复数小波与椭圆窗维纳滤波结合图像去噪方法

本文提出一种基于复小波与带有方向窗维纳滤波结合的新图像去噪算法。针对普通小波域维纳滤波去噪的方向性差,去噪后图像的容易产生哑铃效应。而采用具有较强方向性的复数小波域结合具有方向性的椭圆窗维纳滤波的方法对图像进行去噪,不仅有效地去除了噪声,而且更好地保存了图像的细节信息。实验表明:去噪后的峰值信噪比与视觉质量都较普通小波与方窗维纳滤波的效果有较大改善。     

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。     

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.     

基于双树复小波域HMT模型的煤燃烧火焰图像去噪

锅炉煤燃烧火焰图像中存在的噪声会对后续的特征提取和温度重建造成不利的影响.为更有效地去除锅炉煤燃烧火焰图像中的噪声,文中提出了一种基于双树复小波域隐马尔可夫树(HMT)模型的锅炉煤燃烧火焰图像去噪方法.首先对含噪火焰图像进行双树复小波变换,然后依据HMT模型分别对双树复小波系数的实部和虚部进行建模,并采用期望值最大算法来估计模型参数,接着利用贝叶斯最小均方误差准则来估计无噪双树复小波系数,最后通过双树复小波逆变换得到去除噪声的火焰图像.实验结果表明,与小波域VisuShrink阈值法、基于小波域或Contourlet域HMT模型的方法相比,文中方法能够有效地抑制噪声,获得较高的峰值信噪比.     

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。     

基于双树复小波变换与双边滤波的图像滤波

为了进一步提升高斯噪声的去除性能,提出了基于双树复小波变换与双边滤波的图像滤波方法.根据图像和噪声的分布特征,推导出一种自适应的阈值去噪模型.用去噪模型对双树复小波变换后的图像系数进行量化处理,再由双树复小波逆变换得到去噪图像,然后用改进的双边滤波方法对去噪图像进行边缘增强,改进的双边滤波核自适应于图像的特征,具有更好的鲁棒性.实验结果显示,该方法相对于现有的性能较好的方法,PSNR高出大约0.8 dB,SSIM高出大约2.3%.实验证明了该文提出的方法在去噪效果和细节恢复上优于已有的方法.     

基于PCNN的小波域超声医学图像去噪方法

在分析小波去噪和脉冲耦合神经网络(pulse coupled neural networks,简称为PCNN)去噪优缺点的基础上,提出一种基于PCNN的小波域超声医学图像去噪方法(a method of medical ultrasonicimage de-noising based on PCNN in the Wavelet Domain,简称为PCNN-WD).该方法先对小波系数进行相应的预处理,然后应用PCNN在小波域中修改小波系数,以达到去噪的目的,并且该方法能够自动地设定阈值和修改小波系数的步长.实验结果表明,该方法可以有效地去除斑点噪声,并很好地保留图像细节和图像边缘.     

小波复扩散及在DTI图像恢复中的应用

扩散张量图像中广泛存在的赖斯噪声会给张量计算和脑白质追踪等带来严重的影响.为了减少噪声影响,采用小波复扩散方法对多通道扩散加权图像进行了恢复.小波复扩散滤波方法即在小波域中进行复扩散.该方法能够有效消除噪声影响而且具有较好的边缘保持特性.采用峰值信噪比（PSNR）和信号均方差之比（SMSE）来定量地评估本滤波器消除赖斯噪声的性能.基于模拟和真实数据对张量场的表面扩张系数等进行了计算并进行了人脑白质纤维追踪.把去噪方法和多通道小波方法以及复扩散方法进行了比较,实验结果表明本滤波方法具有良好的去噪性能.     

基于分水岭和广义非局部平均的小波去噪

非局部平均滤波去噪方法和基于广义非局部平均的小波域去噪方法都会在不同程度上损失图像细节信息.为了在去除图像噪声的同时更好地保留图像细节,文中提出了一种基于分水岭分割和广义非局部平均的小波去噪方法.首先对含有噪声的图像进行基于梯度的分水岭分割并保留分水岭脊线;然后对含有噪声的图像进行多维度小波分解,对分解的每一层系数估计尺度系数和形状系数,构造每层小波子系数的广义高斯模型,对每层细节子带信息分别在水平、垂直、对角线3个方向应用基于广义高斯模型的非局部平均滤波;最后用含噪图像中与分水岭脊线相对应的像素点替换小波重构后图像的对应像素点.仿真结果表明,该方法与基于广义非局部平局的小波分析去噪法相比能获得更好的视觉效果和去噪效果.     

