下载文档原格式
基于双树复数小波变换的SAR图像噪声抑制方法
杨将林;张艳宁;孙莉;李映
【期刊名称】《微电子学与计算机》
【年(卷),期】2007(24)8
【摘要】利用双树复数小波变换(Dual Tree Complex Wavelet
Transform,DTCWT)的近似平移不变性和多方向选择性,提出了一种基于DTCWT 变换的SAR图像噪声抑制方法。
首先对无噪声污染图像的复数小波系数的统计概率分布进行建模;然后利用此先验概率模型,采用最大后验概率方法从含噪小波系数中估计出无噪声污染的小波系数;最后经重构得到滤波后的图像。
实验结果表明,此方法优于其他一些相干斑抑制方法。
【总页数】3页(P25-27)
【关键词】SAR图像;相干斑抑制;双树复数小波变换
【作者】杨将林;张艳宁;孙莉;李映
【作者单位】西北工业大学计算机学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于尺度噪声水平估计的双树复数小波变换图像去噪方法 [J], 许慰玲;方若宇;闫敬文
2.基于双密度双树复数小波变换的合成孔径雷达图像降噪研究 [J], 郭巍;张平;陈曦;
朱良
3.基于双密度双树复数小波变换的图像融合研究 [J], 岳晋;杨汝良;宦若虹
4.基于双树复数小波的SAR图像噪声抑制 [J], 邢帅;吉小刚;徐青;何钰
5.基于双树复数小波变换的图像去噪方法 [J], 罗鹏;高协平
因版权原因，仅展示原文概要，查看原文内容请购买。
一种具有随机单向变异的基于小波框架的奇点集检测图像去噪
算法
王鸿;崔丽鸿;孙海禄
【期刊名称】《北京化工大学学报(自然科学版)》
【年(卷),期】2024(51)1
【摘要】在图像恢复过程中,奇点集检测结果的准确性很大程度上会受到噪声的干扰,并且在其检测的迭代过程中易陷入局部最优。
利用随机全局搜索的思想,借鉴遗传算法的变异操作,提出一种基于小波框架的具有随机单向变异操作的奇点集检测图像去噪算法,在保证图像恢复效果的同时,极大缩短了运算时间。
最后通过实验验证了该算法的有效性。
【总页数】7页(P128-134)
【作者】王鸿;崔丽鸿;孙海禄
【作者单位】北京化工大学数理学院;河北地质大学信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于haar小波的人脸图像去噪算法
2.小波图像去噪的一种小波改进算法
3.一种基于新型符号函数的小波阈值图像去噪算法
4.一种基于BKF模型的双树复小波图像去噪算法
5.一种基于贝叶斯估计的双树复小波图像去噪算法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于双树复数小波变换的切屑图像阈值去噪周瑾;左敦稳;黎向锋;许鸿昊【期刊名称】《中国图象图形学报》【年(卷),期】2004(009)009【摘要】由于在金属切削加工时通过CCD相机采集的切屑图像含有大量噪声,因此如何有效地去除噪声,获取切屑边缘信息是分析切屑形态参数,实现切屑控制的关键.目前小波变换图像去噪效果较好,而复数离散小波变换比实数小波变换具有更多优势,如:平移不变性、方向性等,并可提高图像的去噪能力.为了提高切屑图像的去噪能力,提出了一种采用双树复数小波变换进行切屑图像去噪的方法,即在原信号(噪声标准方差)未知情况下,采用GCV准则选取去噪阈值,双树复数小波变换进行去噪.典型图像与切屑图像去噪结果显示,该方法能有效地提高金属切削加工过程中切屑图像的噪声去除及屑形边缘检测的能力.【总页数】6页(P1069-1074)【作者】周瑾;左敦稳;黎向锋;许鸿昊【作者单位】南京航空航天大学机电学院,南京,210016;南京理工大学机械工程学院,南京,210094;南京航空航天大学机电学院,南京,210016;南京航空航天大学机电学院,南京,210016;南京航空航天大学机电学院,南京,210016【正文语种】中文【中图分类】TP391.41【相关文献】1.基于尺度噪声水平估计的双树复数小波变换图像去噪方法 [J], 许慰玲;方若宇;闫敬文2.基于双密度双树复数小波变换的图像去噪 [J], 张春梅;张太镒;陆从德3.由双树复数小波变换的父系数及邻域系数实现图像去噪 [J], 卢刚;闫敬文;寇业泉;张建中4.基于双密度双树复数小波变换的合成孔径雷达图像降噪研究 [J], 郭巍;张平;陈曦;朱良5.基于双树复数小波变换的图像去噪方法 [J], 罗鹏;高协平因版权原因，仅展示原文概要，查看原文内容请购买。
复Daubechies小波域HMT模型Bayesian图像去噪
褚标;李昕;朱功勤;汪金菊
【期刊名称】《计算机应用研究》
【年(卷),期】2008(025)004
【摘要】提出了基于复Daubechies小波域隐马尔可夫树(SDW-HMT)模型Bayesian图像去噪算法,由于SDW小波是紧支撑、对称、正交小波,且具有近似线性相位,将其与HMT模型结合,能够更加准确地刻画小波系数的统计特征,在Bayesian图像去噪中获得很好的效果,仿真实例显示了所提算法的有效性.
