图像小波阈值去噪方法研究

该文介绍了小波阈值去噪的基本原理,描述了图像小波阈值法去噪的过程,并通过仿真实验结果比较了小波阈值去噪方法在选取不同阈值函数下的去噪效果,证明了小波阈值去噪法是一种非常有效的变换域图像去噪方法。     

图像小波阈值去噪方法研究

该文介绍了小波阈值去噪的基本原理,描述了图像小波阈值法去噪的过程,并通过仿真实验结果比较了小波阈值去噪方法在选取不同阈值函数下的去噪效果,证明了小波阈值去噪法是一种非常有效的变换域图像去噪方法。     

地震波形信号小波去噪研究

从小波变换的基本原理出发,讨论了如何选择合适的小波函数及适当的阈值,以实现非线性非平稳地震信号的去噪算法。利用多尺度小波分解对地震波形数据进行了分析,在MATLAB中实现了对地震信号的去噪算法。分析比较了基于傅里叶变换和基于小波变换的两种算法对实际地震信号的去噪效果。结果表明,对于非线性非平稳地震信号的噪声消减,小波变换去噪算法显著优于傅里叶变换去噪算法。     

固体发动机静强度试验应变数据的分析与处理

针对固体发动机静强度试验中,存在采集到的应变数据混有噪声或不同干扰信号,并且在某些恶劣工况下,会出现应变数据被噪声信号吞没的现象,研究了一种基于小波阈值去噪的信号分析处理方法.通过对固体发动机静强度试验应变数据的分析,利用傅里叶变换获得原始数据频率谱,采用低通滤波器与小波阈值去噪,对比数据分析情况显示低通滤波器能够在平稳信号领域很好的完成噪声处理,但对于突变数据采用小波阈值去噪法能够更加真实地表现数据特征.分析与处理结果表明,基于小波阈值去噪的信号分析处理方法能够有效解决试验中存在应变数据所受到的干扰现象,为固体发动机静强度试验数据分析与处理提供支持.     

小波变换在单片机信号去噪中的应用

在单片机系统工作环境中存在着各种噪声干扰，尽管已采取了一些抗干扰措施，但不可避免会有噪声进入系统。该文根据单片机系统中的信号特点，基于小波变换自动变焦功能，提出用小波变换对含噪信号进行去噪。基于小波变换的去噪是在对含噪信号进行分解的过程中，通过门限方法抽取有用信号的小波系数，然后重建而得以实现。仿真结果表明了在单片机控制系统中利用小波变换进行信号去噪的可行性和有效性。     

基于小波分析的电力信息通信过程不良数据辨识研究

传统的电力通信过程不良数据辨识方法的消噪能力较差,导致辨识效率较低。为此,本研究基于小波分析设计了新的电力信息通信过程不良数据辨识方法。根据小波变换的奇异性对电力信息通信过程进行局部奇异性检测,根据检测结果,结合神经网络算法区分正常数据和不良数据。然后采用软阈值和硬阈值去噪方法消除不良数据中的含噪信号,在计算噪声强度后,将某一尺度内的小波变换系数的平方由小到大排列,并计算似然估计向量,再根据向量中的最小值和最大值删除信号中的噪声部分。实验结果表明：该方法能够有效提高消噪能力、增强辨识效率。     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

提升小波和Savitzky-Golay滤波结合的近红外光谱去噪研究（英文）

在近红外光谱数据处理中,测得的近红外光谱数据不仅有被测样品的近红外特征光谱,还包含一些随机噪声,噪声的存在会影响后续光谱分析的准确性,为提高近红外光谱分析精度,需要对近红外光谱数据进行去噪处理。单一的提升小波去噪、小波去噪以及Savitzky-Golay滤波很难获得较好的去噪效果。因此提出将提升小波变换结合Savitzky-Golay滤波方法用于近红外光谱去噪,对降噪效果进行仿真与评估并与单一去噪方法进行对比。分别对添加随机噪声的1 467 nm近红外光谱进行单一小波去噪、提升小波去噪、Savitzky-Golay滤波以及提升小波变换结合Savitzky-Golay滤波进行去噪。实验结果显示所提出的方法去噪后的信噪比比单一三种去噪方法分别提高0.336 4、1.107 4、0.128 7,均方根误差分别降低0.002 6、0.009 1、0.001,表明所提方法能够有效去除近红外光谱中的噪声信息,并提高去噪的评估指标。     

数字全息再现图像散斑噪声消除新方法

为了消除数字全息再现像中存在的相干散斑噪声,在去除噪声并保留图像细节的基础上,提出了基于小波变换的边缘保持散斑噪声去噪方法;通过分析小波变换模极大值边缘检测和基于Neyman-Pearson准则的小波阈值去噪方法的原理,提出并应用了一种数字全息再现像散斑噪声去噪方法,利用小波模极大值方法获得边缘图像,通过基于Neyman-Pearson准则的小波阈值去噪,去噪后的图像与边缘图像合并后得到最终再现图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于小波与小波包的变速器故障特征提取

本文结合自适应小波变换滤波去噪方法与小渡阈值去噪方法,提出了一种可用于变速器故障振动信号去噪的双层滤波去噪算法.该算法的滤波过程分为两层,第一层滤波采用自适应小波变换滤波算法;第二层滤波采用经典的小波阈值去噪算法对信号进行二次去噪.最后,将去噪后的故障信号采用小波包进行了分解,并提取了小波包频带能量作为故障特征向量.     

