基于小波域影响锥的小波萎缩去噪算法

信号的奇异点和不规则结构往往携带了一些重要的信息,而小波变换是检测信号奇异点和跳变沿的一种有效的工具。为了更好地从噪声污染的信号中消除干扰和保留信号原始特征,根据奇异点影响锥的范围和小波域模极大值线传播特性,提出了一种新的算法来寻找奇异点影响锥内的小波系数,并进行去噪处理。仿真实验表明：与传统的阈值去噪方法相比,该算法实现简单并且有着更好的滤波性能。     

模极大值与阈值决策融合的小波语音数据去噪方法 *

小波在时域、频域都具有表征信号局部特征的能力 ,对于语音数据的去噪 ,与其他方法比较具有优势 ,但是阈值的选择缺乏明确的指标。模极大值法保留幅度随尺度增加而增大的点 (对应于有用信号的极值点 )来达到去噪的目的 ,但将非极值处变换系数置零 ,造成信号损失。提出了一种变化模极大值与阈值决策相融合的去噪方法 ,有效地结合了两者的优点。经实验证明 ,该方法精度高、算法简单、计算速度快。     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

小波模极大值滤噪法在示波计时电位信号处理中的应用

将小波模极大值滤噪法用于处理含噪示波计时电位信号。研究了信号中有用信息频带大小和噪音频带大小对滤噪结果的影响。示波计时电位信号经小波模极大值滤噪法处理后，切口宽度和相对深度变化很小，切口相对深度的相对误差仅为1．3％。实验结果表明：该方法适合于对信号中有用信息频带较窄且位于低频的信号滤噪或有用信息频带与噪音频带(即有用信息的频率上限与噪音的频率下限)有一定差距的含噪信号中高频噪音的滤除。     

一种小波变换模极大值的扩散模型

遥感图像的噪声分析、评估和滤波一直是遥感图像处理的一个重要研究领域。近年来,基于非线性扩散模型的图像去噪方法因其在对图像进行去噪的同时,对图像的特征信息具有一定的保护作用而受到遥感图像应用领域的关注并成为研究热点。针对P-M方程和ALM模型在去除遥感高斯噪声时所存在的对图像强边缘附近的噪声难以去除和可能造成奇异点的模糊或丢失等问题,将小波变换模极大值进入到扩散模型中提出一种新的非线性扩散模型,并给出模型的离散化算法。该模型有效地克服了P-M模型和ALM模型在图像去噪过程中的不足,在有效去除噪声的同时,很好地保留了遥感图像的边缘和纹理细节信息。实验结果验证了所提出模型的有效性和稳定性。     

基于小波变换的磁记忆信号去噪方法研究

在利用小波变换对油库（站）输油管道的磁记忆检测信号进行消噪处理时，主要有三种方法，基于小波变换的非线性方法能够获得较理想的处理效果。本文详细介绍了基于该方法的信号处理原理，并重点介绍了影响消噪效果的三项因素。非线性方法在工程实践中取得了良好的效果。     

Blackman窗插值的小波模极大值去噪算法

提出了Blackman窗插值算法,通过Ad Hoc算法得到信号模极大值,利用Blackman窗对信号模极大值点进行插值,得到信号的估计小波系数进而依此小波系数直接重构信号。仿真结果表明,该算法具备了模极大值直接重构算法的快捷性和交替投影法的精确性,提高了信噪比,降低了失真度。     

信号处理中去噪算法的改进仿真

针对信号处理中交替投影法去噪计算量大的缺点,提出了改进方法,改进后的方法首先利用Ad hoc算法求出信号的模极大值,然后对模极大值点分段进行抛物线插值,从而得到信号的估计小波系数,最后利用估计小波系数重构信号,实现去噪的目的。仿真实验证明：该方法能有效去除噪声,与交替投影法相比,该算法在原理上更简单,程序实现更容易,去噪速度更快,是更加实用的方法,特别是便于用硬件实现。     

