共查询到20条相似文献，搜索用时 31 毫秒
1.
针对CT变换缺少平移不变性会在图像消噪时产生伪Gibbs现象,提出了非下采样CT变换与自适应阈值法相结合的图像消噪法。实验结果表明,采用非下采样CT变换方法能有效地消除图像噪声,保存图像的纹理细节,提升图像信噪比,消噪效果优于传统小波及CT消噪效果。 相似文献
2.
小波变换和ROF模型是常用的图像去噪方法。为了获取高质量图像,降低或消除噪声对图像的影响,提出了一种新的图像去噪算法。该方法对噪声图像进行小波分解,并对其高频部分进行阈值去噪,之后利用ROF和拉普拉斯算子结合的模型去噪,并进行小波重构,得到最终的去噪图像。实验结果表明,此算法的去噪效果比小波去噪或ROF去噪明显,能在有效抑制图像噪声的同时,更好地保持图像的边缘、纹理等特征,有效地提高了图像质量。 相似文献
3.
《西安文理学院学报》2016,(2)
在处理高维图像信号时,Contourlet变换比小波变换拥有更好的逼近精度、方向性以及系数表达能力,因此将Contourlet变换应用到图像处理领域已经成为研究热点.总结了Contourlet变换的尺度内和尺度之间的依赖性,提出了基于Contourlet变换的图像去噪算法和图像融合算法,其算法能够较为有效地保留原图像的边缘细节,拥有较好的视觉效果. 相似文献
4.
基于Donoho经典小波阈值去除图像噪声基本思路,分析常用硬阈值法和软阈值法在图像去噪中的缺陷。针对这些缺陷,提出一种改进的阈值去噪法,该方法不仅可克服硬阈值不连续的缺点,还能够有效解决小波分解预估计系数与真实小波系数间存有的恒定误差。通过Matlab仿真实验,使用改进的小波阈值法对图像去噪处理后,除噪效果比较理想,在去噪性能指标上,PSNR(峰值信噪比)和EPI(边缘保护指数)均好于传统阈值方法。 相似文献
5.
本文提出了一种基于自适应Bandelet变换的BayesShrink软阈值图像去噪方法。根据图像和噪声的特点,在Bandelet化的过程中采用Visu shrink方法中基于最大最小原则所定义的阈值来寻找各个剖分子块的最佳几何流方向和完成最优四叉树分割,从而计算出较为精确的图像几何方向,然后对各个Bandelet块进行BayesShrink软阈值去噪。实验表明,本文提出的算法比基于小波的图像去噪法更能提高去噪后图像的峰值信噪比,同时能够避免小波变换所带来的边界振铃效应,更好地保留了图像的细节特征,取得了较好的视觉效果。 相似文献
6.
提出了一种基于噪声特征估计与引导的低剂量CT盲去噪方法.首先,采用有监督特征学习的方式对输入图像的辐射剂量进行等级评估,并估计出图像潜在的噪声特征图.其次,提出了一种基于噪声引导的低剂量CT图像盲去噪模型,通过显性噪声特征引导的方式将噪声特征与原始图像进行融合,并采用残差编码-解码卷积神经网络实现CT图像噪声去除.实验结果表明,在真实数据集上噪声估计网络及特征融合网络能够大幅提升去噪网络的性能,并且在未知剂量CT图像去噪任务上取得了较好的去噪效果. 相似文献
7.
陈木生 《泉州师范学院学报》2014,(2):67-70
针对图像中的高斯噪声干扰,提出一种改进的图像去噪方法．首先利用Curvelet变换将含噪声图像分解成多个子频带,再根据子带系数的高斯分布特性,利用阈值去噪和加权平均滤波相结合的方法对高频子带进行去噪处理,最后利用Curvelet反变换得到去噪后的图像．为了验证该方法的有效性,与传统的硬阈值、软阈值、基于小波变换的方法相比较,实验结果表明,该方法能够获得较好的峰值信噪比和视觉特性,保留较多的细节信息．同时也说明了Curvelet变换比小波变换能够得到更好的去噪效果． 相似文献
8.
9.
项芳莉 《淮南师范学院学报》2014,(3):12-15
图像去噪是图像处理领域中的重要研究方向之一。小波变换具有选基灵活和多分辨率特性等,能清晰图像,因此在图像去噪中获得了广泛的应用。当含噪图像经过小波变换后,图像和噪声在不同的分辨率下呈现出不同规律,设定阈值门限,接着调整小波系数,最终达到去噪的目的。在硬软阈值去噪法的基础上提出新算法,并且利用Matlab进行仿真,实验结果表明新算法的峰值信噪比较高,具有较好的去噪效果。 相似文献
10.
Contourlet变换比小波变换更适宜表达图像的各向异性的直线、曲线和边界特征,能有效地捕捉图像的几何结构信息。与Contourlet变换相比,非下采样Contourlet变换不仅具有多尺度、多方向特性,同时还具备平移不变性。本文提出了一种新的基于Contourlet变换和IHS变换的全色影像与多光谱影像的融合方法,并将IKONOS影像数据应用于融合实验来验证方法的有效性,结果表明本文方法在较好地保持多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力,优于IHS和基于小波变换的IHS融合方法。 相似文献
11.
以图像小波域分形编码为基础,研究了一种新的图像去噪方案.该方案在图像的小波域上,通过预测校正算法,利用含噪图像的小波系数对无噪图像的FW码进行估计,并通过FW解码和小波逆变换获得去噪图像.实验证明,该方案具有较好的去噪效果,并可以有效地保护细节. 相似文献
12.
