一种改进的子波域语音去噪方法

分析了信号和噪声在子波域的不同特征表现,提出了一种改进的子波域语音去噪方法,该方法用一个随尺度变化的门限阈值来抑止带噪音信号在不同尺度上噪声的子波系统,从而更好地实现在重构语音信号中消除噪声的目的。     

一种改进的子波域语音增强方法

本文基于文献［3］中提出的子波域去噪技术,并针对语音信号的特点提出了一种改进的子波域语音增强方法。该方法采用软限幅函数对语音信号的子波变换系数作阈值处理以达到去噪的目的。同时,为了防止在抑制噪声的过程中对语音的清音段信息造成损失,首先对语音信号进行了清浊音判别,然后针对不同的判别结果对清音段语音和浊音段语音采用不同的阈值处理方法。仿真实验表明,该方法效果良好且简便易行,是一种有效的语音增强技术。     

基于子波变换的语音去噪方法

本文在分析了随机噪声的子波变换系数在不同尺度上的传递特性和噪声信号奇异性与子波模极大值的关系后,提出了用一个尺度间变化的门限阈值来抑制带噪语音信号在不同尺度上噪声子波系数,从而实现在重构语音信号中消除噪声的目的。文中还给出了不同信噪比语音信号的子波去噪的计算机仿真结果,从结果上看出,本文的方法有较好的语音去噪、增强效果。     

改进小波阈值在红外热波无损检测中的应用

近二十年来红外热波无损检测技术迅速发展,并在较多领域都得到了普遍应用,但碍于其易受环境影响和工作元件不均匀的特殊性,非制冷红外热像仪原始热波图总存在一定程度的噪声污染,因此对原始热波图进行去噪处理是该技术的关键步骤。传统的改进小波阈值去噪方法局限于对阈值进行自适应分解尺度的改造,使阈值函数平滑连续保真。在噪声方差估计方面没有针对性的方法,而噪声的方差估计是阈值的关键变量,这决定了小波阈值去噪的效果。本文将根据红外图像噪声特性建立混合噪声模型,在噪声模型的基础上进行噪声方差估计、改进阈值及阈值函数,通过软件获取最佳函数参数,最后对仿真模拟结果进行分析,对真实图像进行处理评价,结果表明经改进后的小波阈值去噪方法相对于传统阈值去噪方法和部分滤波去噪方法具有更好的去噪效果。     

一种基于子波变换的水声被动信号去噪方法

根据水声被动信号的特点,采用二进子波变换理论,对水声被动信号进行多尺度分解,在子波变换的时频域对各分量进行分时分频相关分析和加权处理,然后通过子波反变换算恢复出目标信号的时域分布。最后经舰船辐射噪声信号的去噪实验验证,表明该方法对水声被动信号的去噪具有良好的效果。     

基于小波变换的分层阈值去噪算法研究

在研究各种软硬阈值噪声滤除方法的基础上,考虑到噪声能量在不同尺度、不同方向上的高频系数分布不同,提出了一种基于非线性小波变换的分层阈值去噪方法。该方法与全局阈值去噪相比较,具有更好的视觉效果和更高的峰值信噪比。文章方法与全局软硬阈值去噪处理的峰值信噪比和均方误差进行对比,可以看出,文章方法具有更好的去噪效果。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

一种改进的小波变换阈值去噪方法

Donoho等提出了一种基于小波变换的阈值去噪方法,这种方法在信号去噪及数据压缩等领域得到了广泛的应用。但是,Donoho设计的阈值处理方法对脉冲噪声的抑制效果不明显,因此在脉冲噪声存在的情况下,Donoho的阈值处理方法受到了限制。本文在Donoho方法基础上,设计了一种改进的阈值去噪方法,该方法对一大类的噪声信号有效,特别在保护信号边缘的同时去除脉冲噪声方面表现出了很好的特性。实验结果证实了该方法的有效性。     

修正阈值的经验模态分解去噪算法研究

针对传统的经验模态分解(EMD)降噪方法容易丢失高频部分有用信号的不足,提出了一种修正阈值的EMD去噪方法。通过考察每个IMF的平滑度来判断其中噪声强度并以此修正用传统方法求得的阈值,再用修正的阈值对IMF进行阈值处理,实现对每个IMF的降噪,进而实现信号去噪的目的。在Matlab构造的超声信号的模型中分别添加3种不同强度的噪声模拟实际的噪声干扰,并进行去噪实验,结果表明修正阈值的EMD去噪方法对不同噪声环境下超声信号均有理想的去噪效果。     

一种小波阈值函数的CDMA信号去噪研究

噪声是影响CDMA系统检测概率的重要因素,针对软、硬阈值函数去噪法与最新的3种改进小波阈值去噪法对信号去噪效果进行对比性研究,在此基础上对小波阈值去噪方法中的阈值函数进行改进.用各种阈值函数对带高斯白噪声的方波输入信号进行去噪的仿真实验,分析其均方误差和信噪比,结果表明本文的阈值函数能够提高去噪信噪比和降低均方误差.     