Adaptive edge-preserving image denoising using wavelet transforms

Image denoising is a relevant issue found in diverse image processing and computer vision problems. It is a challenge to preserve important features, such as edges, corners and other sharp structures, during the denoising process. Wavelet transforms have been widely used for image denoising since they provide a suitable basis for separating noisy signal from the image signal. This paper describes a novel image denoising method based on wavelet transforms to preserve edges. The decomposition is performed by dividing the image into a set of blocks and transforming the data into the wavelet domain. An adaptive thresholding scheme based on edge strength is used to effectively reduce noise while preserving important features of the original image. Experimental results, compared to other approaches, demonstrate that the proposed method is suitable for different classes of images contaminated by Gaussian noise.     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法的优势,提出了一种新的去噪LWT-FLP去噪算法,首先利用提升小波对加速度计数据进行了多尺度变换,降低了原始数据的不平稳性;其次利用高频数据进行灰化处理,使原本无规律的数据体现出一定的规律性,可以有效提高FLP的预测精度。并对FBG传感器信号进行应用结果表明,提出的算法能够有效去除噪声对FBG传感器输出信号的影响,有效地证明了提出的LWT-FLP算法在去噪方面的优越性。通过与单一的算法进行去噪结果对比,验证了该算法的准确性,为传感器信号处理提供了一定的理论新方法。     

An adaptive edge-preserving image denoising technique using patch-based weighted-SVD filtering in wavelet domain

Image denoising has always been one of the standard problems in image processing and computer vision. It is always recommendable for a denoising method to preserve important image features, such as edges, corners, etc., during its execution. Image denoising methods based on wavelet transforms have been shown their excellence in providing an efficient edge-preserving image denoising, because they provide a suitable basis for separating noisy signal from the image signal. This paper presents a novel edge-preserving image denoising technique based on wavelet transforms. The wavelet domain representation of the noisy image is obtained through its multi-level decomposition into wavelet coefficients by applying a discrete wavelet transform. A patch-based weighted-SVD filtering technique is used to effectively reduce noise while preserving important features of the original image. Experimental results, compared to other approaches, demonstrate that the proposed method achieves very impressive gain in denoising performance.     

基于单尺度脊波变换的阈值滤波方法

分析了高斯白噪声在单尺度脊波域中的统计性质，提出了一种新的基于单尺度脊波变换的阈值滤波算法。仿真结果表明，这种算法不仅比传统基于小波变换的各种滤波算法有更高的PSNR值，而且能更好地保持图像细节。     

形态小波域声呐图像谱聚类去噪算法研究

针对声呐图像噪声污染严重的问题,在基于形态小波的声呐图像去噪方法中引入了谱聚类算法以实现低信噪比下图像的去噪.给出基于形态中点小波的声呐图像去嗓法,在此基础上引入谱聚类的概念,针对谱聚类能快速实现数据分类的特点,对形态中点小波分解后的高频小波系数进行分类,使得包含噪声与细节信号部分的小波系数得以分离.对分离后的两类小波...     

基于改进小波阈值法的图像去噪算法

图像去噪是图像处理中最基本、最重要的前期工作,本文提出一种基于衰减法的Garrote阈值函数,并将基于该改进阈值函数的小波阈值法用于图像去噪过程,最后通过MATLAB仿真实验验证了本文所提出算法的有效性.本文在分析小波阈值法对图像去噪效果影响的基础上,针对该去噪算法在去除噪声的同时也损失了一定量的图像细节信息的问题,改进了传统阈值函数未考虑阈值以下的小波系数可能含有图像细节信息而对阈值以下小波系数盲目置零的缺点,对Garrote阈值函数阈值以下的小波系数采取衰减方法,以保留更多的图像细节信息,并加入三个调整因子以提高其性能和灵活度,实验表明本文提出的改进小波阈值去噪算法能够有效地去除噪声,且能够保留大量的图像边缘及细节信息.     

基于平稳小波变换的SAR图像海岸线提取

阐述了一种利用平稳小波变换(SWT)从SAR图像中提取海岸线的方法。该方法首先利用基于局部统计特性的自适应滤波算法对SAR图像进行滤波,然后利用SWT对SAR图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索检测边缘点,最后利用阈值化和形态学方法对局部极大值图像进行细化处理。实验结果证明,这种方法是对于SAR图像海岸线提取是有效的。     

量子Haar小波变换算法设计及应用

设计了基于通用量子语言Q_language的量子Haar小波变换算法,该算法对于小波变换的应用和量子算法的完善具有重要的意义.分析了3个量子位Haar小波变换过程,给出了量子Haar小波变换算法的Q_language语言描述,并分析得出其时间和空间复杂度,然后给出了实现量子Haar小渡变换应用方法.     

基于独立分量分析的低压电力线信号去噪

针对低压电力线中的噪声,提出了一种运用独立分量分析原理对低压电力线信号进行消噪的方法,详细研究了低压电力线信道噪声特性以及独立分量分析原理,应用基于负熵的FASTICA算法对低压电力线信道载波进行去噪,并与小波去噪的效果进行了比较。实验结果表明,该去噪方法的去噪效果与小波去噪效果接近,其特色是通过电力线信号与噪声信号的盲源分离实现噪声去除,与小波去噪方法相比,该方法更简单容易、去噪效果好、自适应能力强。