一种球坐标系下小波收缩去噪新算法

基于Besov空间范数理论提出一个新的球坐标下的自适应收缩阈值,并将小波域上的多尺度积推广到球坐标下,充分利用尺度间小波系数的相关性。最后,提出了一种新的自适应曲线收缩函数,此函数有一定的边缘增强效果。根据球坐标下图像的统计特性,用新的收缩阈值和新的收缩函数进行去噪处理。仿真实验分别从峰值信噪比(PSNR)、均方误差(MSE)和运行时间上进行评估,确立了最佳分解尺度,并且与其它算法相比,提高了PSNR,而且具有运算简单、运算量小的优点。     

基于改进阈值函数的小波去噪算法研究

针对现有的小波阈值函数在阈值邻域内不具有高阶可导性,小波系数收缩缺乏灵活性,在此构造了一种具有过渡临界区域和收缩调和参数的阈值函数。根据白噪声的概率密度分布和滤波阈值的估计值确定过渡临界区域,细化阈值邻域内小波系数的处理。通过收缩调和参数调整小波系数的收缩程度,以提高滤波信号的信噪比。实验结果表明,在此构造的小波阈值函数能够在消噪和保留原有信号的弱特征之间获得较好的平衡,从而改善小波阈值滤波算法的性能。     

基于改进协同量子粒子群的小波去噪分析研究

小波阈值函数中,因信号之间的不连续性及小波估计系数与原信号的小波系数存在误差等原因,图像无法得到最优还原.为此提出一种基于改进协同量子粒子群算法优化小波函数的去噪方法.该方法在协同量子粒子群优化(CQPSO)算法的基础上引入了自适应收缩扩张因子,用改进的协同量子粒子群算法优化小波阈值函数中的调节因子和阈值.仿真图像和数...     

改进的小波域阈值滤波算法用于音频信号处理

在对音频信号进行去噪处理时,要应用具有时频转换分析能力的小波变换。在Donoho提出的小波域阈值算法的基础上,针对选取阈值时并未考虑分解尺度造成滤波效果差这一缺点,提出了一种基于分解尺度来确定阈值并根据相邻高频系数图的比较来确定最优分解尺度的改进算法。经过实际信号的仿真表明,改进后的算法可以有效地去除噪声干扰,在信噪比上也明显优于原算法。     

一种基于非下采样Contourlet变换的去噪算法

文章提出了一种新的去噪算法,算法是基于非下采样Contourlet变换(NSCT)的自适应阈值。首先需要对含噪图像进行非下采样Contourlet变换,然后得到各个尺度各个方向子带的系数。为了克服软、硬阈值函数的缺点,提出了一种自适应的新阈值函数。仿真实验表明,文章方法在峰值信噪比(PSNR)、信噪比(SNR)、均方误差(MSE)与视觉效果上均优于其他去噪算法。     

一种自适应多尺度积阈值的图像去噪算法

该文提出了平稳小波变换(Stationary Wavelet Transform, SWT )域自适应多尺度积阈值的图像去噪算法(SWT domain Multiscale Products, SWTMP)。与传统的阈值去噪算法不同,该阈值不是直接作用于小波系数,而是作用于小波系数的空间多尺度积。分析了SWT域含噪图像多尺度积的特点,提出了SWT域自适应多尺度积阈值的计算方法。多尺度积强化了图像的重要结构信息,弱化了噪声,在有效去噪的同时更多地保留了图像的边缘和细节。实验结果表明,所提算法对自然图像去噪后的视觉效果和性能指标均好于二进小波域多尺度积阈值(Adaptive Multiscale Products Thresholding, AMPT)去噪方法。     

改进小波阈值函数的语音增强算法研究

在小波阈值语音增强算法中,阈值函数是一个重要的部分,其直接决定着语音增强效果的好坏,但现存的阈值函数存在着不连续、计算复杂、不同分解层函数形式固定等问题。为了解决上述问题,本文提出了一种可根据小波分解尺度自适应调整,同时具有调整参数的改进连续阈值函数。该阈值函数在小波域对带噪语音信号的小波系数进行处理,通过遗传算法获取最优解,重构处理后的最优小波系数得到增强的语音信号。本文在仿真与真实环境下进行了实验,改进的阈值函数较传统的阈值函数在信噪比、均方误差以及语音信号主观评价三个方面均得到了提升。实验结果表明,改进小波阈值函数的语音增强算法能有效提升语音信号的可懂度和整体质量。      

一种改进的小波阈值去噪算法

为了有效滤除信号中的噪声,在提出的软、硬阈值函数去噪方法的基础上,结合已有的改进小波阈值去噪算法,新构造一种小波阈值函数。文中新构造的阈值函数结合软、硬阈值函数的优点,有较好的降噪效果和灵活性。通过Matlab仿真对比几种算法的信噪比(SNR)和均方误差(MSE)去噪指标,结果表明,新构造阈值函数的去噪指标优于传统阈值函数,具有一定的实用价值。     

