基于小波变换的正则化图像恢复方法研究

介绍了基于小波变换的正则化图像恢复方法,它利用图像小波变换后各个子频带所具有的不同的频率选择性和不同的方向特性,对各子频带采用不同的正则化参数和正则化算子,将图像分解为一个低频子频带LL和三个高频子频带,然后对原图像的各个子频带图像分别进行迭代恢复,使各个子频带分别收敛于其最大信噪比。     

基于方向小波变换的高斯噪声图像恢复方法

提出一种基于方向小波变换的相关和阈值去噪方法,恢复高斯噪声图像.方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制,可沿任意方向变换,这种多方向组合变换方法有利于削弱Gibbs效应,对去噪后图像的边界保护具有积极作用.实验结果表明,相对于标准小波变换,该方法无论是PSNR值还是视觉效果都较原有的方法更好.     

基于离散多小波变换的遥感图像融合方法

以不同分辨率的遥感图像为对象,基于Chui—Lian（CL）离散多小波变换的特性,提出了一种新的图像融合方法．该方法将两幅不同的源图像分别进行预处理和多小波分解得到各个分解图像,然后对分解图像分别采用基于区域特征的融合方法,得到混合的分解系数,通过多小波重构和后处理算法从而获得融合图像．该方法能够为图像融合提供一种比传统的小波变换更加精确的融合方法．实验结果证明采用这种方法可以得到更好的融合效果,不仅能够完好地显示源图像各自的信息,而且能更好地将源图像的细节融合在一起．     

基于冗余离散小波变换的立体图像视差估计

为提高立体图像视差估计的准确度及效率,从图像特征点入手,结合DT（delaunay triangle）网格技术,提出基于冗余离散小波变换的立体图像视差估计法．对参考图像进行冗余离散小波变换后,根据其平移不变性和各级子带大小相同的特点,通过各级高频子带相乘、叠加,再取相应闽值,得到参考图像特征点,并形成DT网格;以特征点为中心在目标图像中进行视差估计,得到各特征点的视差矢量,再结合仿射变换得到三角形内部各点的视差矢量,从而形成浓密的视差图．实验结果表明,根据视差图重建的目标图像PSNR值要高于传统的SAD块匹配法和Canny特征点法5～10db;对于CIF格式的立体图像,算法在Matlab7．0下时间消耗为15s．该算法在视差估计准确度和运算速度上具有较好性能,可应用于立体图像处理领域     

基于离散多小波变换的多聚焦图像融合方法

多小波是小波理论的扩展,多小波变换能够为图像分析提供一种比小波多分辨率更加精细的方法。利用多小波将两幅图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。试验结果表明,该方法能够很好地解决多聚焦图像融合问题,具有良好的融合特性,得到的融合图像效果优于传统图像融合方法。     

基于小波门限化的图像去噪方法

提出用小波门限化方法对图像的噪声进行处理,从理论上分析和探讨了小波门限化的作用,以及对抑制噪声形式的无纹理图像的自适应性,实验结果表明,所处理的图像取得了很大的结果。     

基于小波变换的数字监控图像的噪声滤波方法

小波分析因具有多分辨率分析能力和时频局部化能力，在处理数字图像时占有很大优势.用小波变换技术的设计一种简单的实用性强的数字监控图像噪声滤波方法，在数字图像处理应用时效果理想.     

基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。     

小波变换在虹膜图像消噪中的应用研究

针对虹膜图像中存在的斑点噪声,利用小波变换消噪的特点,将虹膜图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行消噪处理。结果表明小波指数方法是较优消噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法; 对虹膜图 像预处理后, 将二维小波变换与积分图像相结合, 实现虹膜纹理的特征提取; 实验检验了算法的有效性.     

基于正交离散小波的超分辨力图像复原算法

利用正交离散小波变换,通过最小化广义交叉确认函数求取小波变换渐近最优阈值,与L-R超分辨力图像复原算法结合,提出了基于正交离散小波变换的L-R法(WL-R)和单次运算小波变换的L-R法(SWL-R).算法能够较好地复原信噪比较低的图像细节,SWL-R只需1次处理过程,在保证复原处理快速有效的基础上,减少了L-R算法的大量迭代运行时间,适合于实时化的超分辨力图像处理,具有广泛的应用前景.     

一种基于离散傅里叶变换的小波变换的快速算法

小波理论中的多分辨率分析和Mallat算法近年来已在数字信号处理中得到了广泛的应用．但如果直接按照上述算法计算信号的小波分解和重构,其计算量将是很大的．通过对离散傅里叶变换及Mallat算法原理的分析,针对离散小波变换算法结构特征,对其结构进行了重组,在此基础上利用快速傅里叶变换,提出了一种快速离散小波变换算法,并从理论上进行了分析和论证;与直接算法相比,可有效降低运算量．     

一种新的正则化粒子滤波图像恢复算法

引入粒子滤波对解决非线性非高斯模型的优良特性,将一种新的正则化粒子滤波算法(regularized particle filter)应用到混合噪声和乘性噪声图像恢复中.由于采样重要性重采样(SIR)方法在重采样时没有考虑观测量而引入误差,本文方法从后验连续分布中采样,引入观测量进而减少误差,同时将易实现的累积分布函数和正则化重采样步骤融合,进一步使粒子方差最小化,解决粒子衰竭问题,缓解退化现象.通过对具有混合噪声图像以及医学乘性噪声图像的恢复效果表明了该算法的有效性,且与小波阈值法和SIR粒子滤波法对比显示了其优越性.     

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。     

基于噪声灰度差估计三维显微图像超分辨率复原

提出了基于噪声灰度差估计的图像复原方法.在带斑点图像复原的过程中,用不同方向的均匀算子与图像进行卷积,再与原图像相减,取灰度差最小值构成噪声灰度差估计图.由此图获得斑点的强度和位置,进而对斑点进行邻域平均处理以保证复原效果.测试结果表明,噪声灰度差估计能够准确反映图像斑点的强度和位置定位,并且运算量小.该方法应用于三维显微图像复原的结果表明,斑点亮度得到有效控制,小斑点被去除,获得了良好的超分辨率复原效果.     

基于小波变换的能量和方差分析图像压缩方法

在对图像进行小波包分解的基础上实现图像压缩.根据小波系数的分布特点严格推导得出:可以用能量和方差作为衡量小波系数重要性的标准,并据此对系数矩阵块进行选择分组,自适应地进行量化,而且不同的量化方式可以共用码表;对低频部分扰动足够小的区域取均值,结合提出的存储方法,在不引入误差的情况下减少了编码负担,在保证图像质量的同时有效提高了压缩比.