图像融合技术在图像去噪中的应用 总被引：1，自引：0，他引：1
陈木生 《泉州师范学院学报》2007,25(2):49-51,61
邻域平均法(NAM)应用于图像去噪时能够得到较好的平滑效果,但图像的细节信息丢失较多;基于小波变换的阈值图像去噪方法能够较好地保持图像的细节信息,但是平滑效果不理想.对这两种去噪方法所得到的图像进行小波变换,然后在小波域再按照一定的融合规则进行融合处理,得到去噪效果较好的图像.实验结果表明,融合后的图像能够较好地去除图像的噪声,具有较好的视觉效果和较高的峰值信噪比. 相似文献
13.
胡超秀 《四川职业技术学院学报》2022,(1)
由于设备的不完善,图像在传输过程中会被噪声污染而失去原始图像的细节特征,为了使噪声图像变得清晰且其特征明显,本文提出一种基于深度学习的图像去噪方法,构建了基于卷积神经网络的图像去噪网络结构,并对卷积神经网络中的反向传播算法进行优化,从而加快模型的训练速度,有效地提高去噪效果。最后通过与经典算法实验的对比来进一步说明本研究取得了较好的去噪效果。 相似文献
14.
基于双窗口小波-Contourlet变换的图像融合算法 总被引：1，自引：0，他引：1
提出一种基于双窗口小波-Contourlet变换的图像融合算法.首先采用小波一Contourlet变换对图像进行分解,接着采用两种不同尺寸的窗口计算系数的特征值:低频子带采用区域能量法和高频子带采用区域方差法,分别比较双窗口下的高频子带和低频子带的系数特征值,比较的结果作为得到融合系数选择的依据,最后采用逆小波-Contourlet变换得到融合图像.仿真实验证实,在特征类型选择一致的情况下,该方法的融合性能优于小波变换法和Contourlet变换法,融合图像质量较好. 相似文献
15.
金彩虹 《南京晓庄学院学报》2012,(6):21-25
该研究利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑变换域内子带系数尺度间和尺度内的双重相关性,自适应地调节双变量模型下子带系数的收缩量,使子带系数的收缩量与子带含有图像细节内容的多少成比例.仿真结果表明,与仅考虑子带系数尺度间相关性的去噪算法相比,该算法在去除噪声的同时能有效保持原图像中的细节和纹理信息,改善恢复图像的主观视觉效果,提高恢复图像的PSNR值. 相似文献
16.
为使保边性更好的去噪模型在邻近图像边缘处得到应用,同时在图像平坦处得到平滑性更好的模型,解决选择单一的正则项系数对图像处理结果造成的不良影响,有效地自适应选取正则项系数,采用基于小波变换的图像分割技术将图像分为边缘区域和平坦区域,通过修改TV模型的数值解法和ROF算法,实现自适应正则项系数算法。实验结果表明,改进的模型和自适应正则项系数选取算法得出的图像,均方误差为56.69,峰值信噪比为31.00,平均相似度为0.84。改进的TV模型在图像去噪效果方面优于原模型,自适应正则项系数算法能够弥补原图像去噪方法的不足。 相似文献
17.
针对图像去噪时产生的“阶梯效应”、边缘线条上的光滑性和线状结构不易恢复性,提出基于图像分解与边缘检测的图像去噪方法,首先用图像分解与边缘检测模型将噪声图像分解为结构部分和纹理部分,并提取边缘信息,然后根据边缘指示函数用P—M扩散和相干增强扩散结合的方法对纹理部分去噪,最后将去噪的纹理部分与结构部分组合得到去噪图像。数值试验结果表明,该方法提高了图像去噪的质量,有效避免了扩散中产生的“阶梯效应”,较好地保护了边缘信息,恢复其光滑的线状结构。 相似文献
18.
遥感图像去噪是遥感图像进一步被分析和识别的前提与基础。传统的去噪模型由于对噪声不加识别的进行处理,从而往往达不到较好的去噪效果。文中利用小波变换能够对噪声类别进行识别的特性,以及P-M模型和ENI模型在处理高斯噪声和椒盐噪声时的优势和不足,提出了一种基于噪声类型的模型。该模型能够根据遥感图像噪声的类型而自动调整相应的参数,从而进行有针对性的去噪,在有效去除遥感图像噪声的同时,很好保持了图像的边缘和纹理细节信息。实验结果证实了本文方法的有效性和稳定性。 相似文献
19.
本文将小波阈值去噪与维纳滤渡结合起来,在小渡域进行维纳滤波.为了完成估计和去噪两个任务,我们设计了双小波基维纳滤波器,采用两路小波变换.我们采用构造的调节阅值函数作为第一路小渡滤波器,克服了硬阈值法产生的伪吉布斯效应和软阚值法产生的边缘模糊等失真现象,在有效去噪的同时很好地保留了图象边缘等局部特征. 相似文献
20.
赵秀芝 《浙江工贸职业技术学院学报》2014,(1):36-39
基于L0梯度泛函优化和变换域阈值法的图像去噪算法,首先利用L0梯度泛函的最优化算法把含有噪声的图像分解为显著边缘层和细节纹理细节层,然后对含有噪声的细节纹理层图像进行短时傅利叶转换,并在变换域中利用阈值法分离纹理细节层中的图像细节纹理和噪声,进而去除图像的噪声。实验结果表明图像去噪算法获得了显著的去噪效果。 相似文献