基于多尺度学习型字典表示的极地浅层探冰雷达图像去噪算法

为了更好地解决极地浅层探冰雷达回波信号中的杂波和噪声问题,提出了一种基于多尺度学习型字典表示的极地浅层探冰雷达图像去噪算法。该算法首先通过曲波变换构建曲波系数矩阵,在曲波域使用自适应字典学习得到原子尺寸不同的多尺度字典,最后利用去噪和修正后的曲波系数重建浅层探冰雷达剖面图像,完成最终的去噪。结果表明:相较于曲波变换去噪算法、K-SVD(K-奇异值分解)去噪算法,改进的算法不但能够有效地去除噪声,提高图像的峰值信噪比,而且探冰雷达图像的边缘轮廓信息得到了较好的保留,有着良好的视觉效果。     

基于曲波和遗传算法的图像去噪

本文介绍了一种基于曲波变换和遗传算法的图像去噪方法,该方法利用软阈值规则调节噪声图像的曲波系数,以达到去除图像噪声的目的,去噪时使用遗传算法和广义交叉验证准则搜索最优的阈值。基于Lena和Barbara图像的实验结果表明,与小波图像去噪相比,曲波去噪后图像峰值信噪比（PSNR）和视觉效果有较大提高,特别是对图像边缘的恢复上效果明显。     

一种快速的曲波变换图像去噪算法

第二代Curvelet变换有两种数值实现方法,一种是基于非均匀采样的快速Fourier变换;另一种是基于特殊选择的Fourier采样的卷绕。本文将这两种实现方法进行了比较,并且将其应用到图像去噪中,分析噪声进行curvelet变换后的系数特点,采用曲波硬阈值去噪。试验结果表明,wrapping曲波变换算法比usfft算法具有更好的去噪效果,并且运算速度显著提高。     

方差稳定变换下曲波域MR图像莱斯噪声去除算法

磁共振图像往往含有莱斯噪声,不同于加性高斯噪声,莱斯噪声的分布与图像的数据相关,使其更为难以去除.已有方法表明,方差稳定变换可以将莱斯噪声分布变换为方差稳定的高斯分布.利用该特性,结合曲波变换这一新的多尺度变换理论,提出一种磁共振图像莱斯噪声去除算法.算法分别采用了硬阈值和贝叶斯软阈值两种曲波域去噪方法,并针对这两种方法对曲波域低频系数层未做有效去噪的缺陷,提出对低频系数层进行软阈值去噪的改进.实验结果表明,改进算法在峰值信噪比和平均结构相似度的评价上均有较大提高,证明该算法在去除莱斯噪声及保护图像信息上的有效性.     

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.     

基于改进的MCA和K-SVD的图像稀疏表示去噪算法

图像去噪是图像处理中的关键问题之一,传统的图像去噪方法是基于小波阈值变换的,其去噪效果较好,但容易丢失细节信息,导致边缘模糊,针对传统去噪方法存在的不足,本文提出一种基于形态学成分分析(Morphological Component Analysis,MCA)和K奇异值分析(K-SVD)的图像去噪方法.考虑到传统的MCA算法对图像的稀疏性要求较高,本文通过求解最接近l1范数的若干次优解和最小l1范数解进行加权叠加,并将结果作为源信号的估计,改进了传统MCA算法中对图像稀疏性的高要求,提高了对源信号估计的精度.本文方法首先采用改进的MCA算法将含噪图像划分为平滑部分、纹理部分和边缘部分;然后对平滑的结构部分采用小波阈值去噪,并利用改进的K-SVD去噪算法对纹理部分和边缘部分进行自适应去噪,最后将三部分合起来得到最终去噪图像.实验表明,该方法相比于传统的图像去噪方法能够更好地滤除噪声,保留图像的细节特征和边缘信息,获得更高的峰值信噪比值.     

基于剪切波变换和拟合优度检验的遥感图像去噪

针对遥感图像中的高斯白噪声,提出一种基于剪切波变换和拟合优度检验的遥感图像去噪算法.首先,将含噪遥感图像通过剪切波变换多尺度分解得到不同子带,利用剪切波域下高斯白噪声系数的统计关系估计去噪阈值;其次,计算高频子带的拟合优度检验统计量,将统计量与去噪阈值相比较进行去噪;最后,对系数矩阵进行剪切波逆变换重建去噪图像.仿真实验结果表明,该算法能有效去除遥感图像中的高斯噪声,保持图像的边缘纹理信息,并且在不同噪声水平下,均获得了较高的峰值信噪比,其中与剪切波阈值去噪算法相比平均提高0.33 dB.     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

基于保边函数的图像去噪

为解决传统去噪算法对图像平滑区域效果较好,但存在边缘模糊且残余噪声较大的不足,在分析传统各向同性扩散的基础上,以去噪目的为先验知识建立保边去噪模型,提出了基于保边函数的图像去噪算法.该算法对图像平滑区域进行各向同性的平滑处理,保留了传统算法的优点;对图像边缘区域进行各向异性处理克服了传统算法的边缘模糊现象.实验结果表明:基于保边函数的去噪算法具有残余噪声较小和保边性,提高了图像的PSNR和视觉效果.但是对图像中的较小边缘误作为噪声被去除.     