【总页数】3页(P1103-1104,1110)
【作者】褚标;李昕;朱功勤;汪金菊
【作者单位】合肥工业大学,计算机与信息学院,合肥,230009;安徽电视台,制作部,合肥,230022;合肥工业大学,计算机与信息学院,合肥,230009;合肥工业大学,计算机与信息学院,合肥,230009
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于对偶树复小波域HMT模型的遥感图像融合 [J], 韩成海
2.基于小波域HMT模型的图像去噪研究 [J], 李文鑫;陈静;范文兵
3.基于双树复小波域HMT模型的煤燃烧火焰图像去噪 [J], 吴一全;宋昱
4.复小波域HMT模型图像复原 [J], 曹学光;肖志云;汪雪林;彭思龙
5.小波域联合概率分布模型与Bayesian图像去噪 [J], 谢志宏;沈庭芝;韩月秋;朱亚平
因版权原因，仅展示原文概要，查看原文内容请购买。
基于贝叶斯阈值的小波域图像去噪研究刘慧【摘要】根据噪声能量在经小波变换后不同尺度不同方向上的高频系数的分布差异,利用贝叶斯阈值公式计算出不同尺度不同方向上的阈值,针对传统的软、硬阈值函数的缺点,采用一种改进的阈值函数进行去噪.该方法在视觉效果、峰值信噪比上均优于两种传统的阈值去噪方法.【期刊名称】《微型机与应用》【年(卷),期】2017(036)021【总页数】3页(P39-40,44)【关键词】贝叶斯阈值;小波变换;软阈值;硬阈值【作者】刘慧【作者单位】湖南师范大学物理与信息科学学院,湖南长沙410081【正文语种】中文【中图分类】TP391.41图像在获取过程中很容易混入噪声，这对后续处理将造成很大的影响，所以在图像预处理中，去噪显得尤为重要。
随着对小波研究的深入，小波分析在图像处理中得到了广泛的应用。
常用的小波去噪方法大致可分为模极大值法、相关性法和小波阈值法，其中最常用的是小波阈值法[1]。
小波阈值法的主要思想是依据图像和噪声在经小波变换后呈现出不同的统计特性：图像能量主要集中在高频且幅值较大，而噪声能量分布于变换后的所有系数中且幅值较小。
可设置一个阈值，大于该阈值的小波系数被认为是有效信号，予以保留；而小于该阈值的系数被认为是噪声，予以去除[2]。
低频系数含有大量图像信息，故一般不处理低频系数。
因此，一次阈值去噪不足以完全去除噪声，所以对低频系数进行再分解再去噪，通常进行3～4层分解和去噪可达到较满意的效果。
小波阈值去噪算法中两个关键问题是阈值的确定和阈值函数的选择。
常用的有VisuShrink阈值和SureShrink阈值等方法。
VisuShrink又称为通用阈值，是Donoho于1994年提出的，这是最早的小波阈值去噪方法[3]。
SureShrink阈值也称为stein无偏风险阈值，是一种基于stein的无偏似然估计(Stein’s Unbiased Risk Estimation，SURE)准则的自适应阈值选择[4]。
基于非抽样双树复小波变换幅值相位信息的图像去噪算法
吴建宁;石满红;兴志
【期刊名称】《红外技术》
【年(卷),期】2018(040)007
【摘要】提出了一种非抽样双树复小波变换域结合幅值阈值化和相位正则化的自
适应图像去噪算法.首先将非抽样双树复小波变换系数进行幅值相位表示,在分析了
幅值分布特点后,使用瑞利分布模型作为系数幅值的先验分布,然后在贝叶斯去噪框
架下推导出闭式形式的阈值函数,为了更好地抑制噪声,我们亦对相位信息进行平滑
处理,最后通过逆非抽样双树复小波变换得到去噪图像.由于同时对幅值和相位信息
进行处理,实验显示所提算法抑制噪声效果明显,与一些经典算法相比,本文方法在主、客观上皆获得了有竞争力的结果.
