[求]基于多尺度变换的阈值去噪算法的阈值及阈值函数

sinat_32007349 2015-10-14 04:29:25

我现在所用的多尺度变换是shearlet变换，希望找一些复杂有效的阈值及阈值函数，最好是针对多尺度变换的方向的阈值

...全文

66 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

相关推荐

选取最佳的收缩阈值是变换域收缩去噪的关键。针对Shearlet变换域图像收缩去噪的阈值选取问题，提出了基于粒子群优化的最佳阈值选取算法。建立了Shearlet变换域最佳阈值选取的广义交叉验证准则；以广义交叉验证准则为适应值函数，利用粒子群优化算法自适应地确定出与Shearlet尺度和方向匹配的最佳阈值。算法不依赖任何的先验知识，实现Shearlet变换域图像自适应去噪。仿真结果表明，最佳阈值能够更有效地去除噪声，获得更好的视觉效果。

为了更有效地去除图像中的噪声，提出一种基于Contourlet变换的新阈值与改进阈值函数的图像去噪方法。新阈值考虑了图像经Contourlet变换后在低尺度子带和高尺度子带的去噪特性，较好地克服通用阈值的不足；改进阈值函数对阈值处理的Contourlet变换的高频细节系数分为上频、中频和下频，并进行相应的处理，较好地弥补各阈值函数的缺陷。实验结果表明，与通用阈值相比，新阈值能更有效地去除图像中的噪声，获得更高的峰值信噪比（PSNR），结合改进阈值函数后，图像的边缘细节得到更好的保护，视觉效果更好。

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点，提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT 变换域，能根据不同尺度、不同方向的子带能量，自适应调整去噪阈值。实验表明，与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比，该算法在图像去噪上能获得更好的视觉效果和更高的峰值信噪比。

提出一种新的阂值函数,在Tetrolet变换域中利用此阈值函数通过最小均方误差进行自适应图像去噪。此方法主要优点是利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中利用新阈值函数通过LMS算法来对图像自适应去噪。实验结果表明:该算法具有更高的峰值信噪比和更好的视觉效果,是有效可行的。

系数阈值是流行的去噪方法 ,其中阈值方式与大小的选择是一个重要的技术问题 .依据非下采样Contourlet分解系数尺度内与尺度间的相关性 ,考虑到相同尺度内不同方向上系数分布的聚集性依赖图像自身发生变化 ,提出一种利用方向特性实现非下采样 Contourlet变换阈值去噪策略 .对于被加性高斯白噪声污染的图像 ,实验中将利用方向特性实现非下采样 Contourlet变换阈值去噪策略方法与小波阈值去噪、Contourlet变换去噪方法和非下采样 Contourlet变换去噪方法进行了比较 ,结果表明利用方

其它技术问题

3,880

社区成员

9,062

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告