血管内超声图像的血液噪声抑制和对比度增强研究

提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法。根据血管内超声成像的特点估计噪声的方差,并由二进小波变换的分解结构给出局部阈值的计算方法,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理。同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法。实验结果表明,与现有血管内超声图像去噪的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,保留了图像的细节,具有更好的实用性。     

基于二进小波变换的医学图像增强

在二进小波理论的基础上对图像的增强做了研究。实验结果表明:利用新提出的二维àtrous算法和构造的新的B-样条二进小波滤波器对图像进行增强处理,图像的视觉效果有了明显的改善,并且发现随着分解层数的增加,图像的增强效果越来越好,但是,并非分解层数越多越好。经过反复实验比较,图像在三层分解情况下的增强效果最佳。     

基于二进小波变换的图像边缘检测算法研究

图像边缘是图像最基本的特征,是分析理解图像的基础.图像边缘信息的改变意味着图像基本内容或结构的变化.本文研究了利用二进小波变换的方法进行图像边缘特征提取,并通过图像边缘相关算子的理论区分边缘特征点和噪声,然后将不同尺度下的图像边缘特征点,根据小波变换模值跨尺度传递特性,进行多尺度下的图像边缘融合.实验结果表明,该方法克服了传统梯度运算对噪声的放大影响,同时也克服了单尺度下噪声抑制与边缘细节提取精度之间的矛盾.     

基于多尺度分析的血管内超声图像去噪和增强

提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法.血液红细胞散射引起的斑点噪声属于乘性噪声,在对数域进行二进小波变换后,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理,并提出了一种局部阈值估计方法.同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法.实验结果表明,与现有单独进行去噪处理的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,具有更好的实用性.     

基于二进小波变换的图像阈值滤波法的性能分析

在D.L.Donoho和I.M.Johnstone提出的小波阈值滤波法的基础上,提出了一种基于二进小波变换的图像阈值滤波法。在阈值函数中引入参数,通过调整参数以获得最佳的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间。为分析此方法的去噪性能,对同一图像在叠加不同水平的Gaussian噪声的情况进行了去噪实验,仿真实验结果发现基于二进小波变换的图像阈值滤波法不但有效抑制了图像边缘附近的Gibbs现象,而且使去噪后图像的峰值信噪比在不同噪声水平下都有很大程度地改善,在不同噪声水平间有很小幅度的波动,这表明基于二进小波变换的图像阈值滤波法的去噪性能具有很强的稳定性。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

离散信号的二进小波分解与重构

讨论了由一维二进小波构造的二维二进小波的性质,并应用二维二进小波变换导出二维离散信号的分解和重构。     

利用二进小波消除电动机故障信号白噪声

通过对信号奇异点在二进小波变换下特性的研究,阐明了白噪声的性态与电动机故障信号的奇异性态在二进小波变换下的截然不同的性质,总结出简明的判据并据此提出了一种消除电动机故障信号中的白噪声的实用算法。     

一类多小波变换的分解与重构算法

讨论了由一类一维二进多小波构造的二维多小波的性质,并给出二进多小波变换的分解与重构算法.     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

基于小波的医学图像自适应增强

提出了一种对图像进行增强的方法，该方法的特点是，单独地处理小波系数，并且分析小波相邻各层之间的相关性，作为判断噪声的依据，然后利用这些信息对图像进行增强．实验结果表明，这种小波增强方法可以减小噪声的放大，能够在增强图像微小细节和避免放大噪声两方面获得令人满意的结果．医学图像往往同时具有低对比度和较高噪声，因此本文提出的方法正适用于这类图像．     

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.     

多尺度小波梯度图像增强方法

传统的图像增强算法在对图像增强的同时,也增强了图像的噪声信号,不利于图像的后期处理.在小波变换增强算法的基础上,提出了多尺度小波梯度图像增强方法.实验证明,该方法在提高图像对比度的同时,有效的解决了噪声也被增强问题,使增强后的图像便于图像分析和后期处理.     

Human Body Image Edge Detection Based on Wavelet Transform

Human dresses are different in thousands way. Human body image signals have big noise, a poor light and shade contrast and a narrow range of gray gradation distribution. The application of a traditional grads method or gray method to detect human body image edges can't obtain satisfactory results because of false detections and missed detections. According to the peculiarity of human body image, dyadic wavelet transform of cubic spline is successfully applied to detect the face and profile edges of human body image and Mallat algorithm is used in the wavelet decomposition in this paper.     

基于小波变换的多层次图像增强算法

提出了基于小波变换的多层次图像增强算法.首先对图像进行4级小波分解,得到尺度系数和多个层次的小波系数;然后对不同层次的小波系数采用不同的增强算法进行处理,并对图像的尺度系数采用多尺度方法进行处理;最后用得到的小波系数和尺度系数进行逆变换得到增强后的图像.试验结果证明,该算法具有优于传统增强算法的增强效果和抗噪性能.     

基于小波变换的图像增强算法

结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强算法,该算法先区分小波域中由细节及噪声产生的高频系数,对由细节产生的信息进行增强,对噪声进行抑制·解决了通常算法中增强细节信号的同时也放大了噪声这个问题·实验表明,该算法在得到很好的图像增强的同时,能很好地抑制噪声,对于多噪声环境下的弱细节信号能达到很好的增强效果·