基于多重小波变换与新阈值函数的去噪方法研究*

基于小波分析的特点,提出了一种对信号数据进行多重小波变换阈值去噪的方法。新的阈值函数的构造是在研究D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上完成的。与传统的软硬阈值函数相比,新阈值函数在整个定义域内统一定义,表达式简单易于计算,与软阈值函数一样具有连续性,而且是高阶可导的,便于进行各种数学处理,克服了硬阈值函数不连续、软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺点。仿真实验结果表明,采用新的阈值函数的去噪效果在信噪比增益和最小均方误差意义上均优于传统的软     

基于一种新阈值函数的小波医学图像去噪

在多分辨分析小波阈值去噪方法的基础上,介绍了一种改进的阈值函数。该阈值函数既克服了硬阈值函数不连续的缺点,,又减小了软阈值函数中的估计小波系数与分解小波系数之间存在的恒定偏差。仿真实验的结果表明,该阈值函数较其他阈值函数具有明显的优越性。     

一种改进的小波阈值信号去噪方法

为了克服硬阈值函数不连续,软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,更好的改进滤波效果,提高去噪质量.通过对硬软阈值去噪方法的分析,比较了硬软阈值去噪的方法,构造了一个新的阈值函数.新闭值函数表达式简单易于计算,克服了硬软阈值的缺点,而且是高阶可导的,便于进行各种数学处理.仿真结果表明:无论是视觉效果,还是信噪比增益和最小均方差均优于传统的硬软阈值方法.仿真试验证实了该改进方案的有效性和优越性.这种方法可以广泛应用于电力系统、语音信号去噪等领域.     

小波去噪中软硬阈值的一种改良折衷法

在小波域中分析了传统软阈值法和硬阈值法的特点,并在标准软硬阈值折衷法的基础上,提出了一种软硬阈值改良折衷法.与标准软硬阈值折衷法相比,其阈值函数具有更加灵活多变的形式,便于进行各种数学处理;与传统软阈值法和硬阈值法相比,它克服了硬阈值函数不连续的缺点,减小了软阈值函数中的估计小波系数与分解小波系数之间存在的恒定偏差.仿真实验结果表明,该改良方法的去噪性能优于传统软阈值法、硬阈值法、标准软硬阈值折衷法及一些现有的新阈值函数法.     

基于噪声方差小波阈值去噪算法研究

为了克服小波阈值去噪中硬阈值小波系数不连续和软阈值估计小波系数与分解小波系数之间恒定偏差的缺点,改进的阈值去噪方法被相继提出。文章根据高斯白噪声和信号在小波变换以后得到的小波系数呈现不同的特性,基于噪声方差提出一种新算法。最后通过MATLAB仿真验证该算法在信噪比、均方根误差、相关系数、信噪比增益4个去噪指标的效果。     

基于小波阈值改进算法的动调陀螺信号去噪

针对传统阈值函数对动调陀螺输出信号去除噪声存在阈值函数不连续或恒定偏差问题,在D.L.Donoho和I.M.John-stone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数;新阈值函数表达式简单易于计算,在对动调陀螺漂移信号去除噪声时,它既克服了硬阈值函数不连续的缺点,同时又克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,具有硬、软阈值函数不可比拟的灵活性;通过动调陀螺实测信号的实验表明,新阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于传统的去噪方法,具有较高的实用价值。     

一种具有自适应阈值的小波收缩去噪方法

小波收缩是一种非线性小波变换,这种算法的关键问题在于收缩算法中的收缩阈值和收缩函数(规则)。自适应理论是现代信号处理中强有力的工具。该文将自适应理论和传统的小波收缩算法相结合,提出了基于图像奇异特性自适应小波收缩"去噪"算法。该算法根据高频子带小波系数的均方根来确定最佳小波收缩阈值。阐明了最佳阈值与图像本身特性之间的关系。实验表明,该算法比一般软、硬阈值的小波收缩算法有更好的"去噪"效果,既克服硬阈值函数所产生的人为的噪声点和数学上不易处理等缺点,又避免了软阈值算法所带来的边缘模糊。从而进一步提高了图像的峰值信噪比,改善图像质量。     

