基于几何多尺度方向窗的小波图像去噪

针对小波变换处理1-D信号十分有效,但处理2-D信号由于具有方向的缺失,不能做到最优逼近的问题,提出了基于几何多尺度方向窗的小波图像去噪方法.该方法利用图像的几何特征,在小波域中按照最小逼近误差的原则,在初始化方向窗内寻找图像几何方向信息,并在峰值信噪比规则下合并不同大小方向窗内的几何方向,最终选择出图像的去噪方向.在获得每个方向窗内去噪方向的基础上,沿去噪方向作2-D向1-D系数投影,进而对产生的1-D信号作小波去噪,重构后即实现了对图像的去噪处理.

利用数学形态学和方向窗的小波域双重局部维纳滤波图像去噪算法

基于小波的图像去噪算法是目前图像处理研究的一个热点。该文提出了一种结合椭圆型方向窗和数学形态学的小波域双重局部维纳滤波图像去噪算法。该算法同时利用了小波域子带的方向信息和图像本身所固有的几何结构:首先使用数学形态学把图像分成纹理区域和光滑区域两部分,然后结合椭圆型方向窗去估计小波域方向子带中每一点的信号方差,最后使用双重维纳滤波器对含噪图像进行去噪。实验结果表明该算法的去噪效果优于其它的采用二维可分离实小波进行图像去噪的算法。

基于椭圆方向窗的非下采样Contourlet域图像去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet域内子带能量聚集的各异性,在不同尺度、不同方向的子带内,采用不同的椭圆方向窗对窗中心系数进行基于NeighShrink算法的估计。估计时各子带所用椭圆方向窗的主轴方向与图像能量聚集方向一致,椭圆方向窗的长、短轴之比与该尺度下非下采样Contourlet基函数的支撑区间相匹配,椭圆方向窗的最佳大小和该窗内的最佳阈值通过最小化Stein的无偏风险估计获得。试验结果表明,用该椭圆方向窗在能量聚集处能够实现对高频子带系数的最佳估计,在去除噪声的同时尽可能多地保留图像的边缘细节,提高恢复图像的信噪比。

基于矩形方向窗的小波域去噪方法

根据小波变换的特点,提出了一种新的局部邻域窗口选择方法——基于方向性的矩形窗口选择方法。对同一尺度不同子带选用不同方向的矩形窗口,并且不同尺度下窗口的大小也不同;对于多方向性的图像,使用双树复小波变换取代传统的离散小波变换。实验结果表明,将其应用于图像去噪,简单有效,并且可得到更高的峰值信噪比和更好的视觉效果。

椭圆方向窗内的小波域图像去噪算法

利用噪声小波系数父子和图像小波系数父子在四叉树上的不同传播特性,首先,将小波系数区分为:噪声系数、图像系数和噪声与图像共存的系数(简称共存系数).然后,将噪声系数置零,图像系数完整保留.最后,利用小波域内子带能量分布的方向聚类性,采用Stein无偏风险估计,为每个子带确定最佳大小的椭圆方向邻域窗,通过最小均方误差准则在该窗内对共存系数进行去噪估计.实验结果表明,该算法实现了信号和噪声的有效分离,提高了真实信号系数方差估计的准确度,在去除噪声的同时尽可能多地保留了图像的边缘细节,提高了恢复图像的PSNR值.

利用数学形态学和复数小波方向窗维纳滤波的图像去噪算法

利用小波进行图像去噪是目前图像处理研究的热点。提出了一种结合数学形态学和复数小波方窗维纳滤波的图像去噪算法。该算法同时利用了复数小波的方向特性和图像本身固有的几何特性,首先使用双树复数小波变换对图像进行处理,再在基于复数小波域上进行维纳滤波,接着使用数学形态学把图像分成光滑区域和纹理区域2个部分,然后结合复数小波方向窗去更准确地估计小波域方向子带每一点的信号方差,最后利用维纳滤波器进对含噪图像进行去噪处理。实验结果表明,该算法的去噪效果优于一般的复数小波维纳滤波,并且运算更加简洁。

