噪声图像分析及小波阈值去噪

不同的噪声图像经小波变换后系数分布是不一样的,针对图像特征和噪声特征,采取灵活的去噪策略会取得更好的去噪效果。本文通过实验对噪声图像及噪声的小波分解系数进行系统分析,提出小波阈值去噪中阈值的选择策略,并用实验验证了方法的有效性。     

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解（bidimensional empirical mode decomposition,BEMD）中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数（intrinsic mode function,IMF）子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。     

基于离散脊波变换的农作物图像去噪算法

由于农作物生长环境的复杂性,导致在获取农作物图像过程中或多或少存在一定程度的噪声,这给农作物成熟果实的自动化采摘造成了很大不便。因此,结合离散脊波变换,提出了1种农作物图像自适应去噪算法,该算法通过对图像实现多尺度脊波变换,保持低频分解系数不变,对于高频分解系数,首先分别采用改进非局部均值滤波算法(improved non-local means filtering,INLM)以及改进小波硬阈值去噪模型进行消噪;然后实现低频分解系数与各自消噪后的高频分解系数重构,从而获得2幅重构图像;最后实现2幅重构图像的等权融合处理,获得消噪后的农作物图像。结合相关试验,分别将该算法与经典非局部均值滤波算法(non-local means filtering,NLM)、已有的改进非局部均值滤波算法以及小波硬阈值去噪算法进行去噪效果比较,主观、客观分析结果表明,用该研究算法处理后的图像清晰度较高且残留噪声较少。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分解系数重构.分别采用该滤波算法、维纳滤波、小波阈值法以及均值滤波进行高斯噪声滤除处理,试验证明该滤波算法去噪后图像的PSNR值明显高于其他三种方法.     

基于DWT-NLM模型的农产品图像处理算法

提出了一种基于离散小波变换(DWT)和非局部均值滤波(NLM)的农产品图像处理算法。首先对图像进行3层DWT,在变换域中对高频小波系数进行改进小波阈值模型去噪,对原始低频小波系数与去噪后的高频小波系数分别进行重构,得到背景图像和细节图像;再对细节图像进行区域划分,对每个图像区域分别采用NLM算法进行去噪;最后将背景图像和去噪后的细节图像进行叠加处理,得到去噪后农产品图像。引入边缘保持指数(edge protection index,EPI)、均方误差(mean square error,MSE)对试验结果进行评价,结果表明,本研究算法对该类图像的处理取得了较好的效果,且对NLM、小波阈值去噪等算法而言优势较明显。     

音乐信号小波阈值去噪模型及其应用

利用小波阈值滤波的原理,建立了阈值滤波去噪模型,解决了小波基和小波分解层数的选择以及阈值和阈值函数的选取这2个关键问题。小波基的选取应该均衡考虑光滑性与紧支性。采用数值仿真方法,通过一段音乐信号,分析了小波基的不同选取方式、不同阈值选取方法、不同分解层数对去噪效果的影响:选择不同的小波,分别利用全局阈值和分层阈值去噪法来观察不同的小波选择对去噪结果的影响;选择一个固定的小波,利用全局阈值和分层阈值来比较这2种去噪方法的优劣。研究结果表明,选择db4小波基、分层阈值、分解层数为4~5层时,去噪效果最好。     

基于小波变换的指纹图像增强算法

小波变换在对图像进行增强处理的过程中也对图像中存在的噪声做了同样的处理,在增强图像边缘细节的同时没有很好的进行图像消噪。针对这些不足,对传统的小波变换算法进行了改进。基于Mallat算法对小波分解和重构,在分解后保持低频信息的不变性,并利用小波系数的变换使图像信息得到增强,同时具有一定的图像消噪效果,该方法与传统的小波变换算法相比在图像增强处理中具有更好的效果。     

基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一.利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法.由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的.在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果.     

基于尺度噪声水平估计的双树复数小波变换图像去噪方法

利用噪声与图像双树复数小波变换各层系数的关系,提出基于尺度噪声水平估计的双树复数小波变换图像去噪方法并进行了试验.结果表明,该估计方法与图像噪声水平近似线性相关,能很好地反映各层系数的噪声水平.双变量收缩函数阈值去噪法采用该估计比采用全局噪声水平估计去噪效果更好,平均结构相似度明显提高.     