一种基于曲波变换的图像增强方法

本文提出了一种新的基于曲波变换的图像增强方法,文中首先介绍了曲波变换模型,采用曲波变换方法增强图像的原理。然后提出新的算法：对舍噪声图像进行曲波变换得到曲波变换系数;对图像的曲波变换后各尺度系数中的高频成分进行软阈值操做,而对低频成分作灰度拉伸;对处理后的曲波变换系数进行曲波反变换得到增强后的图像。最后通过图像质量评价方法对实验结果作了分析,结果证明该方法能够有效抑制噪声。     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

一种改进的小波域图像去噪法

在小波阈值去噪方法的基础上,提出一种块匹配及小波变换技术相结合的图像去噪法,首先估算含噪图像的噪声方差,然后对图像进行分块匹配,构造各相似块的三维数据组,对其进行3D小波变换,再以噪声方差迭代形式,获得最佳软硬阈值对高低频系数分别做去噪处理,最后对低频DC系数做细节锐化运算。仿真结果表明,本算法既能有效地减轻图像中噪声,又具有较好的形状和细节保持能力,在图像的信噪比和主观视觉上都优于传统的软阈值、硬阈值、中、均值滤波去噪法。     

基于自适应小波变换的红外图像去噪算法

针对红外图像存在的加性、乘性及混合噪声,提出了一种自适应小波变换的图像去噪算法.该方法首先用小波变换对含噪图像信号进行小波分解,这样可以保证对图像中的不相关噪声的有效抑制,保持图像的细节信息.然后将经小波变换所分离出来的噪声成分作为自适应滤波器的输入,通过选用自适应滤波算法从而实现信噪分离的最佳滤波.仿真结果表明,本文提出的去噪算法优于已有的各种算法,提高了图像的对比度,突出了图像细节.     

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.     

基于组合隶属度FSVM的图像边缘检测

文中提出了一种新的边缘检测方法——基于组合隶属度模糊支持向量机(FSVM)的图像边缘检测.通过对这种新的FSVM分类算法建立边缘检测的模型对加入椒盐噪声状态的图像进行边缘检测的实验.仿真实验结果表明,新的算法稳定性高,抗噪性能好,具有更好的检测效果.     

一种小波阈值的图像去噪的新方法

基于小波变换的图像去噪方法是在运用小波变换对含噪图像进行去噪前,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去噪法进行去噪;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。     

基于改进引导滤波的实时红外图像去噪研究

针对红外图像对比度低、边沿模糊、图像噪声明显以及去噪算法复杂度普遍高的缺点,提出应用于红外图像去噪的改进的引导滤波算法,并与传统的引导滤波去噪算法进行对比,以验证该算法提高图像质量的能力与算法处理的效率.该方法利用Sobel滤波代替传统引导滤波求统计特征的方法来获取图像特征,在保证去噪效果的前提下,极大简化了算法复杂度,并移植该算法至TMS320C6748DSP平台进行测试.实验结果表明,程序经优化后,达到实时处理的要求.     

基于FDCT的图像消噪算法

由于曲波(Curvelet)变换可以很好的逼近含线奇异的高维函数,近年来日益受到研究人员的普遍关注.传统的数字曲波变换是非正交的、冗余度较高,而本文采用的快速曲波变换(Fast Discrete Curvelet Trans form,FDCT)对物体边缘信息具有最优稀疏表示.通过实验表明,基于FDCT的图像消噪算法可以很好的保持图像边缘,使消噪后的图像获得较好的视觉效果,同时峰值信噪比(PSNR)也得到很大提高.     

基于多元BKF模型的双树复小波图像去噪

本文提出了一种新的去噪方法。该方法将小波系数的内尺度和外尺度信息植入到多元BKF模型之中,从而充分考虑了内外尺度的相关性,并根据最大后验估计(MAP)准则,估计得到图像去噪的阈值化函数,最终,通过逆变换阈值化后小波系数得到去噪后的图像。同时该方法还利用双树复小波变换对图像进行分解和重构,克服了一般离散小波变换缺乏平移不变性和方向敏感性的弱点。去噪实验结果表明,该算法比传统的几种算法有更好的去噪效果。     

基于NSST变换域WNNM和KAD算法的SAR图像去噪

针对合成孔径雷达图像(synthetic aperture radar,SAR)斑点噪声影响的问题,提出了一种基于非下采样剪切波变换域(non-subsample shearlet transform,NSST)加权核范数最小化(weighted nuclear norm minimization,WNNM)和核各向异性扩散(kernel anisotropic diffusion,KAD)的SAR图像去噪方法.首先预估计SAR图像的全局噪声方差,其次对SAR图像进行对数变换,将图像的相干斑乘性噪声转化为加性噪声,然后对SAR图像进行NSST变换分解,将图像分为低频分量和多个高频分量.对分解后的低频分量和高频分量分别用WNNM算法和KAD进行去噪处理,最后用处理后的结果进行NSST重构得到去噪图像.给出了该算法的详细实现过程,并把它与之前的WNNM算法和非下采样shearlet变换算法进行了比较.实验结果表明,峰值信噪比相较于WNNM算法提高了约0.3 d B,而且更好地保存了图像的局部结构,并实现了良好的主观视觉效果.