水下目标声图像分块自适应降噪方法

通过对水下目标声图像机理及统计特性的分析, 提出了分块自适应的降噪方法。设置 适当的区域图像方差阈值将水下声图像划分信息区及非信息区。在信息区, 制成图像序列经过表 面波( Surface let)变换三维去噪; 在非信息区, 进行非下采样轮廓波变换去噪。结果表明: 去噪后图 像峰值信噪比大幅度提高, 具有较高分辨率的基础上细节信息也得到保护。此方法不仅充分利用 了像素点间的相关性等声图像统计特性, 又利用了2种变换的移不变性, 去噪后声图像为进一步的 图像分割、识别工作提供了必要的前提条件。

基于高斯比例混合模型的图像非下采样Contourlet 域去噪

为改善图像的去噪效果，该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet 域去噪算法。 该算法首先建立非下采样Contourlet 系数邻域的高斯比例混合模型，然后在模型基础上应用贝叶斯最小二乘法对 系数进行估计，最后反变换得到恢复图像。算法结合了非下采样Contourlet 变换对图像边缘的高效表示能力、非 下采样变换的移不变性质以及GSM 模型对非下采样Contourlet 系数邻域相关性的概括能力。实验结果表明，该算 法在视觉效果和峰值信噪比的改善上都取得了非常好的效果。

基于改进轮廓波变换的图像去噪算法

在轮廓波变换中进行拉普拉斯金字塔分解时，所得的带通图像在奇异性点附近产生振荡，影响了图像去噪的效果。针对该问题， 提出一种改进的拉普拉斯金字塔分解，可消除边缘附近的震荡。利用改进的拉普拉斯金字塔实现轮廓波变换，并对图像进行自适应去噪。 实验结果表明，该算法所得的峰值信噪比较轮廓波变换自适应去噪算法有显著提高，且视觉效果有较大改善。

image denoising examples

image denoising examples采用小波变换进行图像去噪的经典实例！