基于Contourlet变换与LSSVM的玉米种子识别算法

基于Contourlet变换与最小二乘支持向量机(least squares support vector machine,LSSVM),提出了一种玉米种子高精度识别算法。该算法首先对玉米种子图像进行多层Contourlet分解,结合指数函数和反正弦函数,提出了一种新型的阈值函数模型对高频分解系数进行去噪处理;其次,将低频分解系数与去噪后的高频分解系数进行重构,得到去噪后的玉米种子图像;最后采用LSSVM对去噪后的玉米种子图像进行识别,采用径向基函数模型作为LSSVM核函数模型。试验结果表明,对去噪后的图像进行LSSVM识别的精度优于直接对图像进行LSSVM、SVM识别的精度。     

探讨小波系数对图像质量的影响

小波系数是图像进行小波分解后得到的系数,小波系数的分布、大小、多少直接影响着图像的质量。本文主要探讨含有统计噪音的数字仿真图像Logan_Sheep图像,利用硬阈值法对正交小波分解系数处理的前后,高频域中的小波系数的多少对图像特征的保留的影响。试验表明只要有很少的大的小波系数就能保留图像的特征。     

基于软阈值的图像增强

图像增强技术是数字图像处理的的一个重要分支,提出了一种小波软阈值的图像增强算法,首先对原图像进行小波分解,得到分解后的小波系数,对给定的阈值,应用局部小波软阈值方法对小波系数处理,再将处理后的图像进行小波逆变换,得到增强后的图像.该方法在增强图像的同时,有效地抑制图像的噪声,较好地保持图像的边缘结构.     

一种Contourlet域高斯混合模型降噪方法

利用图像子带内部Contourlet系数的空间相关性,在平移不变Contourlet去噪方法的基础上提出了一种随像素自适应调整的混合高斯模型去噪方法.每个系数建模为两个均值为零、方差不同的正态分布之和,利用局部贝叶斯阈值对Contourlet系数进行分类,通过当前系数邻域窗中两类系数的信息,得到大、小方差以及有关概率的模型参数估计.该方法较平移不变小波去噪和平移不变Contourlet去噪的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量.     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.     

基于多尺度分解的图像递进检索

提出了一种基于小波多尺度分解的图像递进检索匹配方法.首先用小波变换对图像进行多尺度分解,提取其各子带的前三阶矩(标准差、偏斜度)和最低频段(LL子带)的小波变换值作为特征值.然后在检索匹配时,用各尺度的标准差和偏斜度进行递进筛选,再用LL子带的HSV颜色直方图计算图像之间的相似性距离,进一步对检索结果求精.与传统的直接直方图方法比较,结果表明,运用该方法,不仅计算量大大降低,明显加快检索速度,而且检索精度也明显提高.同时,由于小波变换已经成为新一代图像压缩标准的核心,该方法可以直接在压缩域进行特征提取和检索.     

基于对数熵最优小波包基树的图像编码压缩研究

图像的能量主要集中在高频部分,传统的小波变换图像编码压缩方法主要侧重低频信号,而把高频部分看为不重要的信息,这就导致图像的细节失真。考虑到图像能量分布情况,提出以对数熵为代价函数,选择最优小波包树的图像编码压缩方法,仿真结果表明这种方法不仅可以提高的压缩比,而且重构的图像效果比较好。     

小波时间序列在电离层TEC预报中的应用

将小波时间序列应用到电离层TEC的预测中,通过小波分解将逐天的TEC数据分解到小波频率通道上,得到对应于小波频率的小波系数列。对系数列作降噪处理并进行数学变换最终使数据趋于平稳,并进行时间序列模型预测,还原成系数列的预测值,最后还原成实际预测值。采用小波时间序列预测后5天480个样本点,准确率在80%以上占87%,90%以上占57%,相较于传统预测模型有较明显的提高。     

小波变换的模极大值在图像边缘检测中的应用研究

边缘检测在图像处理中有着重要的作用.依据canny算子的核心思想,运用小波分析技术,提出了一种基于小波变换的模极大值边缘检测算法.仿真结果表明:该算法能提取图像较弱的边缘,有较好的去噪效果,且边缘有较强的连续性.优于传统的边缘检测算子.