【总页数】7页(P647-653)
【作者】吴建宁;石满红;兴志
【作者单位】南京高等职业技术学校电气工程系,江苏南京 210019;安徽科技学院
信息与网络工程学院,安徽凤阳 233100;南京信息职业技术学院,江苏南京 210023【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于双树复小波变换的BivaShrink自选窗图像去噪算法 [J], 付康;汤辉;孙丹;刘
波平;王蕾
2.基于非抽样小波字典和稀疏表示的图像去噪方法 [J], 丁富淮;常晋义
3.基于非抽样Contourlet变换的最佳软阈值图像去噪 [J], 方洁
4.一种基于双树复小波变换的图像去噪算法 [J], 毕思文;陈浩;帅通;李娜
5.基于相位幅值调制的聚苯乙烯小球非接触传输 [J], 张鹏;董惠娟;初红霞;杜娟;吴东艳
因版权原因，仅展示原文概要，查看原文内容请购买。
第26卷第2期2019年2月电光与控制Electronics Optics&ControlVol.26No.2Feb.2019引用格式：牛禅，慕晓冬,陈长倩•基于双树复小波和形态学的红外图像去噪方法[J]•电光与控制,2019,26(2)：49-52,61.NIU B,MU X D,CHEN C Q.An infrared image denoising method based on double-tree complex wavelet and morphology]J j.Electronics Optics&Control,2019,26(2)：49-52,61.基于双树复小波和形态学的红外图像去噪方法牛W,慕晓冬，陈长倩(火箭军工程大学，西安710025)摘要：红外成像技术随着科技的快速进步在各个领域的应用与日俱增。
但是，红外成像后的图像较为模糊且噪声较大，严重影响了目标检测和识别的效果，对图像进行有效的去噪处理就显得很有必要。
在研究双树复小波变换和形态学滤波E基础上，提出了一种基于MAP估计的双树复小波变换与形态学滤波相结合的红外图像去噪方法，并将其应用于红外图像的去噪。
与传统的去噪方法进行比较，无论从视觉效果还是客观评价指标上来看，所提方法都优于传统的去噪方法，可以广泛应用于红外图像处理领域。
关键词：红外图像；图像去噪；双树复小波；形态学滤波中图分类号：TP391.4文献标志码：A doi：10.3969/j.issn.1671-637X.2019.02.010An Infrared Image Denoising Method Based onDouble-Tree Complex Wavelet and MorphologyNIU Ben,MU Xiao-dong,CHEN Chang-qian(Rocket Force University of Engineering,Xi'an710025,China)Abstract:The infrared imaging technology is finding increasing applications in various fields with the rapid development of science and technology.However,the images after infrared imaging are relatively vague with great noises,which seriously affect the target detection and recognition effects.It is necessary to denoise the image effectively.On the basis of studying Double-Tree Complex Wavelet Transform(DT-CWT)and morphological filtering,we proposed an infrared image denoising method based on the MAP estimation of DT・CWT and morphological filtering,and applied it to the infrared image denoising.In comparison,the proposed method is superior to the traditional denoising methods both in terms of visual effects and objective evaluation indexes,and can be used in the field of infrared image processing.Key words:infrared image；image denoising；DT-CWT；morphological filteringo引言红外成像技术作为一种无源探测技术，现已被广泛应用于军事、民用等相关领域,如制导、侦察、夜间成像、医疗、故障检查等方面」。
基于双密度双树复数小波变换的图像去噪
张春梅;张太镒;陆从德
【期刊名称】《西安交通大学学报》
【年(卷),期】2006(040)002
【摘要】针对双树复数小波方法对图像去噪效果不理想的问题,综合双密度双树小波和双树复数小波的变换机理,提出一种基于双密度双树复数小波变换的图像去噪方法.该方法将双树复数小波的6个方向提高到12个方向,采用该小波进行最优阈值去噪处理,图像噪声明显减少.仿真试验表明,该方法能有效消除图像噪声,与双树复数小波相比,去噪效果明显改善,均方误差减小了5.8%.
