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.     

一种改进的基于小波偏微分方程的图像去噪方法

提出一种基于小波分解和四阶偏微分方程相结合的方法用于图像去噪,利用小波良好的时频局域化特性和偏微分方程能够很好地保留图像的边缘和细节的特点对图像噪声进行消除.传统的二阶线性扩散方程计算效率低,易产生阶梯效应,这里采用一种用拉氏锐化算子替代拉普拉斯算子的四阶偏微分方程模型.实验结果表明,本方法是一种高效的去除噪声并能很好地保持图像边缘的算法.     

小波阈值图像去噪算法改进

对小波阈值收缩图像去噪算法进行了研究,在软阈值函数的基础上提出了一种改进的阈值函数,算法中采用BayesShrink阈值和SureShrink阈值,一定程度上抑制了SureShrink阈值的"过保留"小波系数.与传统方法(软阈值函数法(BayesShrink阈值)、软阈值函数法(SureShrink阈值)、硬阈值函数法以及半软阈值函数去噪法)相比,在处理边缘点不多的图像时,改进的阈值函数方法处理后的图像具有更高的峰值信噪比(PSNR)和信噪比(SNR),并具有更低的均方误差(MSE),图像更加清晰.     

一种基于小波变换的图像去噪方法的应用研究

探讨了小波变换在图像去噪中的处理技术.首先分析了小波变换的原理,然后给出了基于小波变换的图像去噪原理,并设计了小波变换图像去噪的具体实施方案,最后给出了小波变换去噪的图像训练实验结果.结果表明,利用小波分解(变换)去除图像噪声,既滤除了噪声,又有效地保持了图像的细节信息.     

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.     

小波图像去噪的一种小波改进算法

小波阈值去噪算法是去除图像信号中白噪声的有效算法.其中阈值选取关系到图像重建的精确度.软硬阈值函数能够有效地去除噪声,却不能很好地保留细节信息.在传统软硬阈值函数的基础之上提出了一种自适应的阈值函数,能根据分解层次的不同而自动地调节阈值.根据仿真结果,证明该算法进一步继承了硬软阈值函数的优点,改善了其缺点,而且能够较好去掉噪声并且保留图像的细节.     

一种基于小波的图像去噪方法

利用小波变换的特点,对传统小波萎缩去噪方法进行改进,在不同分解尺度和方向上采用不同的阈值对图像进行去噪处理,取得较好效果.     

小波域中基于模糊的图像去噪方法

在图像去噪方法中,信号局部方差估计的准确性对去噪效果起至关重要的作用．根据图像小波系数与邻近点的相关性,把模糊（Fuzzy-based）函数用于估计信号的局部方差,根据局部噪声变化自适应地去除噪声．仿真表明,提出的局部方差估计算法FLAWML的去噪效果相对其他算法有较好的改善,保存了图像的边缘细节,增强了图像视觉效果．     

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。     

采用小波域α稳定分布的图像去噪

基于统计模型的图像去噪的关键是统计模型的选取.α稳定分布能很好地表示具有严重拖尾的数据的统计分布.该文采用α稳定分布来对图像小波域系数进行建模,并采用贝叶斯估计来对无噪图像进行估计.通过将该算法与近来的一些方法进行比较,仿真结果表明该算法具有好的去噪效果.     

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。     

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.     

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.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

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.