基于父系数及邻域系数的DTCWT图像去噪方法

目前小波变换（DWT）在图像去噪中的应用取得了较好的效果,但DWT不具有位移不变性和良好的方向性。而二维双树复数小波变换（DTCWT）由于具有良好的平移不变性和方向选择性,比传统的二维离散小波变换具有更好的图像去噪能力。根据基于当前系数与父系数及邻域系数间的关系,本文构造了DTCWT图像去噪阈值计算公式,提出了一种去噪声新方法PNDTCWT（Parental and neighboring coefficients of DTCWT）。该方法在对图像进行二维DTCWT变换后,利用阈值公式根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理。最后经过二维DTCWT反变换,得到去噪结果。实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法。和基于父系数的DTCWT去噪方法相比,PNDTCW的PSNR平均提高了0.5dB左右。从视觉效果来看,PNDTCW在去除噪声的同时,能较好的保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象。     

由双树复数小波变换的父系数及邻域系数实现图像去噪

考虑二维双树复数小波变换(DTCWT) 有良好的平移不变性和方向选择性,基于当前系数与父系数及邻域系数间的关系,构造了DTCWT图像去噪阈值计算公式,提出了一种去噪方法,PNDTCWT.该方法在对图像进行二维DTCWT变换后,利用阈值公式,根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理.最后,经过二维DTCWT反变换,得到去噪结果.实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法.与基于父系数的DTCWT去噪方法相比,PNDTCW的峰值信噪比(PSNR)平均提高了0.5 dB左右.从视觉效果来看,PNDTCW能在去噪的同时较好地保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象.     

基于Contourlet变换在图像去噪中的应用

Contourlet变换是小波变换的新发展,能更有效地捕捉图像中的几何结构。本文提出一种基于Contourlet变换的图像去噪方法。该方法通过对阈值去噪中的统一阈值和阈值函数进行分析,构造出一个新的阈值函数,新阈值函数在一定程度上改进了统一阈值"过扼杀"Con-tourlet系数的缺点,同时也使硬阈值去噪中出现的伪吉布斯现象得到解决。实验结果表明,本文采用的方法提高了去噪后图像的PSNR值,同时有效地保留了图像纹理信息,使视觉效果更好。     

应用小波域三维Context模型的视频图像去噪

提出了一种基于三维小波变换和分块Context模型的视频去噪新方法（3DWTBCM）。视频图像序列的各帧之间具有较强的相关性,在三维小波变换域内去噪可以很好地将这种相关性加以利用。根据视频图像三维小波分解域内系数和噪声分布的特征,利用小波系数具有局部相关性对小波系数进行分块,将系数分解成各个局部区域。再将Context模型用于局部块中,按照能量分布将块内的小波系数分成多个子块。对各部分进行能量估计和多阈值估计,获得去噪声最佳阈值,有效地消除噪声。实验结果表明,3DWTBCM的噪声抑制效果明显优于各种2D去噪声方法,和常用的3D去噪声方法,PSNR平均提高1.5dB以上。从视觉效果来看,本文算法在去除噪声的同时,能较好的保留运动图像细节,运动物体显得比较平滑,不存在传统算法中的拖影、闪烁等现象。     

驻极体麦克质量检测中图像信号背景去噪研究

小波图像去噪已经成为目前图像去噪的主要方法之一,介绍了基于小波变换系数门限值的去噪方法,并给出了4种不同的门限值确定规则,针对含有白噪声的驻极体麦克图像信号,通过选择合适的小波基和阈值进行去噪,取得了相对中值滤波和均值滤波更好的效果.     

驻极体麦克质量检测中图像信号背景去噪研究

小波图像去噪已经成为目前图像去噪的主要方法之一,介绍了基于小波变换系数门限值的去噪方法,并给出了4种不同的门限值确定规则,针对含有白噪声的驻极体麦克图像信号,通过选择合适的小波基和阈值进行去噪,取得了相对中值滤波和均值滤波更好的效果.     

超声波测距系统中的小波去噪方法研究

针对远距离超声波测距系统中回波信号信噪比低的问题,采用小波变换对超声波的回波信号进行去噪处理。为取得较好的去噪效果,对小波变换的参数选取进行了研究。根据小波基的特性,通过能量与能量熵选取最优小波基;基于回波信号噪声的白噪声特征,采用白噪声检验自适应确定分解层数;引入参考噪声信号,确定小波系数处理阈值,并选用一种结合软、硬阈值函数的改进阈值函数进行小波系数处理。为验证方法的有效性,搭建基于NI数据采集卡和LabVIEW的超声回波信号采集平台,利用MATLAB小波工具包完成回波信号的去噪处理,并通过信噪比、均方根误差等指标对去噪效果进行综合评判。实验表明小波去噪可以达到很好的去噪效果,为大量程超声测距提供理论基础。     

基于GCV准则的小波图像去噪方法研究

小波软阈值去噪的关键在于阈值的选择.常用的阈值计算方法主要针对噪声信号为不相关的情况,并需要对噪声方差进行估计.对于含有未知噪声的信号,提出一种GCV准则确定阈值的小波去噪方法,并证明该方法得到的阈值是一种渐近最优解.该方法与常用的基于固定阈值和SURE阈值的去噪法进行比较,结果表明,无论是肉眼观察还是利用均方差和信噪比进行客观评价,基于GCV准则的小波去噪方法可以在噪声未知的情况下,有效的去除信号噪声,并很好的保留信号的原始特征.     

