小波变换模极大值多尺度边缘检测

以Canny边缘检测框架为基础,分析小波变换模极大值边缘检测算法。给出了一种快速二进离散小波变换实现多尺度边缘检测方法。给出了简便计算小波模方向和模极大值阈值门限选定方法。实验表明给出的算法可以有效获取多个尺度下的边缘信息。

基于方向滤波器组的指纹图像预处理

提出一种变换域指纹图像预处理增强方法。应用小波变换分离出低频信号和高频信号,对高频信号送入方向性滤波器组进行方向性子带分解,对各方向子带图像分块,根据块能量分布情况对子带图像重新加权处理。子带图像重建出高频信号加上原低频信号得到预处理结果,达到抑制噪声,增强特征目的。实验表明算法对指纹图像处理效果良好。

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。

一种基于非抽样LP的Contourlet变换图像去噪方法

由于提高Contourlet变换冗余性可以抑制去噪结果中的伪Gibbs现象,因此为了提高变换冗余度和避免数据量过大,以进行快速有效的图像去噪,提出了一种基于非抽样LP的Contourlet变换图像去噪方法。该方法首先对带噪图像进行非抽样LP多尺度分解;然后对各子带图像进行临界抽样的DFB分解,再采用尺度相关的分层模型对各子带图像进行阈值处理;最后对处理后的子带图像进行DFB和LP重建,以得到去噪后的图像。与同类型有关方法进行的对比实验表明,在去噪后图像的PSNR值上,该方法比常规Contourlet变换方法至少提高1dB;在完成时间方面,该方法比其他改进方法快1倍以上。

基于偏微分方程的噪声消除方法

从Perona&Malik方程离散形式出发 ,对其处理过程进行了分析。通过修改系数分布函数 ,使得消除图像噪声的同时能更好保持边缘。

基于Contourlet变换的指纹图像增强

提出通过变换域进行指纹图像增强,对指纹图像进行多尺度多方向的Contourlet变换,通过估计噪声方差水平,对Contourlet变换域系数进行处理,保护边缘特征系数,抑制噪声系数,反变换重建达到去除噪声、增强图像的目的。实验结果表明算法效果良好。

一种无抽样Contourlet变换的图像去噪方法

提出一种基于Contourlet变换的图像去噪方法,Contourlet变换采用无抽样形式,系数萎缩处理阈值门限与尺度相关。通过模拟产生不同方差噪声信号进行Contourlet变换,确定各尺度子带系数阈值,得到噪声方差与各尺度子带阈值对应表。对噪声污染图像进行Contourlet变换并估计噪声方差,查表得到各子带阈值,进行系数萎缩处理。实验表明提出的处理方法简单有效,去噪结果具有良好去噪视觉效果和较高峰值信噪比。

一种基于四阶偏微分方程的噪声消除方法

介绍了一种基于四阶偏微分方程(PDE)噪声消除方法。采用分片平面图像逼近被处理图像。在噪声消除同时保持良好边缘,避免了使用二阶偏微分方程处理图像常常出现的块效应。实验结果表明该方法是行之有效的。