一种基于连续小波阈值的图像去噪新算法

基于图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。对比传统的硬阈值、软阈值去噪算法,介绍了新阈值函数的原理,推导了算法公式。该阈值函数连续、可导。实验结果表明,利用新阈值函数进行图像去噪,能够有效地抑制图像噪声及马赛克效应。     

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。     

基于SURE无偏估计的自适应小波阈值去噪

本文在D.L.Dohono提出的小波阈值去噪的基础上,提出了一种新的阈值函数,与原来的分段阈值函数相比,此函数具有明显优点,表达式简单易于计算,连续可微,易于求导.此函数的这些优点为实现信号的自适应去噪提供了可能.本文应用此阈值函数,基于SURE无偏估计,给出了一种自适应去噪方法.并用受污染的blocks、bumps、heavy sine、doppler等典型信号做实验,实验结果显示此方法能在最小均方误差(MSE)意义上收敛,而且其最小均方误差优于其他文献中的阈值去噪的方法.     

Spatially adaptive wavelet thresholding with context modeling forimage denoising

The method of wavelet thresholding for removing noise, or denoising, has been researched extensively due to its effectiveness and simplicity. Much of the literature has focused on developing the best uniform threshold or best basis selection. However, not much has been done to make the threshold values adaptive to the spatially changing statistics of images. Such adaptivity can improve the wavelet thresholding performance because it allows additional local information of the image (such as the identification of smooth or edge regions) to be incorporated into the algorithm. This work proposes a spatially adaptive wavelet thresholding method based on context modeling, a common technique used in image compression to adapt the coder to changing image characteristics. Each wavelet coefficient is modeled as a random variable of a generalized Gaussian distribution with an unknown parameter. Context modeling is used to estimate the parameter for each coefficient, which is then used to adapt the thresholding strategy. This spatially adaptive thresholding is extended to the overcomplete wavelet expansion, which yields better results than the orthogonal transform. Experimental results show that spatially adaptive wavelet thresholding yields significantly superior image quality and lower MSE than the best uniform thresholding with the original image assumed known.     

小波域中的维纳滤波法在星图降噪中的应用

小波阈值降噪法是一种简单而有效的方法．在图像降噪处理中广泛使用。但对于任意信号，在MSE意义上的最优信号估计是Wiener滤波器，在此基础上提出了一种基于小波域上的经验Wiener滤波器的设计方法，并应用在星图降噪中，实验结果表明，此方法比一般小波阈值降噪法的效果好得多。     

一种基于尺度相关的小波图像去噪方法

本文根据信号与噪声在小波变换下表现出的不同的传播性质,提出了一种基于空域相关的图像去噪方法。该方法通过计算相邻尺度小波系数乘积的累积直方图,确定阈值,再通过利用改进的阈值函数对小波系数进行阈值处理。通过试验结果表明,本文的算法在有效去除噪声的同时,能够较好的保留图像的细节信息。     

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。     

Efficient image denoising method based on a new adaptive wavelet packet thresholding function

This paper proposes a statistically optimum adaptive wavelet packet (WP) thresholding function for image denoising based on the generalized Gaussian distribution. It applies computationally efficient multilevel WP decomposition to noisy images to obtain the best tree or optimal wavelet basis, utilizing Shannon entropy. It selects an adaptive threshold value which is level and subband dependent based on analyzing the statistical parameters of subband coefficients. In the utilized thresholding function, which is based on a maximum a posteriori estimate, the modified version of dominant coefficients was estimated by optimal linear interpolation between each coefficient and the mean value of the corresponding subband. Experimental results, on several test images under different noise intensity conditions, show that the proposed algorithm, called OLI-Shrink, yields better peak signal noise ratio and superior visual image quality-measured by universal image quality index-compared to standard denoising methods, especially in the presence of high noise intensity. It also outperforms some of the best state-of-the-art wavelet-based denoising techniques.     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

Image denoising and quality measurements by using filtering and wavelet based techniques

An image is often corrupted by noise in its acquisition and transmission by various kinds of noises. Image denoising using thresholding methods find appropriate values (threshold) which separates noise values to actual image values without affecting the significant features of the image. Wavelet transform represents image energy in compact form and representation helps in determining threshold between noisy features and important image feature. In this paper we have worked with denoising of salt–pepper and Gaussian noise. The work is organized in four steps as follows: (1) image is denoised by filtering method, (2) image is denoised by wavelet based techniques using thresholding, (3) hard thresholding and filtering method applied simultaneously on noisy image, (4) results of PSNR (peak signal to noise ratio) and MSE (mean square error) are calculated by comparing all cases.