一种具有边缘保持特性的超声图像小波域阈值去噪新方法

超声图像去噪是医学图像处理的研究热点之一,基于小波域阈值去噪技术及阈值选取方法的分析,提出一种新的医学超声图像小波域阈值去噪方法.这种方法采用半-软阈值去噪技术和广义交叉确认函数寻找阈值,在有效去噪的同时较好地保留了图像边缘细节.首先, 把对数超声图像小波分解;然后,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值,对所有的高频段采用半-软阈值去噪; 最后, 经小波反变换和指数变换获得去噪后的超声图像,文末对超声图像小波域阈值去噪方法作出定性比较,并对算法的去噪性能给出定量分析.仿真实验和实际测试结果表明此方法是有效的、可行的.     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

THEORY AND APPLICATION OF WAVELET ANALYSIS INSTRUMENT LIBRARY

Some new theory and algorithms on wavelet analysis are proposed, including continuous wavelet transform (CWT), discrete wavelet transform (DWT), wavelet package transform (WPT), wavelet denosing and mother wavelet selection, etc. Using the component-based hierarchy mode, the platform for virtual instrument (VI) is constructed, and the functions such as data sampling, data analysis and data present, etc are provided. Subsequently, the wavelet analysis library is designed and developed. The library consists of expert system, experienced database, development platform and abundant wavelet analysis functional module, which together implement general and special wavelet analysis in the field of mechanical engineering, energy source, transportation and biomedicine, etc. Finally, the wavelet analysis virtual instrument library is applied to detect fault called engine knock. Experimental result indicates that the wavelet analysis virtual instrument library can efficiently solve the engineering problem such as detecting engine knock.     

基于第二代小波变换的混合小波降噪方法

根据第二代小波变换的特点，提出一种自适应小波变换的框架，在此基础上提出一种混合小波降噪方法。预测时从一组预测器中选择一个最佳预测器以满足细节信号的特殊要求，更新时从一组更新器中选择一个最佳更新器以满足逼近信号的特殊要求，在每一尺度上构造了一个具有某种要求的小波。这种方法能够有效地抑制振动信号的高频干扰。     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

Multi-scale wavelet transform filtering of non-uniform pavement surface image background for automated pavement distress identification

Non-uniform background of pavement images results in difficulties when segmenting pavement images for pavement distress identification. A novel and fast non-uniform background removal algorithm based on multi-scale wavelet transform is presented. The algorithm uses multi-scale wavelet transform to decompose pavement image and then reconstructs image background using low-wavenumber components through inverse wavelet transform. Brightness of image background is then corrected to achieve uniform background pavement image. The multi-scale wavelet transform algorithm is compared with median filter algorithm and morphological closing algorithm. Experimental results show that the proposed algorithm possesses the advantage of extracting tiny cracks more effectively than the other two algorithms, demonstrating its suitability to be used in automated pavement distress segmentation and identification.     

基于Curvelet变换的遥感图像融合研究

Curvelet变换是继小波变换之后,更适合图像处理的一种新的多尺度变换分析方法,相比小波而言,它更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力,同时也具有很强的方向性.本文论述了Curvelet变换的理论和实现算法,基于考虑图像中的那些弱的边缘,提出了一种利用Curvelet变换进行遥感图像融合的方法.实验结果分析表明:将Curvelet变换引入图像融合,能够更好地提取原始图像特征,为融合图像提供更多信息,使融合图像在较好地保留光谱信息的同时,空间细节信息得到增强,优于典型的IHS变换、主分量变换及小波变换图像合方法.     

基于复小波变换相位谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法。利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换，再作相位的频谱分析，可以突出边频带结构，识别不同故障模式。试验数据的分析结果表明，该方法适用于齿轮故障诊断，与传统的自功率谱方法以及基于实值小波的小波变换方法相比，这种方法效果更好。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

方向小波变换在直线轮廓物体的边缘检测中的应用

直线轮廓物体的图像边缘往往呈现出一定的方向性规律,若采用能够突现方向性的边缘检测方法,则可以得到比较好边缘效果.随着小波变换在图像处理方面的应用日益广泛,小波变换也被更多地用于图像的边缘检测.但传统的小波变换没有反映出图像的方向特性,而方向小波变换既具有小波变换在信息处理中的优势也能反映出图像信号的方向性,因此,文中将其应用于实验图像的直线轮廓物体的边缘检测,得到了比较好的边缘图像.     

利用小波变换进行目标识别的方法研究

小波变换具有多分辨率的特点,并且这个特点呈Mallat塔形分解形式,这种分解方式和人们由粗到细,逐渐辨识图像的思维方式极其吻合.此外,小波变换还具有易于消除噪声、运算方便、能够体现图像特征点信息等优点,本文主要阐述一种基于小波变换这些众多优点上的目标图像识别方法.     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。