椭圆方向窗与新轮廓波应用于多聚焦融合算法研究

针对光学显微镜景深扩展中的多聚焦图像融合问题,提出了一种基于方向特性的新轮廓波域多聚焦图像融合算法。该算法首先对图像进行新轮廓波变换(New Contourlet Transform with Sharp Frequency Localization,NCT-SFL),分解得到不同尺度、不同方向的高低频系数,低频系数融合使用算术平均法,高频系数融合分为两步:先采用改进拉普拉斯能量和(Sum Modified Laplacian,SML)提取特征值;然后定义新的与方向分解一一对应的椭圆方向窗,在确定的椭圆窗参数下,对提取的特征值进行累加并以此为依据对高频系数进行融合,最后通过反新轮廓波变换得到融合图像。在实验部分用定义的新的客观评价指标互结构信息(Mutual Structural Information,MSI)对融合算法进行了评价,结果表明:对多聚焦图像本文所提方法比新轮廓波域方形窗算法MSI提高了2.94%,比Contourlet域方形窗与椭圆窗算法MSI分别提高了10.44%和8.56%。说明本文方法能提取源图像中更多的清晰信息到融合图像,是一种有效的景深扩展手段。

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.

基于方向增强邻域窗和非下采样Shearlet描述子的非局部均值图像去噪

非局部均值(Non-Local Means,NLM)是一种有效的图像去噪方法。然而它仅关注图像的几何结构信息而忽略了图像表面模型和方向信息,其相似性度量鲁棒性差。针对这些缺点,该文首先提出了一种基于非下采样的Shearlet的描述子(NSSD),它能更好地描述图像块的特征,基于此构造的相似性度量具有较强的鲁棒性。本文基于此描述子与非局部计算模型提出了一种更加有效的非局部均值去噪算法(SNLM)。其次,针对明显包含纹理和方向的图像块,提出了一种方向增强邻域窗,使得邻域窗内主导方向像素点在相似度计算中权重增加。实验结果证明,新方法在自然图像去噪中优于传统的NLM算法。特别地,对于纹理图像去噪,基于方向增强邻域窗的算法,能够在去除噪声的同时很好地保留纹理边缘等细节信息。

一种加窗的双重局部维纳滤波图像去噪算法——基于SWT和DTCWT

提出了一种基于静态小波变换和对偶树复小波变换的加窗的双重局部维纳滤波图像去噪算法。在第一次局部维纳滤波中,用静态小波变换对含噪图像进行分解,然后利用椭圆方向窗来估计不同方向子带的各点信号的方差;在第二次的局部维纳滤波中,第一次局部维纳滤波恢复后的图像被对偶数复小波变换分解后,利用由子带能量自相关函数确定的自适应窗来估计不同方向子带的各点信号的方差,然后利用逆对偶数复小波变换对图像进行恢复。实验结果及分析表明了该去噪算法的有效性。

稀疏天线阵的时间反转窗函数方法

在基于时间反转算子实现对远场目标聚焦的方法中,当天线阵列为稀疏阵时,由于栅瓣的存在,导致了无法分辨目标方向的问题。因此本文提出一种识别主瓣的方法来确定目标方向,从而使采用时间反转对远场目标实现聚焦时不再受到天线阵列形式的限制。这种方法利用主瓣在不同频率上的角度的不变性和栅瓣角度随着频率的改变而发生改变的性质,将方向图视为在角度上的窗函数,通过将不同频率的方向图相乘来识别主瓣的方向。最后通过仿真实验验证了电磁平面波情况下对天线阵主瓣识别的准确性和有效性。

套管开窗侧钻井开窗位置选择分析

利用套管开窗侧钻技术,可以充分利用已废弃井,能有效地降低钻井成本,节约开发投资,提高效益,因此,研究开窗侧钻井的设计优化非常必要。侧钻井井眼轨道优化对施工难度的影响较大,而轨迹优化在一定程度上与侧钻方向,以及侧钻点深度的选择有密切的关系,且存在一定的规律。其中侧钻开窗深度的选择,又是最关键的因素。通过比较研究在不同开窗方向中,每一个开窗方向的直井段造斜点、定向段中点、稳斜段中点的摩阻扭矩、钻柱发生屈曲时钻压、钻柱扭转圈数、钻柱疲劳失效因子,形成套管开窗侧钻井开窗深度的优化方法,指导套管开窗侧钻井的设计。

