基于BM3D的钢板表面图像自适应去噪方法

为了解决传统BM3D算法的距离阈值选取无法自适应去除钢板图像中的噪声以改善图像质量的问题,提出了一种基于噪声估计和阈值函数的自适应BM3D去噪算法（TFBM3D）。先采用网格搜索法得到不同钢板缺陷图像在不同噪声强度下基础估计和最终估计的最佳阈值,再通过对比不同函数的拟合效果,最终确定基础估计的二次曲线阈值函数和最终估计的四次多项式阈值函数,并将噪声估计作为新算法前处理阶段。最后将新BM3D算法、原BM3D算法以及一些其他最新的去噪算法进行比较,试验结果表明,该算法在复原缺陷图像边缘和细节纹理上效果显著,在噪声标准差为30的条件下各缺陷图片去噪效果的PSNR值在33 dB以上、SSIM值在0.85以上,且残余图像中残余的存留细节更少,本文算法优于其他算法。     

基于双密度双树复小波变换的局域自适应图像去噪

提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。首先,分析了双密度双树复小波变换的原理及特点,给出了双变量收缩函数(BSF)的推导。然后,对噪声图像并行使用四个二维双密度离散小波变换,且行和列采用不同的滤波器组,实现对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理。用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪。实验结果表明：在噪声方差为30时,经该算法去噪后图像与噪声图像相比,获得最高的峰值信噪比增益达11.72dB,平均结构相似度最高增加2.7倍,复合峰值信噪比增益达11.68dB。且对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时保留更多的细节,去噪图像的视觉质量得到很大的改善。     

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.     

改进的小波变换系数相关去噪声方法

利用理论推导和算例分析了传统小波变换系数相关去噪方法的原理,指出该方法 只是相当于硬阈值方法,没有很好地利用信号和噪声的小波变换系数随尺度变化的性质;为此 ,改进了相关系数的定义,并提出了基于小波变换系数和相关系数局部能量的去噪方法。 仿真实例的结果表明,该方法比传统方法具有更好的去噪效果。     

改进的小波变换系数相关去噪方法

利用理论推导和算例分析了传统小波变换系数相关去噪方法的原理,指出该方法只是相当于硬阈值方法,没有很好地利用信号和噪声的小波变换系数随尺度变化的性质;为此,改进了相关系数的定义,并提出了基于小波变换系数和相关系数局部能量的去噪方法。仿真实例的结果表明,该方法比传统方法具有更好的去噪效果。     

基于3D SPIHT的高光谱图像压缩技术研究

高光谱图像作为一种三维图像,其海量数据给存储和传输带来了极大的困难,必须对其进行有效压缩。本文将三维多级树集合分裂（3D SPIHT）算法应用于高光谱图像的压缩。首先根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余,利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。通过采用整数小波和浮点小波分别进行无损和有损压缩仿真,实验结果表明,3D SPIHT算法有损压缩较好,且算法具有嵌入式、可伸缩性等优点,但无损压缩性能要逊于基于预测的方法。     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

基于平稳小波变换的X射线衍射信号消噪研究

讨论利用平稳小波变换进行X射线衍射信号消噪的方法,首先利用Haar小波将受噪声污染的X射线衍射信号进行多层平稳小波变换,利用小波变换的细节系数估计噪声均方差σ,选取阈值σ2lnN(N为细节系数长度),对小波分解的细节系数进行阈值处理,然后进行平稳小波逆变换重建信号,以达到对信号消噪和提纯。实验结果证明,这种去噪方法是非常有效的,它在消除噪声的同时保留了信号的奇异特征。     

复小波包域局部邻域窗口阈值SAR图像去噪

提出一种基于四树复小波包变换的局部窗口阈值SAR图像去噪新方法.该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪SAR图像分解成低频逼近子图和若干高频方向子图.通过对方向子图设置合理的阈值来确定最优复小波包基.在保留低频逼近子图复系数不变的同时,利用高频信号系数的邻域相关性和噪声方差随分解尺度增大而迅速衰减的特点,对最优基复小波包系数进行局部邻域窗口阈值收缩处理,从而实现降噪功能.实验结果表明,该方法计算效率高,在等视指数(ENL)、优点图(FOM)等指标上均优于传统的复小波变换、复小波包变换和Curvelet域HMT等去噪方法,能有效地抑制SAR图像斑点噪声的同时,对图像边缘和细节具有较好的保护能力.     

