥＧ的图象压缩方法做了对比实验，结果证明：在高压缩比时，基于小波变换压缩的重建图象ＰＳＤＮ和重建图象质量都明显地成于传统的ＤＣＴ压缩方法。     

基于频域收缩的Quincunx小波变换复原算法

针对含噪退化图像复原问题,提出了基于频域收缩的Qu incunx小波变换复原算法。该算法引入了收缩因子,对不同频率部分的系数给予不同程度的收缩,不仅保证了对有色噪声压制效果,还最大限度地保留了图像信息。运用Qu incunx小波变换,从频域收缩的结果中进一步提取图像信息,消除了频域收缩所附带产生的有色噪声和振铃效应,同时具有空域计算、原位计算以及易实现整数变换的优点,适合用定点DSP(D igitalS ignal Processor)实现。运用含噪退化的图像进行实验比较的结果表明,该方法较维纳滤波、等功率谱方法在SNR(S ignal-to-Noise Ratio),ISNR(Improvem ent of S ignal-to-Noise Ratio)两个参数上均提高3倍左右;在NMSE(Norm alized M ean Square Error)参数上,与维纳滤波具有相同的数量级,仅是等功率谱法的1/5左右。     

基于小波变换的最优阈值图像去噪

小波图像去噪方法已广泛应用于图像去噪领域。在图像去噪中关键的一步就是阈值选取,阈值的选择直接决定去噪效果。本研究提出了一种基于小波不同子带选取最优阈值的小波去噪方法,该方法根据小波系数不同的特点选取阈值。实验结果表明,此方法可以有效地降低噪声,较好地保持了图像的细节。     

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。