改进算法在混合噪声STM图像滤波中的应用

基于小波变换的高斯混合模型小波去噪方法能有效滤除高斯白噪声,中值滤波法能较好滤除脉冲噪声并保留图像边缘及细节信息。将两种方法结合起来,并采用Matlab语言进行仿真,然后对含有高斯脉冲混合噪声的STM(扫描隧道显微镜)图像进行去噪处理。实验结果表明,这种混合去噪方法能有效去除STM图像中的高斯白噪声和脉冲噪声并保留图像的边缘及细节信息,能得到更好的STM图像,其效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于中值滤波和小波变换的织物图像预处理

图像采集过程中不可避免地会受到随机噪声干扰,在对图像进行特征值提取前,需对其进行预处理。根据织物疵点图像随机噪声的类型,提出了一种基于中值滤波与小波变换相结合的织物疵点图像预处理方法。深入研究了小波基的选择、分解层数的确定及小波阈值选取准则,并选用拉普拉斯算子对去噪图像进行锐化,最后利用LabVIEW平台对掉扣图像进行预处理实验。此方法结合了中值滤波去噪与小波去噪的优点,取得了较好的效果。     

小波自适应阈值和双边滤波的图像去噪

针对VisuShink阈值去噪参数选取仅考虑到噪声标准差和信号长度的不足,提出一种自适应小波阈值并结合双边滤波实现图像去噪的方法。从分析小波子带系数的统计特性出发,选取小波分解层数与子带之间相互关联的自适应阈值,实现图像小波分解自适应去噪,再结合双边滤波去噪方法,以获得能保留图像丰富细节信息的图像降噪效果。通过多幅图像加不同强度噪声所做测试显示,新方法相比传统的软硬阈值函数去噪方法更有效,尤其是对高强度高斯噪声图像去噪,可得到较好的峰值信噪比和视觉图像质量。     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

一种有效的小波-Wiener滤波去噪算法

把Wiener 滤波和小波变换结合起来,提出了一种小波-Wiener 滤波去噪算法. 仿真结果表明,利用该算法去噪后的图像主观质量和峰值信噪比比Wiener 滤波去噪和小波变换门限去噪后的图像都要好.     

利用各向异性扩散去除SAR图像中的斑点噪声

合成孔径雷达(SAR)图像受到相干斑点噪声的干涉,严重影响合成孔径雷达图像的质量。我们利用各向异性扩散方程抑制合成孔径雷达(SAR)图像中的斑点噪声,只要选择合适的扩散方向和速度,就能较好地保留图像的边缘和细节信息。最后对合成孔径雷达图像进行去噪实验,并与小波去噪滤波方法进行比较,各向异性扩散方程具有更好的抑制噪声的效果。     

独立分量分析在PET图像去噪处理中的应用

独立分量分析（independent component analysis,ICA）是基于信号高阶统计量的盲源分离方法.提出将这种算法与中值滤波和小波滤波相结合应用于正电子发射计算机断层扫描（Positron Emission Tomography,PET）图像的去噪处理中,并与中值滤波和小波滤波进行对比分析.仿真实验证明了本文算法相较于中值滤波和小波滤波在PET图像处理中取得了更好的效果.     

基于提升小波分解曲波变换的雷达影像消噪法

利用提升法对传统小波进行提升,将提升小波对雷达影像进行分解,形成子带影像,再将子带影像进行脊 波变换,并对变换结果进行消噪处理,然后进行脊波逆变换和提升小波重构,得到新的雷达影像。试验结果表 明:基于提升小波分解的曲波变换比传统小波分解的曲波变换对雷达影像消噪效果好,同时与传统的均值滤波 相比效果更好。     

小波变换在地震信号噪声处理中的应用

常规小波域阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，只能去除地震信号中部分随机噪声，为此提出了一种小波域分时分频相关结合阈值去噪处理方法。该方法首先对小波变换后多个尺度上小波系数进行分时分频相关去噪处理，然后对处理后小波系数进行重构，并可去除大部分不相关随机噪声。对重构后地震信号再进行常规小波域阈值去噪处理以进一步去除噪声。模型测试和实际资料处理效果表明：使用该方法可以有效地改进地震信号去噪处理效果。     

