基于自适应小波阈值函数的心电信号去噪

小波域去噪分析中，面对硬阈值函数不连续性在去噪过程中可能产生的振荡失真，软阈值函数在去噪过程中估计小波系数和分解小波系数之间的恒定偏差。提出了新的阈值函数，它连续性好且高阶可导，便于进行各种数学运算处理，能克服传统软硬阈值函数在去噪中的不足，达到更好去除噪声的效果。用新建的阈值函数对噪声信号进行仿真去噪，仿真实验数据表明，新阈值函数去噪效果优于传统的软硬阈值函数和一些现有的其它阈值函数法去噪。实验证明新的阈值函数实用可行。     

一种改进的小波阈值图像去噪综合模型

针对软、硬阈值函数去噪时存在过分平滑、边缘振荡和有恒定偏差的缺陷,在经典的小波软、硬阈值去噪方法的基础上,提出了一种新的小波阈值去噪的综合模型。新的阈值函数表达式简单且易于计算,通过调整控制系数,新阈值函数在图像去噪中不仅继承了传统软、硬阈值函数去噪的优越性,而且保留了更多的图像细节信息。实验结果表明,该方法无论在视觉效果上还是在峰值信噪比和均方误差定量指标上均取得了较好的去噪效果,充分体现出小波阈值图像去噪的优越性。     

基于平稳小波变换心音信号阈值去噪的对比分析磁

为研究去除心音信号中的环境噪声、工频噪声和肌电噪声等多种噪声,获得最优的心音去噪方法。论文基于平稳小波变换选取db5小波对心音信号进行3尺度分解,对分解后的高频系数分别选择了硬阈值函数以及软阈值函数,并对固定阈值、Stein无偏似然估计阈值、启发式阈值、极大极小阈值以及Penalized阈值进行了对比分析。通过去噪衡量指标对心音信号不同阈值以及阈值函数的去噪效果对比分析,硬阈值的去噪效果要好于软阈值的去噪效果,去噪效果最好的是S tein无偏似然估计阈值,有效地去除了参杂在心音信号中的多种噪声。     

基于离散平稳小波变换的心电信号去噪方法

提出一种基于离散平稳小波变换的心电信号噪声去除方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的阈值去噪方案。该方法有效克服传统离散正交小波变换去噪时容易产生Gibbs现象的问题,从而达到保持心电波形特征且抑制噪声的双重目的。     

基于提升小波改进阈值的雷达信号去噪方法

针对传统小波域阈值去噪的局限性和缺陷,提出了基于提升小波变换的改进阈值函数去噪新方法.通过提升小波变换提取含噪信号小波系数,并利用新阈值函数进行降噪处理.实验仿真结果表明,该方法运算速度快,能有效抑制噪声,信噪比和均方根误差性能均优于经典阈值函数和已有的两种改进阈值函数,在对雷达弱小目标的检测中有很好的应用价值.     

基于小波变换的图像去噪

与传统的傅里叶变换去噪相比，小波能去噪同时保留图像细节特征。针对较好的小波去噪，本文研究了小波阈值去噪的阈值函数选取，阈值大小确定和小波去噪方法。     

改进小波算法在滚动轴承故障诊断的应用

在滚动轴承故障诊断中,为了提高诊断的准确率,需要对振动信号进行去噪预处理。小波变换具有良好的时频布局分析能力,在滚动轴承此类非平稳信号的去噪处理中得到了广泛应用。但是传统的阈值函数存在一定问题,影响去噪效果。提出了一种新的小波阈值函数,削弱了传统软硬阈值函数的缺陷,并且与已有的几种改进函数的去噪结果进行对比,证明了上述方法有很高的准确性和有效性,其去噪后的信噪比和均方根误差均优于软硬阈值和其它改进的阈值函数。     

一种基于参数自整定的小波去噪算法研究北大核心CSCD

小波阈值去噪法因其算法简单、计算量小而广泛应用于信号去噪,提高了数据处理的精度和效率。为解决传统小波阈值去噪法中阈值函数连续性差或原始小波系数与估计的小波系数存在恒定偏差的问题,提出了一种基于参数自整定阈值函数的改进小波去噪算法。该方法采用指数平滑逼近对小波系数进行阈值处理,通过参数的自整定使其阈值函数能够很快逼近硬阈值函数曲线,并具有较好的连续性和更佳的阈值估计小波系数,从而使改进后的小波去噪算法具有更好的去噪效果。仿真实验结果表明:相比于传统的硬、软阈值去噪方法,改进后的小波去噪算法的去噪效果更优。     

基于LabVIEW的超声探伤信号多小波去噪分析与应用

根据超声探伤信号的多小波阈值去噪原理,针对硬阈值函数不连续和软阈函数存在恒定偏差的缺点,提出了一种改进的软阈值函数。针对目前LabVIEW没有对多小波算法支持的缺点和MATLAB强大的数值处理能力,利用LabVIEW和MATLAB混合编程技术,在LabVIEW中实现了超声探伤信号的多小波阈值去噪处理,并显示消噪波形、保存消噪数据和频谱分析,扩展了LabVIEW的多小波信号去噪功能。实验结果表明,多小波阈值去噪与单小波阈值相比,在超声探伤信号中起到更好的去噪效果,改进的软阈值函数比传统软阈值函数明显地提高了信噪比,能够更有效地提取缺陷信息。     