基于小波阈值的图像信号去噪方法研究

主要对基于小波阈值的图像信号去噪方法展开研究。首先阐述小波分析进行信号分解及重构的算法原理,在此基础上总述了小波阈值进行图像信号去噪的算法原理及流程。最后对去噪效果进行了仿真分析,并将信号去噪结果与均值滤波、中值滤波等经典去噪方法进行比较。仿真结果表明,基于小波阈值的图像信号去噪方法能有效去除一维及图像信号中的噪声,输出信号的信噪比性能较传统滤波去噪方法性能更佳。     

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。     

基于双域信息的深度残差网络图像去噪

基于深度学习的去噪技术,通过考虑视觉伪影和整体平滑噪声,提高了图像的质量.然而,它们很少涉及边缘细节的恢复.为此,本文提出了一种基于双域信息的深度残差网络去噪模型,利用小波域信息与空间域信息的融合来扩展网络学习信息,通过在激活单元内引入多尺度学习和空洞卷积,以此提取图像特征,并减少了网络参数.为了进一步改善去噪结果,结合小波域损失和空间域损失构造联合损失函数,使得网络获取更多的边缘与细节.实验结果表明,本文提出的方法不仅可以有效去除图像噪声,而且可以更好地恢复图像纹理细节,在主观和客观评价中均获得了更好的结果.     

基于二元广义正态分布模型的双树复数小波图像去噪

双树复数小波变换具有平移不变性和多方向选择性,适用于图像去噪.对小波系数统计分布进行建模,提出了一种二元广义正态分布的概率模型.在此先验分布的基础上,通过运用最大后验概率估计方法,从含噪系数中去除高斯噪声.实验表明,该方法不仅在直观视觉上去噪效果明显,在信噪比方面也要优于Bayes-Shrink、W iener2、SureShrink等方法.     

基于贝叶斯估计的复小波域图像去噪

基于对偶树复小波变换和贝叶斯估计技术，提出了一种图像噪声去除方法．与常用的离散二进小波变换相比，该方法具有逼近的移不变性和更多的方向选择性，有利于特征的跟踪、定位和保留．结合贝叶斯估计技术和自适应分布参数确定方法，给出了有效的图像去噪算法．结果表明，该方法去除噪声彻底，边界、纹理等特征保留较好．     

小波阈值法在图像去噪领域的应用研究

小波阈值法在图像去噪领域已经成为热门的研究方向,为了使人们能对小波阈值法有概括性的了解.在对小波阈值法现有技术的优缺点进行分析的前提下,总结出小波阈值法在图像去噪领域的三个主要研究方向,即阈值选择的自适应性,小波系数的分布模型,以及防止Gibbs振荡,并探讨了小波阈值法在图像去噪领域的发展方向.     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点，提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换，根据变换后各帧的特点．采用不同的方法分别进行消噪；对变换后的低频帧进行帧内二维小波变换，在小波域中采用自适应阈值进行消噪；对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好。     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点,提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换,根据变换后各帧的特点,采用不同的方法分别进行消噪：对变换后的低频帧进行帧内二维小波变换,在小波域中采用自适应阈值进行消噪;对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好     

SAR图像小波域消噪方法

目的 介绍小波域SAR图像消噪算法，并且提出一个小波域内利用多重分形参数修正的雷达图像消噪算法。方法 在系统分析SAR图像与小波之间联系的基础上，通过实验表明SAR图像中原始信号与噪声的多重分形参数不同，采用小波域内对多重分形谱相关的Hoelder指数修正方法进行SAR图像消噪。结果 该算法可以在保留信号边缘、纹理等奇异性情况下，消除斑点噪声。结论 小波进行SAR图像消噪具有独特的优势，随着如分形理论的各种非线性理论的引入，对于具有非线性特征的SAR图像斑点消噪研究将取得更好的效果。