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．     

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.     

一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

自适应阈值的小波变换在纸病去噪中的应用

以图像噪声会影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出一种自适应阈值小波变换去噪方法．该方法根据含噪信号特性和信噪比,自适应地选择小波变换的最优分解层数和最佳软阂值,达到最优的降噪效果．仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波能有效地滤除噪声,同时还能较好地保护图像细节,使图像达到更好的视觉效果．     

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。     

基于小波变换的自适应阈值图像去噪技术研究

主要研究了基于小波变换的图像去噪技术在图像去噪过程中的阈值选择问题,对图像信号进行小波变换得到小波系数,选择合适阈值处理小波系数,再将处理后的小波系数经过小波逆变换得到重构后的去噪图像。仿真实验通过对基于小波变换的软阈值去噪、硬阈值去噪以及自适应阈值去噪方法对图像进行处理,达到对图像的降噪效果。仿真实验证明,基于小波变换的自适应阈值去噪技术去噪结果最优,能够清楚地保留图像中的细节,无锐化、过度平滑的现象,且它的信噪比、峰值信噪比的值为最大、均方误差的值最小,从而提升了图像的整体质量。     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换(DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪．通过对此信号进行频谱分布的分析，用Donoho的阈值去噪法去除高斯白噪声之后，根据小波变换的多分辨率思想，提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声，然后运用小波反变换来恢复内燃机瞬时转速信号的方法．实验结果表明，此方法能够较精确的去除噪声，恢复内燃机瞬时转速信号．     

基于自适应收缩因子的SAR图像去噪

针对合成孔径雷达 (SAR)图像固有的斑点噪声 ,提出了基于自适应收缩因子的去噪方法 .该方法首先将图像分解至平稳小波域 ,利用与信号相关小波系数的空间及尺度相关性 ,自适应地得到收缩因子 ,修正小波系数 .与基于Mallat分解的阈值去噪及Wiener滤波相比 ,该方法在有效抑制SAR图像噪声的同时 ,较好地保持了图像边缘细节 ,达到了理想的去噪效果     

小波变换与中值滤波耦合的雷达信号去噪法

为了提高雷达检测弱信号的能力，对它的去噪就显得非常重要。小波变换具有良好的局部化分析特性和多分辨率分析特性，中值滤波具有良好的边缘保持特性。它们都有一定的去噪能力，但对弱信号效果不好。提出了基于小波变换与中值滤波器耦合的雷达弱信号去噪方法，仿真结果表明，经过该方法去噪后弱信号的信噪比有较大提高。     

利用方向特性实现非下采样Contourlet变换阈值去噪

系数阈值是流行的去噪方法,其中阈值方式与大小的选择是一个重要的技术问题．依据非下采样Contourlet分解系数尺度内与尺度间的相关性,考虑到相同尺度内不同方向上系数分布的聚集性依赖图像自身发生变化,提出一种利用方向特性实现非下采样Contourlet变换阈值去噪策略．对于被加性高斯白噪声污染的图像,实验中将利用方向特性实现非下采样Contourlet变换阈值去噪策略方法与小波阈值去噪、Contourlet变换去噪方法和非下采样Contourlet变换去噪方法进行了比较,结果表明利用方向特性实现非下采样Contourlet变换阈值去噪策略的峰值信噪比结果相比这些方法平均高出0.5~3.3dB,在边缘特征方面保持了良好的视觉效果．     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

基于小波变换的去噪方法

分析了信号与噪声在小波变换下的不同特点,提出了基于小波变换的去噪方法,且将该去噪算法用算子加以描述,给出了具体实例。小波变硬阈值去噪法和软阈值去噪法的性能比较及仿真实验,表明基于小波变换的去噪方法是非常有效的。     

超小波多阈值估计的图像去噪新方法

为了能够更好的保留图像的有用信息,更精确的去除图像的噪声,提出了基于超小波多阈值的自适应图像去噪方法.该方法先通过超小波变换对图像进行多尺度,多方向分析,然后采用WindowShrink和BayesShrink相结合的去噪方法,充分利用原始图像和噪声的信息实现了图像的降噪处理.仿真结果表明,文中方法无论峰值信噪比还是去噪图像的效果都优于小波变换.     

Multi-level denoising and enhancement method based on wavelet transform for mine monitoring

Based on low illumination and a large number of mixed noises contained in coal mine, denoising with one method usually cannot achieve good results, so a multi-level image denoising method based on wavelet correlation relevant inter-scale is presented. Firstly, we used directional median filter to effectively reduce impulse noise in the spatial domain, which is the main cause of noise in mine. Secondly, we used a Wiener filtration method to mainly reduce the Gaussian noise, and then finally used a multi-wavelet transform to minimize the remaining noise of low-light images in the transform domain. This multi-level image noise reduction method combines spatial and transform domain denoising to enhance benefits, and effectively reduce impulse noise and Gaussian noise in a coal mine, while retaining good detailed image characteristics of the underground for improving quality of images with mixing noise and effective low-light environment.     

一种适合于边缘保存的混合噪声抑制方法

为了解决边缘检测和混合噪声抑制之间的矛盾,基于小波变换、图像边缘检测的高频能量保存(HFPP)方法和抑制加性高斯白噪声的互能量交叉(MPC)方法,提出了一种结合中值滤波和互能量交叉(M&MPC)方法.该方法主要基于中值滤波适合于冲激性噪声抑制,而小波滤波适合于加性高斯白噪声抑制的特点.模拟实验结果表明,HFPP方法可以很好地检测图像主要边缘,而利用M&MPC方法可以改进混合噪声的抑制能力,该方法可以在边缘检测精确度和混合噪声抑制之间达到最佳折衷.     

基于EMD和Hilbert变换的心电信号去噪方法

基于经验模态分解(EMD)和Hilbert变换理论,提出一种心电信号(ECG)去噪方法.经验模态分解法将任意信号分解为一组固有模态函数IMF,对于非白噪声层IMF的阈值选取,针对传统阈值去噪方法存在较大偏差的问题,提出利用各层IMF的平均频率和能量密度乘积来确定非白噪声层IMF的噪声水平.介绍了白噪声层IMF的检验方法,并给出了利用该方法以及小波阈值去噪方法对心电信号进行去噪处理的实验结果.     

基于曲波变换和快速非局部均值的地震数据随机噪声压制

在常规的地震勘探中,由于受到激发、接收环境或仪器等因素影响,地震数据中会不可避免地混杂随机噪声,导致有效信号被淹没,从而无法被清晰识别,因此随机噪声的压制至关重要。本次研究提出一种改进曲波变换阈值去噪结合快速非局部均值去除地震随机噪声的方法:首先将循环平移和块状复数域阈值方法引入到曲波变换阈值去噪中,改进传统的曲波阈值去噪方法,得到最佳去噪结果;然后将去除的噪声利用快速非局部均值方法进行滤波,得到有效信号;最后将上述两步得到的数据相加得到最终的去噪结果。将该方法与曲波变换阈值方法、小波阈值方法及快速非局部均值算法的去噪结果进行比较,模型试验和实际地震数据去噪效果表明,该方法去噪结果的信噪比更高,信号保真度更高。因此本文方法压制随机噪声的效果更佳。     

一种基于SVD分解的小波阈值降噪方法

针对小波软阈值消噪的缺点,探讨了一种基于奇异值分解(SVD)的离散小波去噪方法。该方法通过对每层小波分解细节系数进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在细节系数中的有用信号成分,最后进行小波重建,得到降噪信号。通过仿真实例的验证,表明该方法与小波阈值消噪法相比,在强噪声背景下,它提取出的信号特征成分更完整,信噪比更高。