一种高效的小波变换去噪方法

小波变换用于图像去噪的思想已经提出了很久,然而前人所提出的这种方法对于去噪的效果并不理想。图 像经这种小波变换去噪后,纹理特征被弱化,图像的边缘出现较明显的Gibbs效应,图像变模糊。针对以上问题,本文提 出了一种高效的小波变换去噪方法(HPID)。此去噪方法是基于小波变换的新方法,与经典的小波去噪方法不同,该方法不 依赖图像大小来判定去噪门限,不需方差信息,且适用于不同类型噪声。采用本方法处理的噪声图像与经典方法相比,不 仅消除了Gibbs效应,而且图像的边缘信息更清晰,纹理特征增强,去噪能力得到改善。     

局部高斯尺度混合模型的傅里叶-小波图像降噪

提出了一种基于局部高斯尺度混合统计模型的傅里叶-小波图像降噪方法.所提出的降噪方法综合了两者的优点,考虑到噪声小波系数间的相关性,小波系数统计特性通过局部高斯尺度混合统计模型来刻画.实验结果表明,此法可有效去除噪声,并且能够克服传统的小波去噪效果与选用的小波基函数相关的局限性,和其他方法相比,无论从视觉上还是峰值信噪比上比较,此方法降噪效果明显较好.     

基于小波分析的视频图像字符特征提取方法研究

文章提出了一种基于小波变换的字符小波特征向量提取方法。通过对字符图像的小波分解子图求取风格特征向量，构造出字符的小波特征向量。该特征反映了图像字符结构特征和统计特征的综合信息，特征向量稳定、简单、算法快，且特征提取方法具有类人视觉特点。     

基于改进阈值消噪算法的小波包降噪

小波变换是一种把时间和频率结合起来的时频分析方法,D.L.Dohono在小波变换的基础上提出了小波软、硬阈值消噪法,此方法简单有效,得到了广泛的重视和研究。在经典的小波软、硬阈值消噪方法的基础上,提出了一种基于小波包分析的改进方法。Matlab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,而且其消噪效果比小波消噪方法要好。     

A variational method for designing adaptive bandlimited wavelets

This paper proposes a new method of estimating an orthogonal bounded spectrum wavelet from a given signal. The method is based on minimizing the distance of the wavelet and the given signal in the sense of the metric of the L ² space. In this method, the amplitude and phase of the mother wavelet are optimized simultaneously. The Lagrange multipliers technique is applied to consider the constraints due to the bounded spectrum wavelet and orthogonality conditions. The variational method reduced the optimal matching problem to the solution of a set of functional equations for the amplitude and phase of the optimal-matched bandlimited wavelet spectrum. Continuous functional equations are written with respect to Fourier coefficients of phase of transfer function of the quadrate low-pass filter at the sampled frequencies, and asset of discrete algebraic equations allows us to design the wavelet directly from the signal of interest. To demonstrate the performance of the presented method in this paper, it is employed to determine the matched wavelets of some specified signals.     

基于对偶树复数小波变换的邻域自适应的图像降噪

该文提出一种新的基于对偶树复数小波变换的邻域自适应的图像降噪方法,它是现存的NeighShrink降噪方法的改进.该文运用Stein的无偏风险估计,在小波域每一个子带为NeighShrink方法确定一个最优的阈值和邻域窗口,并将NeighShrink方法从正交的小波变换推广到对偶树复数小波变换.实验结果证实,该文方法比当前基于小波的最具竞争力的图像降噪方法取得了更好的降噪效果.     

Adaptive Nonseparable Wavelet Transform via Lifting and its Application to Content-Based Image Retrieval

We present in this paper a novel way to adapt a multidimensional wavelet filter bank, based on the nonseparable lifting scheme framework, to any specific problem. It allows the design of filter banks with a desired number of degrees of freedom, while controlling the number of vanishing moments of the primal wavelet (mathtilde N? moments) and of the dual wavelet ( N? moments). The prediction and update filters, in the lifting scheme based filter banks, are defined as Neville filters of order mathtilde N? and N? , respectively. However, in order to introduce some degrees of freedom in the design, these filters are not defined as the simplest Neville filters. The proposed method is convenient: the same algorithm is used whatever the dimensionality of the signal, and whatever the lattice used. The method is applied to content-based image retrieval (CBIR): an image signature is derived from this new adaptive nonseparable wavelet transform. The method is evaluated on four image databases and compared to a similar CBIR system, based on an adaptive separable wavelet transform. The mean precision at five of the nonseparable wavelet based system is notably higher on three out of the four databases, and comparable on the other one. The proposed method also compares favorably with the dual-tree complex wavelet transform, an overcomplete nonseparable wavelet transform.     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

A NEW DE-NOISING METHOD BASED ON 3-BAND WAVELET AND NONPARAMETRIC ADAPTIVE ESTIMATION

Wavelet de-noising has been well known as an important method of signal de-noising. Recently,most of the research efforts about wavelet de-noising focus on how to select the threshold,where Donoho method is applied widely. Compared with traditional 2-band wavelet,3-band wavelet has advantages in many aspects. According to this theory,an adaptive signal de-noising method in 3-band wavelet domain based on nonparametric adaptive estimation is proposed. The experimental results show that in 3-band wavelet domain,the proposed method represents better characteristics than Donoho method in protecting detail and improving the signal-to-noise ratio of reconstruction signal.     

磁共振图像阀值去噪方法研究

磁共振成像已成为脑功能病理和解剖研究的主要手段，是医学影像学领域中最活跃的技术。由于在成像过程中复杂的电磁场环境容易受到人体热噪声干扰，使得磁共振图像去噪成为很重要的研究热点。小波分析具有多尺度分辨和去相关性等特点，在去除被白噪声污染的磁共振图像方面得到了广泛应用。但磁共振图像经传统的小波分析去噪后，细节信息部分丢失，图像的边缘变得模糊．针时这些问题，时经典的小波阀值去噪方法进行了改进，将关键参数取值与预估计联系起来，将阀值的选定与图像的局部特征结合起来，提出一种灵活的、自适应的去噪新方法。与经典方法相比，采用本方法处理的噪声图像去噪后图像的细节更丰富，边缘信息完善，视觉效果更好。