基于改进阈值函数的小波阈值去噪算法

针对传统小波软、硬阈值函数以及现有部分文献所设计的阈值函数的不足,探索一种改进的小波阈值去噪算法.通过构造新的阈值函数,该函数具有更好的平滑性,并随着小波分解尺度变化而变化,因此有更好的适应性,且函数中不存在不确定参数,相应地提升了去噪稳定性.相比传统软、硬阈值函数方法,采用改进阈值函数去噪后信噪比(SNR)更大,均方差(MSE)更小,去噪效果更好.改进阈值函数的小波去噪算法更有优越性,具有较好的推广价值.     

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。     

基于新阈值函数的小波阈值去噪算法

小波基、分解层数、阈值和阈值函数是小波阈值去噪的关键性因素.针对小波基和分解层数的确定,提出了一个算法来实现;对于传统硬、软阈值函数的局限性和阈值函数在临界阈值处不存在平滑过渡区的现象,提出了一个参数化的新阈值函数,该阈值函数具有更高阶,通过灵活调节参数使之介于硬、软阈值函数之间,且兼具硬、软阈值函数的优点,并在临界阈值内添加平滑过渡区,可在阈值处理时保留一部分有用的高频信号,较好地抑制了细节系数的过扼杀和信号振荡现象.仿真结果表明:新阈值函数提高了去噪信号的信噪比,减小了均方误差,取得了较好的去噪效果.     

基于新阈值函数的小波去噪算法

分析了小波去噪的特点,针对软、硬阈值的缺陷,构造出一种新的阈值函数及阈值估计方法。新阈值函数连续可导并且新阈值估计方法具有优良的自适应性。仿真实验表明,该方法可以有效去除白噪声干扰,信噪比更高,均方根误差更小,且重构信号的近似性好。     

基于新阈值函数的小波去噪方法

小波阈值去噪是信号处理中一种重要的去噪方法,针对常用硬阈函数不连续的特点以及软阈值函数存在偏差的问题,提出了一种新的阈值处理方法,在matlab7．0中的仿真试验结果表明,新的阈值方法的去噪效果无论在视觉效果上,还是在信噪比和最小均方误差意义上均优于传统的硬阈值和软阈值。     

小波阈值去噪算法的新改进

在D.L.Donoho和I.M.Johnstone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。与传统的硬阈值、软阈值、半软阈值以及已有的改进阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。通过Heavisine和Droppler信号的仿真实验表明,新的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,均优于上述几种去噪方法,具有较高的实用价值。     

基于新阈值函数的小波阈去噪研究

构造一个新的阈值函数,与传统的软硬阈值函数相比,具有表达式简单、连续性好且高阶可导,便于进行各种数学处理。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硬阈值方法。     

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。     

新阈值函数下的小波阈值去噪

针对传统小波阈值去噪法中硬阈值函数不连续,软阈值函数有固定偏差的缺点,提出一种新的阈值函数。对Donoho的固定阈值进行改进,提出一种自适应的阈值。在Matlab环境中,分别进行了实验选取最优小波基,新阈值函数的最优参数以及新阈值函数与传统硬阈值函数,软阈值函数和折衷阈值函数的对比。实验结果表明,新的阈值函数能更有效地提高语音信号的信噪比,改进语音质量。     

基于新阈值函数的小波阈值去噪算法

针对硬阈值函数不连续和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,构造了一种新的阈值函数.同时,为了增强去噪效果,采用了模糊控制算法对新阈值函数中的参数进行实时、动态地调节.仿真结果表明:新阈值函数去除噪声效果良好,信噪比和均方根误差等性能指标较传统阈值法均有显著提高.     

