基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制

为了提高红外复杂背景下弱小目标的检测性能,提出了一种基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制新方法。弱小目标在二代Curvelet变换后表现为高频信息,而二代Curvelet系数表示了边缘信息的稀疏,抑制其低频系数即能很好地去除大部分复杂背景。本文通过对高频子带系数单一分布和联合分布的分析,确定包含目标信息的子带位置,利用ProbShrink算法对高频系数中的背景系数进行有效地缩减。实验结果显示,对输入信噪比为4.16 dB的复杂云层进行背景抑制后,其输出信噪比能达到40.04 dB,优于小波和二代Curvelet的方法,表明本文算法能够很好地抑制红外图像背景,保留弱小目标信息。

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法.针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型:将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点"方向一致"的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述.而后采用改进的ProbShrink算法进行去噪.实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.