基于小波模极大值和Neyman-Pearson准则阈值的图像去噪

首先给出了2维噪声的小波变换特性,分析图像小波变换模的极大值与小波分解级数j和李氏指数之间的关系,指出如何确定和保护图像的边缘;接着阐述了基于软、硬阈值的图像正交小波变换去噪法,然后提出一种基于Neym an-Pearson准则的小波阈值的确定,从而又提出了一种基于小波模极大值和Neym an-Pearson准则阈值的图像去噪方法,解决了图像去噪和保护图像边缘这个“两难”问题。针对期望图像叠加了不规则噪声的假设,对几种去噪方法做了定性比较,并给出了去噪性能的定量分析,仿真结果表明,此方法能提高去噪后图像的信噪比,使评价原图像与去噪后的图像近似程度的方差和相对熵为最小,同时能很好地保留原始图像的边缘信息。     

基于阈值法的小波去噪算法研究

去噪方法是信号处理中讨论得最为广泛的问题之一.人们根据噪声的统计特征和频谱分布的规律,开发了多种多样的信号去噪方法.小波变换由于具有时频局部化特点及小波基选择的灵活性,为信号的去噪提供了新的解决途径.介绍了传统的硬阈值和软阅值方法及新的小波阈值处理方法,能有效地弥补硬、软阈值方法的不足,是硬、软阈值方法很好的一个改进方案.克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点.并以实例进行比较,展现出改进方法优越性.     

基于小波变换模极大值特征的多模医学图像融合算法研究

文章提出了一种基于小波变换模极大值特征的多模医学图像融合算法,将待融合的图像进行小波变换提取其模极大值特征,在特征域上根据小波变换模极大值的特征实施不同权重的加权融合计算,实施逆变换重建融合图像。并对人脑的MRI-PET图像进行了融合,实验结果表明该方法能有效地将解剖信息和功能信息融合在一起,并保留原始图像的解剖结构特征。     

基于小波极大模值的色谱噪声自适应滤除

利用小波模极大值理论提出了一种自适应滤除色谱噪声的算法。对带噪色谱信号小波分解获得不同分解层数上的模极大值点,利用信号与噪声的小波模极大值的衰减性显著差异,结合色谱谱图信号与非信号不同区域,根据同一序列点在不同层上的模值变化,区分出信号点与噪声点,再通过信号重组可得到滤噪后的色谱信号。实验结果表明,该算法不影响色谱峰峰高和峰位置,能有效地自适应降噪。     

一种基于领域阈值的小波图像去噪算法

为了去除图像中的噪声,文章利用图像分块的思想,结合阈值去噪法和最小均方误差估计(MMSE),给出了一种基于领域阈值的小波域图像去噪算法。该算法与经典的子带自适应阈值去噪法BayesShrink算法相比,本文算法在峰值信噪比和视觉效果上都好于BayesShrink算法。     

基于小波模极值的虹膜特征提取算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷.主要介绍了虹膜特征提取阶段一种常见的小波模极值算法,阐述了算法技术、解决方案和效果.     

基于小波变换的图像自适应阈值去噪算法

针对传统小波阈值去噪算法的不足,提出了一种新的自适应阈值去噪算法.该算法引入了一个新的阈值函数,利用GGD模型对小波子带内的系数进行建模,再根据小波子带系数的局部邻域信息进行方差估计,从而得到自适应最优阈值.实验结果表明,该算法在峰值信噪比和主观视觉效果上都比传统小波阈值去噪算法具有明显改善.     

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.     

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换，与传统小波包变换相比。在这种小波包变换中不管信号被分解多少层，每层分解得到的各频道序列长度始终与原始信号一致，利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法，但是由于小波包分解是对小波分解的结果作进一步细分，在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道，因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例，并与小波消噪的效果进行了对比，结果表明小波包有更优良的消噪效果。     

基于小波模极大值的信号奇异性检测

小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐.文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性.实验表明,该方法能有效的、实用的.     

基于小波变换和圆周期均值算法的InSAR干涉纹图噪声抑制

在分析InSAR干涉纹图特点的基础上,提出了一种基于小波变换和圆周期均值算法的干涉纹图噪声抑制方法,阐述了该方法的设计思想和具体算法实现步骤.利用德国欧洲空间局(ESA)提供的ERS-1/2串行SAR数据进行了实验,实验结果证明所提出方法不仅有效地抑制了干涉纹图中的噪声,而且很好地保留了干涉纹图中的边缘细节信息.