基于邻域相关性新阈值函数的提升小波域信号降噪法

在小波阈值降噪中,在研究小波系数的软硬阈值处理方法的基础上,结合提升小波变换,提出了一种改进的基于邻域相关性的新型阈值函数．首先,介绍了提升小波阈值降噪的原理,再对新阈值函数的构造进行分析,新阈值函数有效地利用了小波系数之间的相关性,在小波系数的估计计算中考虑了邻域小波系数的大小．同时,采用改进的方法来确定降噪阈值．最后,进行降噪仿真实验,采用信噪比作为评定降噪结果的标准．仿真结果表明,新阈值函数降噪方法有效抑制了在信号奇异点附近产生的伪吉布斯现象,有较好的降噪效果．     

基于小波分析的自适应阈值改进算法

针对小波边缘检测阈值设定问题。本文提出了一种基于小波分析的改进阈值设定方法,采用一个矫正因子β来构造一个新的阈值函数,调整软硬阈值的恒定偏差。实验证明新阈值函数不但整体上连续性好而且在在克服硬阈值函数的不连续和软阈值函数在处理较大小波系数时总存在恒定偏差这两个不足的同时,又保留了软、硬阈值函数原有的优点。     

基于自适应小波阈值收缩算法的冲击消噪

冲击信号属于非平稳随机信号,在分析冲击信号之前信号消噪非常重要.基于Donoho提出的小波阈值收缩算法,提出了一种新的自适应于原信号的折中收缩函数.不同于经典阈值消噪算法,新算法克服了硬阈值算法造成的信号不连续的缺点,也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差.应用结果表明,自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果.     

自适应去噪函数性能研究

提出一种新自适应去噪函数。与经典的硬阈值函数与软阈值函数相比,此函数具有明显优点。首先,此函数表达式简单易于计算,连续并有无穷阶导数,便于进行各种数学处理;其次,本文证明了新函数具有收敛性、连续可导性及自适应性,为信号的自适应去噪提供了新的方法。仿真结果表明新函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的信噪比和更好的视觉效果,去噪后图像相对硬阈值函数去噪图像较光滑,相对软阈值函数去噪图像则更多地保留了图像边缘等局部特征,同时其均方误差最小,优于经典的两种阈值函数。     

改进的双变量收缩函数模型脑电信号消噪方法

针对传统小波消噪全局阈值处理独立性假设和双变量函数模型对没有父系数的最高层小波系数不做处理的缺陷,提出一种高密度离散小波变换中利用双变量收缩函数对脑电信号进行消噪的方法。子小波系数根据双变量函数实现局部自适应收缩处理。同时根据父系数趋于0时,阈值函数近似于软阈值函数,对最高尺度小波系数进行软阈值法消噪。从实际信号处理效果和客观定量指标两方面进行评价,结果表明这种改进算法都优于软阈值法、硬阈值法以及双变量收缩法。     

基于粒子群优化算法的小波阈值去噪方法研究

研究粒子群优化算法的特性,将其应用于小波域,对阈值进行寻优,并使用garrote阈值函数量化小波分解系数,而garrote阈值函数既克服了硬阈值函数的不连续性,也减小了软阈值函数存在的恒定偏差。实验仿真结果表明,提出的方法较传统方法具有更好的去噪效果。     

