复小波包域局部邻域窗口阈值SAR图像去噪

提出一种基于四树复小波包变换的局部窗口阈值SAR图像去噪新方法.该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪SAR图像分解成低频逼近子图和若干高频方向子图.通过对方向子图设置合理的阈值来确定最优复小波包基.在保留低频逼近子图复系数不变的同时,利用高频信号系数的邻域相关性和噪声方差随分解尺度增大而迅速衰减的特点,对最优基复小波包系数进行局部邻域窗口阈值收缩处理,从而实现降噪功能.实验结果表明,该方法计算效率高,在等视指数(ENL)、优点图(FOM)等指标上均优于传统的复小波变换、复小波包变换和Curvelet域HMT等去噪方法,能有效地抑制SAR图像斑点噪声的同时,对图像边缘和细节具有较好的保护能力.     

基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值.信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号.对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声...     

基于多小波收缩与子带增强的图像去噪方法

边缘特征是图像最为有用的高频信息,因此在图像去噪的同时,应尽量保留图像的边缘特征,基于这一思想,提出了多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明与单一的阈值收缩方法相比,该方法不但保留了图像的边缘特征,而且提高去噪图像的峰值信噪比,实验结果优于普通的阈值收缩方法.     

应用小波域三维Context模型的视频图像去噪

提出了一种基于三维小波变换和分块Context模型的视频去噪新方法（3DWTBCM）。视频图像序列的各帧之间具有较强的相关性,在三维小波变换域内去噪可以很好地将这种相关性加以利用。根据视频图像三维小波分解域内系数和噪声分布的特征,利用小波系数具有局部相关性对小波系数进行分块,将系数分解成各个局部区域。再将Context模型用于局部块中,按照能量分布将块内的小波系数分成多个子块。对各部分进行能量估计和多阈值估计,获得去噪声最佳阈值,有效地消除噪声。实验结果表明,3DWTBCM的噪声抑制效果明显优于各种2D去噪声方法,和常用的3D去噪声方法,PSNR平均提高1.5dB以上。从视觉效果来看,本文算法在去除噪声的同时,能较好的保留运动图像细节,运动物体显得比较平滑,不存在传统算法中的拖影、闪烁等现象。     

一种RL算法联合小波变换的中子图像复原方法

提出了一种基于RL(Richrdson-Lucy)算法联合小波变换以解决中子数字图像复原过程中噪声问题的方法,即是将中子数字图像首先进行小波分解,高频子带通常对应于噪声,低频子带对应于图像信息.在高频子带进行软阈值去噪处理,在低频子带应用RL算法进行图像的盲复原,最后,利用小波反变换得到复原图像.实验研究结果表明,该方法不仅提高了抑制噪声的能力,可以获得比单一采用RL算法复原效果好的复原图像,而且可以提高图像复原的速度.     

基于离散平稳小波的改进自适应降噪方法

提出一种基于离散平稳小波的改进自适应降噪方法.首先,利用离散平稳小波的冗余特性,解决离散二进小波变换降噪方法在奇异点存在振荡效应的问题;其次,针对传统小波阈值降噪算法忽略尺度系数噪声影响的不足,利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪;最后,将此方法应用于不同信噪比下典型信号的降噪对比试验.仿真结果表明:该方法在消噪的定性和定量指标上,整体优于传统离散二进小波方法,消噪效果改善明显.     

基于高密度小波变换的航空发动机滚动轴承故障诊断方法

基于高密度小波变换对原始信号尺度划分更加精细的优势,将高密度小波变换、软阈值降噪和频谱分析相结合,提出了基于高密度小波变换的航空发动机滚动轴承故障诊断方法。该方法通过设定分解层数对信号进行高密度小波变换,得到每一尺度上的低频、中频、高频分量;对各分量软阈值降噪处理后进行频谱分析,进而实现故障特征频率的识别。利用仿真信号验证了高密度小波变换的有效性,通过航空发动机滚动轴承内圈故障和滚子故障工况下的试验信号进一步验证了该方法提取故障特征的能力,与传统小波变换方法的对比证明了该方法在抑制噪声干扰和故障特征频率识别方面的优势。     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.