多小波图像去噪算法的研究

尽管多小波相比于单小波,具有正交性、紧支撑、实对称、高阶消失矩等性质,但是多小波进行图像去噪效果并不是很理想,其主要原因是没有充分利用图像在多小波域内所特有的性质.通过将含噪图像变换到多小波域,在小波域内应用Laplace算子的一种特殊差分格式,并考虑小波域内各个子带的分形维数,提出了一种自适应的多小波阈值算法,即AMT算法.对于欲去噪的图像,AMT算法能够在多小波域内自动确定去噪的小波伸缩阈值,而不需要知道图像的任何先验知识,例如图像中噪声的方差等等.仿真实验结果表明,该算法去噪效果好,特别是对于高度污染的图像,AMT算法的去噪效果更加显著.

多小波图像插值算法研究

与单小波变换一样,多小波变换同样具有多分辨分析的特性,1次多小波变换可以将图像分解成4个低频子带和12个高频子带,而且原图像的大小是每个子带的4倍.根据多小波变换的这一特点,利用原图像与经过1次多小波变换后的各高频子带的信息,并考虑各子带的分形维数,提出了一种新颖的灰度图像插值算法.实验结果表明,与传统的插值算法相比,例如双线性插值与双三次多项式插值,该算法的插值效果较好,且克服了单小波插值中出现的斑点干扰.

一种基于多小波变换的自适应图像去噪算法

介绍一种新颖的自适应图像去噪算法。通过将图像变换到多小波域,并利用分形几何和图像的偏微分方程知识,提出一种新的图像软阈值去噪算法。对于欲去噪的图像,该算法能够在多小波域中,自动确定去噪阈值。实验结果表明,该算法不仅去噪效果好,而且运行稳定。

一种基于多小波变换的自适应图像插值算法

为使插值后的图像具有很好的视觉效果和较高的信噪比,并克服使用单小波变换放大图像时的斑点干扰现象,提出了一种新颖的自适应图像插值算法,通过将图像变换到多小波域,并利用多小波域内高频子带的分形维数,自适应的根据低分辨率图像以及该图像进行一级多小波变换后的高频子带信息获取高分辨率图像二级多小波变换的子带信息,对所得到的子带信息进行二级多小波反变换,可以得到更清晰的二倍插值图像。