金彩虹
- 作品数：9 被引量：17H指数：3
- 供职机构：南京晓庄学院电子工程学院更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 椭圆方向窗内的小波域图像去噪算法
- 2015年
- 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.
- 金彩虹
- 关键词：四叉树最小均方误差
- 一种图像相关性去噪算法
- 2010年
- 利用图像经非下采样Contourlet分解后相邻尺度间和相邻方向间系数的相关性,定义了方向相关因子β并用其修正相邻尺度间系数的积和设定阈值函数,取消传统相关性去噪中逐步判定边缘细节的迭代计算,即可实现根据子带含有信息量的多少对噪声和图像边缘细节进行一次判定从而将二者有效分离的目的。实验结果表明:该算法不仅克服了恢复图象中的伪Gibbs失真和边缘"毛刺"现象,更多地保留了图像的边缘细节,提高了图像的PSNR值,而且降低了运算复杂度,缩短了编解码时间。
- 金彩虹
- 关键词：图像去噪非下采样CONTOURLET变换
- 双变量模型下的非下采样Contourlet变换图像去噪
- 2012年
- 该研究利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑变换域内子带系数尺度间和尺度内的双重相关性,自适应地调节双变量模型下子带系数的收缩量,使子带系数的收缩量与子带含有图像细节内容的多少成比例.仿真结果表明,与仅考虑子带系数尺度间相关性的去噪算法相比,该算法在去除噪声的同时能有效保持原图像中的细节和纹理信息,改善恢复图像的主观视觉效果,提高恢复图像的PSNR值.
- 金彩虹
- 关键词：图像去噪非下采样CONTOURLET变换双变量模型
- 基于非下采样Contourlet变换的图像自适应阈值去噪算法被引量：4
- 2011年
- 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变换域内相邻尺度间和同一尺度、不同方向间图像系数和噪声系数之间不同的相关性,根据子带含有信息量的多少,自适应地调节BayesShrink阈值大小,不仅使弱的边缘细节被从噪声中提选了出来,而且避免了将较大的噪声系数判定为图像细节的错误.实验结果表明,该算法克服了恢复图像中的伪Gibbs失真,实现了信号和噪声的有效分离,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.
- 金彩虹
- 关键词：非下采样CONTOURLET变换广义高斯分布BAYES
- 基于椭圆方向窗的非下采样Contourlet域图像去噪算法被引量：1
- 2013年
- 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。
- 金彩虹
- 关键词：非下采样CONTOURLET变换
- 一种改进的嵌入式零树小波编码算法
- 2009年
- 嵌入式零树小波编码算法(EZW)为了确定一系数是零树根还是孤立零,必须对该系数进行反复多次扫描,不仅耗时,而且造成二进制符号流中存在大量冗余.在研究Shapiro零树图像编码算法的基础上,通过对重要系数的全新界定和精确量化,增加零树的数量,减少孤立零点,从而缩短搜索扫描编码时间、提高压缩比.实验结果表明:改进的嵌入式零树小波编码算法在峰值信噪比、编码时间、图像恢复质量等方面都优于J.M.Shapiro最初提出的EZW算法.
- 金彩虹高玲
- 关键词：小波变换零树峰值信噪比
- 基于Lipschitz指数的小波阈值去噪方法被引量：6
- 2008年
- 对于非平稳信号,小波多尺度分解是一种有效的信号去噪工具。在D.L.Donoho的多分辨率小波阈值去噪方法的基础上,提出了基于Lipschitz指数的小波阈值去噪方法。仿真结果表明,采用基于Lipschitz指数的小波阈值去噪方法不仅有效抑制了由于硬阈值函数的不连续性而在信号奇异点附近产生的Pseudo-Gibbs现象,而且在更加彻底去噪的前提下很好地保留了信号的边缘信息。无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法。
- 金彩虹
- 关键词：小波变换小波阈值去噪均方误差信噪比
- 基于图像边缘信息的多小波阈值去噪方法被引量：4
- 2008年
- 基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素。基于图像边缘信息的多小波阈值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理。与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好。
- 金彩虹
- 关键词：阈值图像去噪小波变换
