一种基于双树复小波变换的图像去噪算法

针对图像处理的需求,提出一种基于双树复小波变换的图像去噪算法。该算法对图像进行双树复小波变换,对变换后的系数利用最大似然估计和维纳滤波进行去噪,采用最大后验概率来估计双树复小波的方差,利用维纳滤波得到去噪后的系数,通过双树复小波反变换得到去噪后的图像。在分解层计算方差时,均采用在4×4的结构元素内基于最大值和次大值坍缩后的邻域来计算方差。实验结果表明,该算法的PSNR对比其他文献提高0.2 d B左右,运行时间减少5 s。     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

一种有效的双树复小波-Wiener滤波去噪算法

为了有效恢复被高斯白噪声污染的图像,将双树复小波变换和自适应Wiener滤波结合起来,提出了一种双树复小波-Wiener滤波去噪算法.仿真结果表明,利用该算法去噪后恢复的图像主观质量和峰值信噪比比基于正交小波变换的门限法和Wiener滤波法都要好.     

一种小波域与空域相结合的图像滤波方法

利用小波阈值去噪方法和传统空间域Lee 滤波的特点, 提出了一种图像去噪的的组合滤波方案。首先在小波域对图像阈值去噪, 得到预去噪图像; 再在空间域上利用自适应Wiener 滤波器进一步提高恢复图像的精度。为了保证小波域和空间域两种算法之间的匹配, 对预去噪图像中残留噪声的分布进行了研究, 对其噪声方差估计做了改进, 提出了一种估计噪声方差的近似最优公式。仿真实验表明, 与单独的在小波域或空域去噪相比, 该方法的均方误差和信噪比指标均得到了改善。     

一种小波域与空域相结合的图像滤波方法

利用小波阈值去噪方法和传统空间域Lee滤波的特点，提出了一种图像去噪的的组合滤波方案。首先在小波域对图像阈值去噪，得到预去噪图像；再在空间域上利用自适应Wiener滤波器进一步提高恢复图像的精度。为了保证小波域和空间域两种算法之间的匹配，对预去噪图像中残留噪声的分布进行了研究，对其噪声方差估计做了改进，提出了一种估计噪声方差的近似最优公式。仿真实验表明，与单独的在小波域或空域去噪相比，该方法的均方误差和信噪比指标均得到了改善。     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。     

一种概率自适应图像去噪模型

从小波变换入手,提出了一种概率自适应去噪模型.该模型包括尺度层间模型和层内模型.去噪方法首先利用小波域层间模型,将小波系数分成两类:有意义系数和无意义系数;然后在层内概率模型下运用最大后验概率估计方法,从有意义系数中恢复出原始系数.我们还将这种模型引入复数小波变换域.实验结果及分析表明了该去噪模型的有效性.     

基于一种自适应折中-平滑阈值的脉搏信号小波去噪

人体脉搏信号在采集过程中会掺杂着各种噪声信号,而传统所采用的小波变换阈值去噪法在处理脉搏信号时又存在着缺陷,本文采用的折中一平滑闽值函数,并基于斯坦恩无偏估计（SURE）优化算法去寻找最优阈值门限,与在原有阈值基础上的小波自适应阈值去噪做对比,通过利用Matlab对脉搏信号进行去噪仿真。结果表明,依据信噪比（SNR）和信号平滑度Ⅲ的评判标准,该方法去噪效果更好,结果令人满意。     

估计小波系数方差邻域大小的研究

利用小波变换去噪时小波系数方差的估计对去噪结果影响很大。自然图像小波分解后得到的系数在不同的分辨率中差异很大,所以利用邻域估计中心点方差时,不同分辨率应有不同大小的邻域。首先对在邻域中利用极大似然准则估计中心点方差进行分析,再结合自然图像小波分解后的系数在不同分辨率子带中,根据平稳性和重要性选择邻域的大小。最后进行去噪实验,并取得正交小波分解下理想的去噪性能。     

基于小波变换的红外图像去噪

提出一种基于新型阈值函数的小波域红外图像去噪法,其阈值函数表达式简单且连续,既克服了硬阈值函数不连续的缺点,又克服了软阈值函数中估计小波系数与含噪小波系数间存在恒定偏差的缺陷。同时新的阈值函数还有效地利用了小波系数的成串性,即在小波系数的估计计算中考虑了邻域小波系数的大小。仿真结果表明,在去噪红外图像视觉效果和峰值信噪比两个方面,文中提出的去噪法优于已有的各种门限去噪法和Matlab-wiener2滤波算法。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

基于双正交小波和边缘加权的图像去噪算法

文中针对现有去噪算法存在的问题,提出了一种基于双正交小波和边缘加权的新的图像去噪算法.该算法对图像进行基于图像移位相关性的自适应二叉分解,研究了白高斯噪声在双正交小波分解下的功率谱,并结合图像的边缘信息,对不同区域的去噪阈值以不同权重加权.实验结果表明,文中算法去噪所得图像的MSE优于小波变换全局阈值去噪,视觉效果明显优于维纳滤波去噪.     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.     

自适应非线性小波在灰度级图像去噪中的应用

针对线性小波能有效去除高斯白噪声,而形态小波对目标细节的保留特性,在自适应非线性小波框架中提出了一种自适应非线性小波算法,合理利用线性小波和非线性小波的去噪能力,实现灰度级图像自适应去噪.仿真结果表明:在噪声干扰下,所提出的方法有效且稳健,对灰度级图像去噪达到预期的效果.     

基于小波阈值去噪方法的一种改进方案

在D．L．Dohono和I．M．Johnstone提出的多分辨分析小波阚值去噪方法的基础上，提出了一种新的阈值函数。仿真试验结果表明，采用新的阈值函数的去噪效果无论在视觉效果上，还是在信噪比增益上和最小均方误差意义上均优于传统的硬阈值和软阚值。并且，与传统的硬阚值和软阈值相比．此函数不仅表达式简单，易于计算，而且具有优越的数学特性：易于求导，有连续的无穷阶导数。因此新阈值函数的更重要的意义在于使信号的自适应去噪成为可能，为更充分的发挥小波阈值去噪方法的优越性开辟了广阔的前景。     

基于小波变换的目标检测关键算法研究

图像去噪和边缘检测都是目标检测中至关重要的过程。结合半软阈值法和比例萎缩法,提出了一种改进的小波局部自适应阈值图像去噪算法,给出了一种高斯小波模极大值算法进行图像边缘检测。实验证明,去噪算法优于传统的半软阈值算法,较好地保留了图像的细节信息。边缘检测算法与经典的Canny算子相比得到了更多细节信息,使图像变的更真实。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。