基于平稳小波变换的飞行数据去噪方法

为更有效地去除飞行数据中的噪声,分析了平稳小波变换的基本原理,将小波系数相关性与阈值收缩去噪方法相结合,提出一种基于系数相关性的改进阈值函数去噪方法。该方法采用平稳小波变换,先对小波系数进行相关性分析,而后使用改进的阈值函数对小波系数进行阈值处理,最后进行信号重构。实验结果表明:该方法不仅能够很好地保持信号的形状,而且信噪比较高、均方误差较小;在实际的飞行数据处理中能够获得较好的去噪效果。     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。     

基于矩形方向窗的小波域去噪方法

根据小波变换的特点,提出了一种新的局部邻域窗口选择方法——基于方向性的矩形窗口选择方法。对同一尺度不同子带选用不同方向的矩形窗口,并且不同尺度下窗口的大小也不同;对于多方向性的图像,使用双树复小波变换取代传统的离散小波变换。实验结果表明,将其应用于图像去噪,简单有效,并且可得到更高的峰值信噪比和更好的视觉效果。     

基于双树复小波变换的图像融合方法

为获得更好的融合效果,提出基于双树复小波变换的图像融合方法。双树复小波变换具有平移不变性、方向选择性等特点,适合进行图像融合,优于传统离散小波变换方法。给出多策略的融合规则,源图像小波变换后低频采用区域清晰度,高频采用区域标准差。灰度多聚焦图像和彩色多聚焦图像的融合实验测试以及评价指标的统计结果,表明了双树复小波变换方法的优势和所用融合规则的有效性。     

基于混沌的双重变换域数字图像扩频水印算法

提出了一种基于混沌的离散小波和离散余弦双重变换域数字图像扩频水印算法。算法采用二值图像作为水印,增加了嵌入的信息量。仿真结果表明,算法不仅具有较好的安全性、不可见性和鲁棒性,而且在水印的提取过程中不需要载体图像,在版权保护方面具有一定的应用价值。     

基于准三维变换的视频隐写算法

结合离散余弦变换(DCT)的能量压缩能力和离散小波变换(DWT)的多分辨率特性,提出一种基于准三维变换的视频隐写算法。该算法利用二维小波变换描述视频序列的帧内信息,通过一维离散余弦变换描述视频序列的帧间信息,从而有效利用视频序列的空间及时间冗余,将秘密信息嵌入在DCT系数的量化过程中,保证了视频序列的稳定性及秘密信息提取的准确性。实验结果表明,该算法具有较好的视觉不可见性与较高的嵌入容量,且可实现秘密信息的盲提取。     

基于曲波变换和小波变换的图像去噪算法

针对应用曲波变换进行图像处理过程中所产生的伪影现象,提出一种基于快速离散曲波变换和小波变换的联合去噪算法。对噪声图片分别采用非抽样小波变换和快速离散曲波变换进行去噪,并对经过快速离散曲波变换去噪后的图像进行四叉树分解,根据分解结果对图像进行重构得到最终融合图像。实验结果表明,联合去噪算法对图像的边缘和均匀区域都有较好的去噪效果,能够有效抑制伪影,具有较高的峰值信噪比。     

基于多分辨率和HVS的盲图像水印隐藏方法

文章提出了一种盲图像水印隐藏方法,结合了人类视觉系统（ ＨＶＳ）和图像的 ＤＷＴ多分辨分解,实验结果表明这个方法是有效的。     

基于奇异值分解的双重变换域图像水印算法

提出了一种基于奇异值分解的离散小波和离散余弦双重变换域数字图像水印算法。仿真结果表明,该算法不仅具有较好的水印不可见性,而且对常规攻击和几何攻击都具有较好的鲁棒性,且该算法采用灰度图像作为水印,增加了嵌入的信息量,在版权保护方面具有一定的应用价值。     

短时Fourier变换与小波变换的比较

本文首先介绍了短时Fourier变换和小波变换的基本概念，然后从离散变换与框架，正交基与多分辨分析等方面，对短时Fourier变换和小波变换作了分析比较，最后讨论了两者的适用范围和优劣评价。     

基于IWT和HVS的彩色图像盲水印算法

针对目前大多数图像水印技术是关于灰度图像并且基于离散小波变换的研究,提出了一种基于整型小波变换(Integer Wavelet Transform,IWT)将彩色数字水印嵌入到彩色宿主图像中的算法。采用YCbCr色彩空间的Y分量嵌入水印,利用人类视觉系统特性(Human Visual System,HVS)实现彩色水印嵌入位置的自适应确定;彩色水印的提取不需要原始水印和原始宿主图像。实验证明,嵌入水印后的图像具有很好的不易觉察性,并且对常见的图像处理操作具有很强的鲁棒性。