基于EMD的绝缘子泄漏电流去除噪声研究

针对绝缘子泄漏电流信号在安全区阶段信噪比较低,传统去噪方法去噪效果不佳的问题,结合经验模态分解(Empirical Mode Decomposition,EMD)的特点,设计了基于白噪声统计特性的EMD滤波器和EMD阈值滤波器。利用设计的两种EMD滤波方法对泄漏电流信号的仿真模型进行去噪,从除噪后信号的波形形状和信噪比等方面对去噪效果进行评价。研究表明EMD去噪方法去噪性能优于小波去噪。同时还发现,针对不同信噪比的含噪信号,基于白噪声统计特性的EMD去噪和EMD阈值去噪各具有优势,可根据信噪比的不同,选取最适合的滤波方法。     

小波包降噪在工业信号预处理中的应用

针对工业过程数据含有噪声干扰的特点,本文提出了基于小波包分解的阈值降噪方法进行数据的降噪处理。以化工过程数据为例,通过MATLAB仿真实验,对比了小波包降噪、小波降噪、中值滤波三种方法的降噪效果。结果表明：小波包降噪具有明显的优越性。     

小波分析及其去噪应用

基于小波变换的特点,分析了小渡变换用于去噪的原理和方法,重点探讨了小渡闽值去噪的原理和方法,并对小波分析和小渡变换去噪在某些具体领域的应用情况作了简单介绍。     

一种面向穿戴式应用的超高噪声心电信号处理方法

针对穿戴式设备实测心电信号的超高强度噪声问题,提出一种改进的心电信号消噪方法。利用小波分析进行预处理,再利用简单整系数滤波器进行进一步消噪。通过对比,本文提出的改进的心电信号消噪方法性能优于传统的小波阈值去噪法和数字滤波法,处理时间比小波阈值去噪法低33%。结果表明,基于小波分析和简单整系数滤波器相结合的消噪法,对于具有超高强度噪声的穿戴式设备实测心电信号处理效果优异,且运算成本低于传统的小波阈值法,更利于硬件实现。     

一种基于相关方法的改进小波图像去噪算法

传统小波阈值法去噪方法在阈值选取上存在不确定性,为解决这一问题,提出采用小波相关方法,对图像噪声进行处理。在进行小波变换时,首先基于小波多方向框架理论进行图像分割,通过对多方向组合进行小波变换,最后对小波重构结果取中值得到去噪图像。该方法在处理具有方向特征的图像时,可以很好地消除Gibbs效应,与传统方法相比去噪结果具有明显改善。     

基于EEMD的绝缘子泄漏电流消噪方法

针对绝缘子泄漏电流测量过程中噪声干扰严重、传统消噪方法效果不佳的问题,根据经验模态分解(Empirical Mode Decomposition,EMD)的滤波特性,结合泄漏电流的特点,提出了总体经验模态分解(En-semble Empirical Mode Decomposition,EEMD)阈值消噪方法。为评价消噪效果,选择小波消噪作为对比,对仿真和实测泄漏电流进行消噪处理。研究表明,EEMD阈值方法消噪后泄漏电流有效值和三次谐波与基波幅值比都接近真实值,能准确反映泄漏电流特征。同时,EEMD阈值消噪方法具有自适应性,适合污湿和覆冰状况下的泄漏电流消噪处理。     

小波分析用于织物疵点检测的图像增强研究

对采用小波分析去除噪声来进行疵点图像的增强以用于织物疵点自动检测进行了探索。借助MATLAB小波分析工具箱,研究了小波分析在对疵点图像进行去噪等图像增强方面的实际应用,并对全局阈值降噪和分层阈值降噪两种方法做了比较。实验结果表明,小波变换可以较容易地分离出噪声或其他不需要的信息;小波分析用于疵点识别的图像增强,能有效地消除噪声,去除织物纹理的影响,分层阈值法在此应用上更优于全局阈值法。