基于改进阈值函数的小波变换图像去噪算法

针对传统硬阈值函数在阈值处的不连续、软阈值函数中小波系数与小波估计系数之间存在的恒定偏差问题,提出一种基于改进阈值函数的图像去噪算法。该算法结合改进阈值函数的优点,通过设置适当的调整参数动态选取固定阈值,增加调节因子来降低原小波系数和估计小波系数之间的恒定偏差,从而提高重构图像和原图像的逼近程度。改进后的阈值函数在阈值处满足连续性,同时满足函数的渐进性和高阶可导性。仿真结果表明,采用改进后的阈值函数进行图像去噪,视觉效果好,PSNR和SNR都提高了,MSE有所降低,去噪效果得到了优化。     

基于双局部阈值小波收缩的图像去噪算法

提出了一种基于双局部阈值的小波收缩的图像去噪算法。该算法利用小波系数的幅值、空间特性以及对噪声图像的分割,得到两个局部阈值：幅度阈值和空间阈值。利用这两个局部阈值（每个区域阈值不同）对小波系数做相应的“收缩”处理和重构,从而得到一个优质的去噪图像。该算法计算简单速度快,去噪效果明显,优于其他一些去噪算法。     

基于蜂群算法和新阈值函数的信号去噪算法

针对阈值和阈值函数的调节参数取值问题,提出一种基于人工蜂群优化算法的带参新阈值函数的信号去噪算法。首先,验证带参新阈值函数的连续性、高阶可微性、参数可调性;其次,根据最小均方误差（MSE）策略,利用人工蜂群优化算法优化各分解层的阈值和调整参数,得到最优去噪信号;最后,利用信噪比（SNR）、MSE指标验证信号的去噪效果。实验结果表明,人工蜂群优化算法选取的阈值参数和新小波阈值函数可以有效地对带噪信号去噪。     

基于Teager能量算子的改进阈值函数的去噪算法研究

针对传统阈值去噪中出现的信号与噪声小波包系数的混叠现象、阈值函数在阈值处不连续、小波包系数估计值与原始值存在恒定偏差等问题,提出了一种基于Teager能量算子的改进阈值函数的去噪算法。该算法首先对小波包分解后的小波包系数进行Teager能量算子的计算,使语音与噪声系数间的差异变大,利于阈值的选择;再对软、硬阈值函数导致的伪吉布斯效应、恒定偏差等问题进行改进,提出了一种改进的阈值函数,该函数不仅克服了常用函数的不连续性和恒定偏差问题,且具有更加优越的数学特性。实验结果显示,改进的算法信噪比提高且均方误差有所降低,表明了该算法在最大程度去除噪声的同时也避免了信号的失真,具有较高的实用价值。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

BOLD效应fMRI图像的自适应阈值小波去噪方法

利用基于BOLD（Blood Oxygenation Level Dependent）效应的fMRI图像和两室模型可以定量计算脑氧摄取分数（Oxygen Extraction Fraction,OEF）,在脑血管病的预测和诊断上有较大的临床应用价值。但由于BOLD效应fMRI图像的信噪比较低,研究并设计有效的BOLD效应fMRI图像去噪算法,从而提高OEF计算结果的准确性是急需解决的问题。因此,设计了基于贝叶斯估计的自适应阈值小波去噪方法对BOLD效应fMRI图像进行分析和去噪,并将结果图像应用于OEF值的计算。实验结果表明该方法能有效提高OEF计算结果的准确性。     

基于蜂群算法和带参阈值函数的图像去噪方法

针对小波阈值去噪方法中存在阈值选取困难和阈值函数量化效果差的缺陷,提出一种基于人工蜂群算法和带参阈值函数的图像去噪方法。首先,设计一个新的小波阈值函数,该函数具有连续性,高阶可微性和参数可调性,能够有效地解决硬阈值函数的不连续性和软阈值函数具有恒定偏差的问题。然后采用人工蜂群优化算法选取最优阈值,将其代入新小波阈值函数对带噪图像进行去噪处理。最后用MATLAB进行仿真实验,对比新阈值函数和传统阈值函数的去噪效果。实验结果表明：在图像去噪效果方面,提出的基于人工蜂群算法的新阈值函数明显优于传统阈值函数。