复小波域维纳滤波与偏微分扩散相结合的图像去噪方法

针对图像噪声的去除,提出了一种基于复数小波域上的多方向窗维纳滤波与偏微分方程保持边缘细节相结合的方法。针对小波域维纳滤波的方向性差,去噪后图像容易产生哑铃效应,该方法首先进行双树复数小波变换,集中6个方向上的图像信号能量,之后,再在该6个方向上进行方向维纳滤波,对图像进行初步去噪,再以此引导偏微分方程中的扩散函数,实现各项异性进行扩散,最大限度地在保持图像细节的同时,去除噪声。实验结果表明,该方法的峰值信噪比,以及视觉质量都较复小波去噪或各项异性非线性扩散去噪方法有明显的改善。

基于Beamlet的图像线特征提取方法

提出一种基于Beamlet变换图像线特征提取方法。用基于方向窗的方向滤波突显图像中不同方向的线特征,通过阈值处理将灰度图像转换为一组二值图像,利用逻辑或运算融合成一幅图像,用Beamlet变换从融合图像中提取图像的线特征和曲线特征。实验结果表明,在信噪比很低的情况下该方法能够得到满意的结果。

基于小波变换的图像Wiener滤波并行实现

面向大规模数据图像去噪处理高效实现,本文提出一种基于Daubechies 9—7小波分解的方向窗Wiener滤波并行实现方法和阵列结构。首先针对小波变换给出了提升小波变换的并行实现方法和PE间的互联结构。该实现方法极大地加速了小波变换的速度,同时其互联结构又确保了各变换层中存放相同子带系数的PE的直接互联,有效地减少了小波变换和去噪处理中的通信开销。针对Wiener滤波中各子带滑动窗累加求和问题,采用循环前缀求和的处理方式,并行地实现了多窗口的累加求和,极大地降低了Wiener滤波的时间开销,满足大图像帧处理的实时性要求。

二维不可分滤波器级联小波的图像去噪算法

针对目前数字图像处理中的图像多方向信息提取问题,提出了一种利用二维不可分滤波器提取多方向信息的小波域图像去噪算法。该算法首先设计两个具有方向性的二维不可分滤波器,然后通过小波变换简单有效地提取了图像六个方向上的方向信息,最后用带有椭圆型方向窗的小波域局部阈值维纳滤波算法对含噪图像进行去噪。通过仿真实验表明,图像多方向信息的提取简单有效,且去噪效果相比于已有的基于二维可分小波的图像去噪算法有了显著的提高。

改进的非局部均值视频超分辨率重建算法

针对基于非局部均值(NLM)的视频超分辨率重建方法存在结果过于平滑、收敛速度慢及计算量大等问题,提出一种改进的NLM视频超分辨率重建算法。该方法采用模糊边缘补足算法将经过预处理的视频图像分成平坦区和纹理区;对于平坦区,采用直方图均衡化的方式进行图像增强处理,以减少算法计算量;对于纹理区,采用改进的NLM重建算法进行处理,通过设计多方向自适应搜索窗并引入邻域相干系数修正相似性权值,以增强重建图像的纹理细节,加快算法的收敛速度;将重建的纹理区与增强的平坦区进行叠加归一化处理,完成整个视频图像的超分辨率重建。实验结果表明,该算法能够在提高重建图像纹理细节及峰值信噪比的同时,降低算法的整体复杂度,缩短重建时间。

一种基于系数分类的CBCT图像去噪新方法

去噪是医学图像处理的一个重要研究课题。本文提出一种快速易实现的CBCT去噪新方法:利用二进小波变换将CBCT图像变换到小波域中,根据锥形影响域(COI)内的尺度间小波系数幅值和之间的比值,将小波系数分为两类,用基于方向窗的维纳滤波对不同类别的小波系数做不同的去噪处理,并提出一种更适合CBCT图像的噪声方差估计方法。对测试图像与临床CBCT图像的去噪结果表明,新方法所得去噪结果优于小波阈值去噪结果,能够在保留重要诊断细节的同时,有效地抑制CBCT图像中的噪声,为临床CBCT图像的实时去噪提供了一种新手段。