基于邻域相关性多阈值新函数寻优法的小波降噪分析

为了更好地获取噪声影响下的原有信号,在邻域小波系数收缩的NeighCoeff方法基础之上,提出了一种邻域相关性多阈值新函数的小波降噪方法.该方法根据小波系数之间的相关性,将邻域窗口内所有小波系数的平方和的大小划分为邻域硬阈值、邻域窗口阈值和邻域扩张阈值.将这些邻域阈值与修正的通用阈值相比较,来实现窗口尺寸的自适应调节和小波系数的保留或收缩,以此达到消噪的目的.此外新函数的收缩因子能够较好体现与被滤波噪声的相互关系,可以进一步提高消噪的精度.然后将多阈值函数与修正的全局阈值相结合,利用混沌粒子群对邻域扩张阈值参数γ和修正的全局阈值参数α进行寻优,以获取最优小波系数的重构信号.所提方法与其它阈值函数去噪方法相比,其仿真结果表明在信号信噪比、降低有用信号失真和抑制噪声等方面都有一定的提高.     

一种改进的小波阈值函数去噪方法

对比研究了D.L.Donoho和I.M.Johnstone提出的小波阈值去噪的硬阈值去噪法和软阈值去噪法的优点和缺点,并在此基础上构造了一个新的阈值函数,它克服了硬阈值处理方法在[λ]点处不连续及软阈值函数导数不连续的缺点,而且是高阶可导的,在实际应用时能够保留较大的小波系数,从而保留了尽可能多的信号,进而能够获得更好的去噪效果。仿真实验结果显示,新阈值函数可有效地抑制噪声,其去噪后的信噪比和均方根误差均优于软硬阈值函数以及已有的几种改进阈值函数,具有较高的实用价值。     

基于小波系数关系的图像去噪方法

为了在保留图像边缘信息的同时,尽可能地去除图像噪声,提出一种基于小波系数尺度间和尺度内关系的去噪方法。该方法使用小波系数的相关系数和邻域小波系数的平均幅值来分别表示小波系数的尺度间和尺度内关系,并以此来辨别出图像的边缘信息和噪声;同时提出了一种阈值函数来处理图像的小波系数。实验表明该方法能取得较高的信噪比,并能保存图像的一些细节信息。     

编码器光栅表面缺陷图像小波去噪

为了提高光栅表面缺陷图像的去噪效果,便于后续缺陷图像检测,通过改进阀值和阀值函数来实现对光栅表面缺陷图像的小波去噪。通过引入一个收缩因子来改进原阀值,得到各分解尺度上的新阀值,利用新阀值函数对各尺度上的小波高频系数进行阀值处理,经过小波逆变换得到去噪后的光栅表面缺陷图像。实验结果表明,该方法与硬、软阀值法相比,提高了峰值信噪比,较好地保留了缺陷图像的边缘等细节信息,增强了边缘对比度,且图像更平滑。     

新小波阈值函数在医学图像去噪中的应用

为了提高小波阈值去噪算法中的软阈值和硬阈值以及已有改进阈值函数存在的不足,提出了新的分层阈值函数的方法。该算法首先对噪声图像进行分解,从而得出小波系数。然后用改进的阈值函数对高频部分系数进行分层阈值处理。最后根据所得估计的小波系数在小波基的条件下,对图像进行重构,得到去噪后图像。该阈值函数具有优良的数学特性,通过对医学图像仿真实验结果表明,该算法去噪的效果无论是在视觉效果上,还是在均方差和信噪比性能分析上均优于常用的阈值函数,所以该算法在解决实际去噪问题中值得推广与应用。     

基于邻域阈值萎缩法的图像去噪方法的优化

小波域去噪是一种新兴的图像去噪方法,邻域阈值萎缩法是小波域阈值图像去噪方法中的一种,其原理是根据邻域窗口内所有小波系数的平方和的大小对该窗口中心的小波系数进行处理。提出一种优化改进的小波域图像去噪方法,该方法先用均方差准则的无偏估计,在小波域每一个子带确定一个最优的阈值和邻域窗口,然后引入一个细节增强因子P,采取映射方式优化邻域阈值萎缩法中小波系数收缩因子,最后通过小波系数的收缩估计得到真实系数的估计。通过实验证明,该方法取得了比邻域阈值萎缩法更高的PSNR值,同时对图像细节进行增强,得到了更佳的视觉效果。