基于双变量收缩函数的对偶树复小波图像去噪

常用离散小波变换缺乏平移不变性和良好的方向选择性,并且在图像去噪中使用的模型没有充分考虑系数间的相关性,导致去噪效果不理想.为了克服上述离散小波变换图像去噪的不足,提出了利用对偶树复小波变换与双变量收缩函数相结合的图像去噪算法.实验结果表明,该算法比传统算法有更好的去噪效果.     

基于双树复小波变换和形态学的脉搏信号去噪

常见的医学信号（如脉搏信号）包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷,提出了一种基于双树复小波变换和形态学的去噪算法,具有结构简单、计算复杂度低等优点,有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

一种基于平移不变的小波阈值去噪算法

经典的D.L.Donoho小波阈值去噪算法在信号的奇异点处会产生Pseudo-Gibbs现象，从而使去噪后的信号在急剧变换部分产生振荡现象。为了抑制Pseudo-Gibbs现象，提出了一种基于平移不变的小波阈值去噪方法，在一定的平移量范围内，对分析信号进行循环平移，然后对这个新信号进行阈值处理，得到去噪后的信号，再对该信号作相反的循环平移，重复这一过程，对所获得结果求平均，就得到原始信号去噪后的估计信号。仿真实验的结果证明了算法的有效性。     

采用级联仿射不变函数的快速平面形状识别(英文)

现有的基于小波变换的形状识别算法具有很高的计算复杂度,难以满足许多实时应用的要求。文中提出了基于级联仿射不变函数的快速形状识别算法,用于识别仿射变换下的含噪目标。利用目标轮廓的小波变换可以得到一组仿射不变函数,并进一步构造出级联仿射不变函数。为了保证级联仿射不变函数的平移不变性,预先对轮廓的起始点进行了有效配准。从而通过级联仿射不变函数的内积,方便地度量出目标形状的相似度。与现有基于小波的识别算法相比,所提出的算法具有很低的计算复杂度,其所需CPU时间仅为其它算法的1/7。实验结果验证了该算法的有效性和起始点配准的准确性。     

平移不变小波变换在遥测数据去噪中的应用

有效去除遥测数据中的噪声,对数据的正确判读和后续处理具有重要意义。通过对遥测数据进行研究,为抑制去噪时在信号奇异点处产生的伪吉布斯现象,采用平移不变小波去噪处理遥测数据。针对传统小波阈值函数存在的缺陷,采用新阈值函数的平移不变法改善降噪效果。仿真结果表明,平移不变小波变换去噪方法提高了信噪比,降低了均方根误差,证明了该方法的有效性。     

基于Contourlet变换的图像去噪算法

提出了基于平移不变的Contourlet去噪方法,与平移不变小波去噪相比较,结果表明该算法能有效地消除人为的视觉效果,使去噪后的图像获得更好的视觉效果,同时PSNR也得到了很大的提高.     

基于NSCT-I的红外图像收缩阈值去噪算法

分析了非下采样Contourlet变换,利用基于冗余结构的非线性提升方法实现了平移不变的不可分离小波变换,提出了一种改进的非下采样Contourlet变换理论(NSCT-I).NSCT-I具有更好的细节捕捉能力、平移不变性、良好的多分辨率、局部化和多方向性,能够获得更好的图像处理效果.在分析现有阈值函数和阈值选择方法的基础上,构建了适合NSCT-I变换方法的阈值函数,提出了一种基于NSCT-I的收缩阈值去噪算法.分析和仿真实验表明:该算法具有良好的去噪效果和保持细节的性能.     

基于复小波邻域隐马尔科夫模型的图像去噪

多分辨信号和图像模型可用于捕获图像中平滑和奇异区域的统计结构,但是,基于正交小波变换的模型受到平移变化的影响从而降低了其准确性和实时性.本文将邻域隐马尔科夫模型LCHMM( Local Contextual Hidden Markov Model)扩展到复小波的范围,提出了一种基于复小波的邻域隐马尔科夫模型C-LCHMM( Local Contextual Hidden Markov Model Based On Complex Wavelet),该模型具有近似平移不变性及分辨率高的特点、能够捕获小波系数的邻域的统计特征、且计算复杂度小.仿真试验表明基于复小波邻域隐马尔科夫模型(C-LCHMM)用于图像去噪的效果优于典型的去噪算法.     

基于提升小波的毫米波信号实时去噪

针对3mm波段毫米波探测器回波信号去噪处理的实时性要求,比较了几种提升格式下基于整数的小波变换的去噪效果和算法复杂度,具体分析了实现5/3小波实时去噪时算法对硬件系统运算速度的要求,构建了基于DSP的信号处理硬件平台,实现了信号实时去噪.     