基于小波域统计模型的纸浆纤维图像去噪研究

在小波多尺度分析基础上，提出一种新的图像小波系数的白适应统计算法，并应用于纸浆纤维图像的去噪研究。将图像小波系数视为服从广义高斯分布（GGD）的随机变量模型，在小波软阈值去噪的基础上引入空间自适应阈值方法；将均值滤波算法应用于小波系数方差的边缘估计中，结合最大后验概率准则（MAP）进行参数估计以恢复噪音小波图像。该算法用于纸浆纤维图像的去噪，效果理想，同其它的图像去噪算法相比，它具有较高的峰值信噪比（PSNR）。     

斜拉桥健康监测信号改进小波相关降噪

为提高斜拉桥健康监测动态信号的降噪效果,针对传统小波相关降噪算法的缺陷,提出一种改进小波相关降噪算法。该算法将各层小波系数的主要能量周期作为相关检测邻域范围,并根据斜拉桥动态响应信号特征设置降噪阈值,最后采用一种全新的信号重构算法,得到降噪后的信号。将该算法与传统小波相关降噪和小波默认阈值降噪算法进行仿真试验比较,结果表明,改进小波相关降噪算法具有较好的降噪效果,能够应用于斜拉桥健康监测动态响应信号的降噪处理。     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

一种改进的小波包阈值去噪法在压缩机振动信号分析中的应用

结合变频涡旋压缩机振动小,噪声低的特点,利用一种改进阈值的小波包函数进行去噪处理,克服了硬阈值去噪不连续的缺点,同时还克服了软阈值函数去噪中的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。通过Matlab仿真分析比较了这3种去噪效果。     

基于小波包变换与神经网络的齿轮故障诊断方法

对齿轮箱故障诊断问题进行研究,由于齿轮的振动信号是非平稳信号,常规的齿轮特征提取方法难以从振动信号中提取有效故障特征信息。笔者采用小波包理论对齿轮振动信号应用db12小波进行多层分解后,从而对信号进行消噪,并对消噪后的信号进行小波包3层分解及系数重构,再次对各频段能量进行处理分析从而得到特征向量。最终应用归一化方法对特征向量处理后再结合RBF神经网络进行故障诊断,并且取得了良好的诊断效果。     

图像噪声可见性控制的脊波域自适应水印算法

研究脊波变换域稳健性数字水印嵌入问题,提出一种新颖的自适应乘性数字水印嵌入算法.将图像分块后对每块进行脊波变换,使变换系数能够分段线状表示图像中的边缘奇异性;通过分析脊波系数对不同纹理程度图像的分布特点,估计块内的噪声可见性.水印自适应嵌入到块内具有能量最大方向的脊波系数,并根据嵌入水印图像的视觉感知质量和分块能量最大方向不能改变的约束要求估计水印嵌入的强度缩放参数.水印的盲检测使用相关检测器.理论分析和实验结果表明所提出的水印算法具有较高的稳健性和不可见性.     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

一种改进的转子振动信号消噪方法研究

为提高转子振动信号消噪方法的性能,通过分析噪声成分和对应消噪方法的特点,提出了一种基于改进中值滤波与小波包消噪技术相结合的信号降噪新方法.该方法首先根据信号采样频率计算中值滤波器的窗口宽度,从而可以有效滤除含噪信号中的脉冲噪声和部分白噪声;然后再用阈值及其处理函数都经过改进的自适应小波包消噪方法去除残留在信号中的白噪声,最终得到信噪比提高的振动信号.通过仿真信号和转子实验振动信号的降噪处理,对新方法的性能进行了验证.降噪结果表明,该方法在有效消除混合复杂噪声对振动信号干扰的同时,保留了故障信号的细节特征,比一般的小波域中值滤波降噪方法更为有效.     

基于最大似然估计的小波阈值消噪技术及信号特征提取

小波阈值消噪技术是近十年来发展起来的一个新方法,它因具有强大的去噪能力而被迅速应用在许多领域。针对工程中常见的具有稀疏概率密度形式的信号,推出了基于最大似然估计准则的小波消噪方法,并以脉冲信号为例,通过与现有的小波阈值消噪作比较,证实了该方法的优越性。最后,将该方法用在识别齿轮裂纹特征,收到了很好的效果。     

基于正态反高斯模型的自适应小波消噪方法

提出一种基于正态反高斯分布模型局部逼近小波系数的降噪算法。该算法以db5小波作为振动信号的分解小波,对噪声信号进行分解。对于分解过程中包含大量噪声的小波系数,利用具有良好细节逼近性能的正态反高斯分布构造先验模型,在先验模型的基础上,运用贝叶斯最大后验概率估计从含噪的小波系数中估计出真实的小波系数。在后验估计的过程中,对于估计模型中的关键系数采用粒子群算法进行优化选取。利用估计的小波系数来重构信号,得到降噪后的信号。通过仿真实验和实际轴承的故障信号对该方法进行了验证,结果表明,该方法具有较好的降噪效果,可以有效的消除信号的噪声。