改进的BiShrink与DTCWT相结合的遥感图像去噪

基于双树复数小波变换(DTCWT)良好的平移不变性和多方向选择性,以及尺度内DTC-WT系数的领域相关性,提出了一种bivariate shrinkage(BiShrink)的改进算法,对遥感图像进行去噪处理。实验结果表明,经本文算法降噪后,图像的峰值信噪比(PSNR)得到显著提高,较好地保持图像的边缘和细节信息,并抑制混淆现象。

基于NSCT阈值萎缩法的遥感图像去噪

针对图像去噪过程中产生的伪吉布斯现象以及峰值信噪比(PSNR)较低等问题,提出一种基于非下采样Contourlet变换(NSCT)阈值萎缩法的遥感图像去噪算法。根据NeighShrink去噪算法中尺度内系数的邻域系数相关性,以及BiShink去噪算法中不同尺度间系数的相关性,对图像进行去噪,利用NSCT的平移不变性,抑制小波去噪中的伪吉布斯现象。实验结果证明,采用该算法去噪后的图像PSNR较高,视觉效果较优。

NSST各向异性双变量收缩的图像去噪算法

提出一种基于非下采样Shearlet变换(NSST)的各向异性双变量收缩函数的图像去噪算法。根据NSST不同尺度间系数的方差各向异性特性,在双变量收缩函数的基础上引入各向异性拉普拉斯概率分布,利用牛顿迭代算法得到各向异性的双变量收缩函数,对NSST系数进行处理,充分利用NSST能捕捉更多纹理及结构等细节信息的优点。实验结果表明,该算法在峰值信噪比、结构相似性以及主观视觉效果上均得到较大提高。

改进的基于非高斯双参数模型的图像滤波算法

以描述小波系数分布规律的非高斯双参数模型为基础,介绍和分析了BiShrink滤波算法,指出了其存在的不足。提出的改进算法采用冗余小波变换替代正交小波变换,将子带内小波系数的局部相关性纳入滤波过程,给出了局部自适应的阈值估计策略,再通过双参数联合收缩函数达到系数收缩的目的。实验结果表明,改进算法同时兼顾了子带内小波系数之间的相关性和尺度间系数的传播特性,在有效滤除噪声的同时,较好地保持了图像的细节信息。

具有自适应窗口的双变量模型图像去噪方法

针对小波域去噪方法 BiShrink-local(双变量萎缩局部方差估计)会造成图像的细节信息丢失的问题,给出一种具有自适应窗口的双变量模型图像去噪方法。该方法一方面继承原方法的优点,另一方面又利用区域生长原理,通过判断图像的小波系数值是否属于同质,从而更好地区分噪声和细节信息。通过实验表明,该方法能对含有高斯噪声的图像进行较好地去噪,同时在保持细节方面优于原来的方法。