【总页数】3页(P246-248)
【作者】张春梅;张太镒;陆从德
【作者单位】西安交通大学能源与动力工程学院,710049,西安;西安交通大学电子与信息工程学院,710049,西安;西安交通大学电子与信息工程学院,710049,西安【正文语种】中文
【中图分类】TN919.8
【相关文献】
1.基于尺度噪声水平估计的双树复数小波变换图像去噪方法 [J], 许慰玲;方若宇;闫敬文
2.基于双密度双树复数小波变换的合成孔径雷达图像降噪研究 [J], 郭巍;张平;陈曦;朱良
3.基于双密度双树复数小波变换的图像融合研究 [J], 岳晋;杨汝良;宦若虹
4.基于双密度双树小波变换的图像去噪 [J], 姚斌;郑汉垣;张衡;杨玲香
5.基于双树复数小波变换的图像去噪方法 [J], 罗鹏;高协平
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于贝叶斯估计的双树复小波图像去噪算法
摘要：为了去除图像中的高斯噪声，本文根据贝叶斯最大后验概率估计，把双树复小波变换和拉普拉斯分布模型结合起来，提出了一种基于贝叶斯估计的图像去噪算法。
实验表明，本文算法能明显的改善和提高主观视觉效果和峰值信噪比。
关键词：双树复小波；图像去噪；贝叶斯估计；拉普拉斯模型
中图分类号：tp391
去噪一直是图像处理中的经典问题，是图像预处理中的一个重要环节，为图像分割、图像融合和图像压缩等后续操作奠定基础。
小波变换因其具有良好的局部化分析和多分辨率分析等特性，在图像去噪领域得到了广泛的应用和研究[1]。
目前，基于小波变换的去噪方法是图像去噪的主流方法，主要有：小波阈值法、基于统计特性的贝叶斯估计法、基于奇异性检测的方法等。
传统的离散小波变换（dwt）虽然具有许多优异特性如：低熵性、去相关性、多分辨率分析、选基灵活性等，但也存在一定的局限性：（1）离散小波变换在采样时由于缺乏平移不变性，会导致图像出现伪吉布斯现象；（2）传统的离散小波变换只能分解成水平、垂直和对角三个方向，方向选择性有限；（3）震荡性；（4）频谱重叠性。
这些缺点给小波变换在实际应用中带来了一些问题[3]。
nick g. kingsburg在1998年提出了双树复小波变换（dc-cwt）技术，dc-cwt保留了一般小波的优点，而且还具近似平移不变性、有限冗余性、良好的方向选择性和完全重构性等特点，很好的解决
了上述离散小波变换存在的问题[5]。
本文在dc-cwt的基础上，结合贝叶斯最大后验概率估计技术和拉普拉斯分布模型，提出了一种基于贝叶斯估计的双树复小波图像去噪算法。
1 双树复小波变换
双树复小波变换是在实小波理论的基础上发展起来的，使用过采用技术，是对离散小波变换的改进。
它通过使用两个滤波器并行对输入信号进行处理，可以表示为：ψ（t）=ψh（t）+ψg（t）j （1）其中ψh（t），ψg（t）分别为复小波的实部和虚部，是两个独立的实小波变换。
在复小波变换中有两个平行的小波树：树a和树b，分别表示复小波的实部和虚部；树a对图像的行进行处理，树b 对图像的列进行处理。
和实小波一样，复小波每一级分解后都有低频和高频。
假设h0（n），h1（n）分别表示树a的低通和高通滤波器，g0（n），g1（n）分别表示树b的低通和高通滤波器。
树a和树b在采样时，为了不丢掉树a和树b在采样时而舍弃的系数，树a和树b必须有一个采样周期的延时，这样就可以保证树b能采样到树a采样时丢弃的系数。
对一维双树复小波ψ（t）=ψh（t）+ψg（t）j，ψh（t），ψg （t）为近似的希尔伯特变换对，则二维双树复小波就是一维双树复小波的张量积，其式为：
ψ（x，y）= ψ（x）ψ（y）（2）