基于小波阈值去噪与对称扩展DFT变换的信道估计算法

提出一种基于小波阈值去噪与对称扩展DFT变换的信道估计算法。该算法通过对初始值最小二乘估计进行对称扩展DFT变换,并在时域利用小波阈值去噪以获得更为精准的信道估计性能。传统的基于DFT变换信道估计,由于信号边界上的不连续性会造成能量扩散和频谱泄露,采用对称扩展DFT变换就可以解决这些问题;初始值最小二乘估计的准确性极易受噪声的影响,通过小波阈值去噪可以获得较好的去噪效果。在LTE系统下行链路中的仿真表明,该算法在少量增加计算复杂度的同时,能有效改善实际系统中的频谱泄露问题,提高信道估计的性能。     

基于二维小波收缩与非线性扩散的混合图像去噪算法

研究自适应滤波算法对改善图像质量具有重要意义.本文分析了非线性扩散和二维Haar小波收缩去噪方法之间的关系,从本质上说明了非线性扩散方法优于Haar小波收缩去噪方法.然后,给出了一种基于图像全变差(TV)模型的非线性扩散与二维Haar小波收缩相结合的混合图像去噪算法.该算法在图像小波分解的低频部分采用全变差扩散,在高频部分采用小波收缩方法.实验结果表明,混合去噪算法在计算复杂性与滤波效果上具有更好的综合性能.     

基于邻近像素点和小波去噪的岩心图像修复

针对破损的岩心图像修复问题,提出了一种基于邻近像素点和小波去噪的岩心图像修复算法。计算待修复像素点的优先权来确定填充修复的顺序;利用待修复像素点周围的邻近信息和改进的加权函数进行像素点修复;对修复后的岩心图像进行小波去噪处理。算法将图像修复和小波去噪相结合,更好地实现了图像修复的目的。     

非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取，提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上，结合神经网络的非线性双曲线正切函数和BP训练方法，首先对含噪图像进行二进小波分解，然后对分解系数进行小波重建，并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理，得到最优阈值，最后对阈值处理的重建系数进行叠加，得到原始图像信号的估计值，即去噪后的图像信号。仿真实验表明，该方法具有较好的重建图像视觉效果，信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

基于B样条小波的偏微分方程图像去噪方法

提出一种基于B样条小波的偏微分方程图像去噪方法.先对图像进行B样条小波变换,将得到的高频系数采用偏微分方程方法去噪,迭代次数采用去相关最优停止准则进行控制;将得到的低频系数进行阈值处理,阈值选取采用基于信息熵的阈值选择策略,然后对处理后的小波系数进行B样条小波逆变换,得到去噪后的图像.数值实验表明,改进算法能克服B样条小波变换与偏微分方程去噪的不足,增强去噪能力,同时有效保护图像边缘和细节信息.     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。     

基于最小线性均方估计的小波去噪算法

提出一种新的基于最小线性估计正交小波图像去噪算法。该算法把降噪过程直接看作是一个小波系数的加权和,而不是为小波系数假设一个统计模型。在此,基于最小线性均方估计构造去噪函数,然后最小化均方误差,得到一组估计参数,从而得到线性去噪函数,实现对非线性去噪算法的改进,其最大的好处就是不用先验知识;最后通过使用该去噪算法对一定噪声级数的标准图像进行处理,并与目前去噪效果最好的BLS-GSM方法进行了比较。结果表明了该方法的有效性。     

基于伪中值滤波和小波变换的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

Adaptive wavelet packet basis selection for zerotree image coding

Image coding methods based on adaptive wavelet transforms and those employing zerotree quantization have been shown to be successful. We present a general zerotree structure for an arbitrary wavelet packet geometry in an image coding framework. A fast basis selection algorithm is developed; it uses a Markov chain based cost estimate of encoding the image using this structure. As a result, our adaptive wavelet zerotree image coder has a relatively low computational complexity, performs comparably to state-of-the-art image coders, and is capable of progressively encoding images.     

基于信息冗余的小波红外图像去噪算法

红外图像具有图像灰度集中、对比度低等特点,因而红外图像增强是红外图像应用必不缺少的部分,随之而来的是图像噪声的放大,为了进一步提高红外图像质量,需对增强后图像去噪。现有众多去噪方法中,极少同时兼顾算法效果及可实现性。提出了一种基于信息冗余的小波去噪算法,此算法在离散小波变化(DWT)过程中分别以不同的下采样方式获取多组含有相似冗余信息的小波系数,再利用噪声估计对小波系数进行非线性变换,抑制高频噪声并保留细节,然后利用变换后小波系数重构(IDWT)多副图像,利用含相似冗余信息的多副图像加权进一步去除高频噪声,获取最终去噪图像。此算法已在单片FPGA中进行实现,利用ALTERA CYCLONIII芯片实现后的处理帧频达到50 fps,满足实时性要求。