一种新颖的Contourlet域中子辐射图像降噪方法(英文)

由于受CCD相机、中子散射及控制电路等因素的影响,数字中子照相系统所获图像常被噪音污染,抑制噪音对于提高数字中子照相系统图像质量具有重要意义·利用多尺度几何分析能捕获图像几何结构的特性,提出一种新颖的基于contourlet变换的图像去噪方法·通过计算方差一致性测度(VHM) ,确定局部自适应窗口,从而最优估计contourlet系数的阈值萎缩因子,对contourlet系数进行萎缩,实现降噪功能·该方法将阈值去噪法与基于子带相关的图像去噪法相结合,充分利用在同一方向子带中沿边缘或轮廓contourlet系数的相关性,它能实现“去噪”和“保留信号”之间的平衡·实验结果表明,该方法在峰值信噪比指标上优于传统的contourlet系数硬阈值处理方法及维纳滤波方法,能有效地抑制图像噪音,同时适合于中子辐射图像的处理·

利用曲波域BivaShrink模型进行SAR图像去噪

从SAR图像Curvelet变换系数的统计特点出发,将Curvelet变换与子带相关去噪(BivaShrink)模型相结合,提出了一种新的基于Curvelet变换的SAR图像去噪方法。通过计算方差一致性范数和区域能量比,联合当前层和父层曲波系数,共同确定局部自适应窗口,从而最优估计Curvelet系数的阈值萎缩因子,实现降噪功能。实验结果表明,对于高分辨率SAR图像,该算法不论是在噪声的去除还是在结构信息等细节的保持上,均不同程度地优于其他常用斑点去噪方法,主观视觉效果和数值指标都有较好改进。

基于Contourlet变换的自适应SAR图像相干斑噪声抑制算法

为了保持高分辨率合成孔径雷达(SAR)图像中的纹理结构,提出了一种基于BivaShrink模型的Contourlet域SAR图像相干斑噪声抑制算法。联合当前层和父层的Contourlet系数,通过计算局部方差一致性范数和区域能量比,自适应地确定方差估计区域的形状和大小,从而对原始图像方差进行最优估计。实验结果表明,算法在噪声的去除和结构信息等细节的保持上均不同程度的优于小波BivaShrink去噪算法和Contourlet阈值去噪算法,主观效果和数值指标都有较好改进。

Contourlet域超声图像自适应降斑算法研究

结合Contourlet系数的结构特点和超声图像相干斑乘性噪声模型,提出了一种新的基于Contourlet变换的斑纹噪声抑制算法。该算法通过计算方差一致性测度(VHM),用局部自适应窗口估计阈值萎缩因子,实现超声图像的降斑处理。实验结果表明,该算法在有效抑制斑纹噪声的同时,更有利于保持图像的边界信息,尤其适用于强噪声背景的超声图像。