其中：ψ（x）= ψh（x）+ψg（x）j，ψ（y） =ψh（y）+ψg
（y）j （3）
把式（3）代入式（2）中，就得：
ψ（x，y）= （ψh（x）+ψg（x）j）（ψ（y） =ψh（y）+ψg（y）j）=（ψh（x）ψh（y）- ψg（x）ψg（y）+（ψg（x）ψh（y）+ ψh（x）ψg（y））j （4）
双树复小波在分解二维信号时，一般用滤波器先对列后对行进行处理，这样就可以得到6个高频子带和2个子带，这6个高频子带分别对应图像中的6个方向（±75°、±45°、±15°），因此，双树复小波有更多的方向选择，可以提高和增强某个方向上的边缘和纹理特征信息。
2 基于贝叶斯估计的拉普拉斯模型图像去噪算法
2.1 拉普拉斯分布模型
把图像的小波系数建立为某种数学统计模型，可以提高和改善图像的处理效果。
一般的小波系数统计模型分成三类：层内模型、层间模型和混合模型，拉普拉斯分布模型属于层内模型，模型中只有一个参数，计算量小，数学表达式简单，可以近似得到贝叶斯估计值。
对于受到加性高斯噪声ε（均值为0，服从n（0，σ2）分布）污染的观测图像可以表示为：g=s+ε，s为真实干净的图像。
对观测图像g进行双树复小波变换，就得：y=w+n，y，w，n，分别表示观测图像、真实干净图像和噪声的复小波系数。
在观测图像g中去除噪声ε，就是在y中尽可能的恢复出w的估计值w′。
在拉普拉斯分布模型中，复小波系数的概率密度函数为：
2.2 贝叶斯最大后验概率估计（map）
加性高斯噪声ε经过双树复小波变换后，也是均值为0，服从n （0，σ2）分布，且与图像无关。
因此，噪声的复小波系数n的概率密度函数为：
那么，根据贝叶斯最大后验概率估计，就得到w的近似值w′：2.3 贝叶斯估计去噪算法
在式（10）中，知道了复小波系数的边缘标准差σ和噪声方差σn2，就可以计算w的近似值w′（y）。
噪声方差估计使用鲁棒性中值法：
综上所述，本文去噪算法步骤为：
（1）对图像进行双树复小波分解；（2）按式（11）、（12）、（13）计算小波系数的边缘标准差和噪声方差；（3）根据式（10）对复小波系数进行估计；（4）把估计值进行双树复小波逆变换，得到去噪后的图像。
3 实验结果
在本文实验中，采用matlab7.0对图像baboon进行测试，客观的评价标准使用峰值信噪比（psrn），利用donoho的软阈值法、离散小波贝叶斯估计法（dwt-gsm）和本文算法对噪声标准差为15、20、25、30的高斯噪声进行去噪比较。
表1给出了不同噪声标准差的去噪结果，图1显示了噪声标准差为20时，三种方法对图像baboon的去噪效果。
从表1和图1中可以看出，本文算法得到的
psrn明显要高一点，主观视觉效果也比另外两种方法好。
4 结语
由于双树复小波变换具有许多优异特性，可以提高和改善图像去噪效果。
本文根据拉普拉斯分布模型和贝叶斯最大后验概率估计，提出了一种基于贝叶斯估计的双树复小波图像去噪算法，仿真实验结果表明，本文算法在主观视觉效果和峰值信噪比上都好于其它两种方法。
参考文献：
[1]袁博.一种新的双密度复小波域图像去噪算法[j].计算机科学，2011，38（3）：292-294.
[2]张汗灵.基于复小波变换与层间模型的图像去噪[j].光电工程，2006，33（11）：109-112.
[3]刘芳等.基于复小波邻域隐马尔科夫模型的图像去噪[j].电
子学报，2005.
作者简介：范建坤（1979-），男，河南开封人，安顺学院讲师，研究方向：信息隐藏，图像处理。
作者单位：安顺学院计算机与网络管理中心，贵州安顺 561000；安顺学院艺术系，贵州安顺 561000
基金项目：贵州省科技厅、安顺市合作基金项目：保护隐私的路径规划（黔科合j字lka[2012]20号）。
