基于提升小波变换的农产品图像有效处理方法

提出了1种基于提升小波变换的有效滤波算法。该算法对含有噪声的农产品图像实现单层提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第二层提升小波变换后获得的低频系数以及由高频系数经过第二层提升小波变换后获得的高频系数;对剩余的高频和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。引入直方图均衡化算法进行处理,使得滤波后的农产品图像不但噪声得到抑制而且图像对比度得以提升。试验结果表明,该算法性能优于已有的小波域阈值法以及改进非局部均值滤波算法。

基于提升小波变换的红外图像双重滤波算法

为了有效抑制红外图像中的随机噪声,采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。为了改善滤波后图像视觉效果,再引入直方图均衡化算法进行处理。通过理论分析和实验验证,获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明,该滤算法对于高质量地去除红外图像中的噪声是有帮助的。

基于双重离散小波变换的遥感图像去噪算法

结合离散小波变换(discrete wavelet transform,DWT)与二维多级中值滤波(two-dimensional multi-stage median filtering,TMMF)算法,提出了一种遥感图像自适应去噪(de-noising)算法。该算法首先对噪声图像进行单层DWT,分出低频子图像和高频子图像,由于其中的低频子图像包含了大量背景信息,几乎不受噪声的污染,因而变换后仍保持原样无需再处理;对于高频子图像继续执行单层DWT,获得多方向分布的次低频子图像和次高频子图像;然后对次高频子图像采用改进的TMMF算法进行去噪,对次低频子图像采用改进的小波硬阈值函数模型进行噪声抑制;最后对上述去噪后的子图像进行二次小波重构,得到去噪后的遥感图像。采用3景细节信息丰富的遥感图像进行算法性能测试,并与TMMF算法、改进的TMMF算法以及小波变换硬阈值去噪算法进行比较,结果表明,基于双重离散小波变换算法的去噪性能有所提升。