杂波抑制的分形处理:小波-多尺度自适应Kalman滤波

从杂波分形模型的角度,以基于小波变换和多尺度自适应Kalman滤波的方法,解决雷达信号处理中重要的杂波抑制问题。首先对接收信号作小波分解,利用小波系数建立状态方程和观测方程,用Kalman滤波对每一尺度估计分形杂波,然后从接收信号中减去估计得到的分形杂波,从而实现杂波抑制。仿真结果表明,基于小波变换和多尺度Kalman滤波的处理方法,能对分形杂波进行有效的估计分析,进而实现有效的抑制。     

基于Bior小波变换和中值滤波的图像去噪

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想,而小波变换可以较好地滤除高斯噪声。本文将Biorthogonal小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声。实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单纯的小波变换或单纯的中值滤波。     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

基于小波变换的图像混合噪声自适应滤波算法

提出了一种基于小波变换的图像混合噪声自适应滤波算法.该算法首先采用中值滤波进行预处理以去除脉冲噪声,然后对图像进行二维小波分解得到高频和低频子图像.根据各高频子图像噪声分布特征,分别设计出新的结构元素进行形态学滤波,随后定义一种新型阂值判别函数对高频和低频子图像分别设定不同调节参数,以进一步滤除残余噪声.最后进行小波系数重构.仿真结果表明,该算法去噪效果明显优于其他几种算法,从而表明该算法是一种较为有效的图像混合噪声滤除方法.     

基于边缘保持滤波的Canny彩色图像边缘检测方法

提出了基于边缘保持滤波的Canny彩色图像边缘检测方法。该方法利用了HSV颜色空间信道相关性低的优点,结合Canny算子定位准确的优点和边缘保持滤波理论,用边缘保持滤波取代传统的高斯滤波,用梯度矢量计算法替代传统的梯度标量计算法,从而增强了在平滑过程中对图像边缘的保持,最大程度保留了色彩的差异信息,实现了彩色图像边缘的自适应提取。实验结果证明,该方法将灰度空间的Canny算法推广到彩色矢量空间,充分利用了彩色信息,对彩色图像边缘提取具有较好的检测精度和准确度。     

基于小波变换的边缘保留图像去噪改进算法

针对在图像去噪过程中,如何有效地保留图像边缘等重要特征信息的问题,提出了一种基于小波变换的图像去噪改进算法。对图像进行多尺度小波分解,将各子带小波系数进行自适应阈值化处理,边缘成分的阈值由子带阈值和给定的相关权重计算得到,从而有效保留图像边缘信息。分别对Tracy和Building图像进行处理,实验结果表明,与BayesShrink等4种传统方法相比较,改进算法不仅可以有效去除不同程度的加性高斯白噪声,很好地保留图像边缘等重要特征信息,而且具有较高的峰值信噪比。     

基于二进小波变换自适应Kalman滤波反褶积

本文提出了基于二进小波变换自适应Kalman滤波反褶积(AKFD)新方法.它抛弃了传统预测反褶积对信号平稳性的假设,克服了提高分辨率反而明显降低信噪比的矛盾,其较好地压缩反射波形,但噪声并没有明显提高,所以具有很好的抗噪性能.在小波域进行的AKFD压制假反射比在时间域AKFD好,此外,该方法具有对信号分频进行AKFD的特性,增强了Kalman滤波的自适应性,所以在小波域下的分辨率明显比在时域内高.同时,该方法克服了在时域内进行的AKFD抬升低频成份的缺陷.经大量的模型及实际资料处理表明该方法具有明显的效果.     

基于多尺度边缘检测的小波包去噪方法

文章提出一种将小波变换模极大值(WTMM)多尺度边缘检测与小波包去噪算法结合起来的图像去噪方法。仿真结果表明,该方法不但对噪声的抑制能力强,而且可以很好地保留图像的边缘信息。     

基于中值滤波和小波变换的图像去噪

针对混合噪声的特点,提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波,然后再通过小波阈值法对噪声进行去除,达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价,结果表明:这种方法改善了图像质量,去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法,可以有效的去除混合噪声。     

基于非抽样小波和边缘保持的自适应图像降噪

提出了一种基于非抽样小波和边缘保持的自适应图像降噪方法.利用小波系数的层间相关性理论及小波域系数模型理论,对小波变换得到的系数进行了分类和处理.与当前许多方法的做法不同,本文算法将图像的小波系数分成了与边缘相关的系数、与同性区域相关的系数和与噪声相关的系数,针对这3类系数的特点,使用不同的策略进行分别处理,保证了降噪的性能.实验结果表明,与传统方法相比,该方法不仅可以获得较清楚的图像边缘,而且降噪后图像质量优良.     

基于小波变换的图像去噪算法研究

小波变换作为一种重要的工具,已经在图像处理中得到了广泛的应用。我们所获得的图像一般信噪比比较低,噪声密度大,且含有混合噪声,而现有算法大多只针对单一噪声进行去除。文章提出了一种基于小波变换的混合噪声的去除方法:首先使用改进的中值滤波算法去除脉冲噪声,然后采用小波去噪方法去除高斯噪声。通过Matlab仿真得出去噪效果。     

基于Kalman滤波的盲多用户检测算法

盲多用户检测技术是第三代移动通信的关键技术,本文仿真分析了DS-CDMA通信系统中盲多用户检测的Kalman滤波算法的性能.并且将子空间算法和Kalman滤波算法进行结合,使得盲多用户检测的Kalman滤波算法的计算量大大降低.     

中值滤波和小波变换相结合的图像去噪研究（英文）

为了保持原始图像在去噪过程中的边缘信息,文章提出了小波变换与中值滤波相结合的办法来处理含噪图像。首先对含噪图像进行小波分解,然后用中值滤波和不同的阈值(硬阈值、软阈值)处理小波分解后的子频带。该方法在去噪的同时保留了图像的边缘信息。实验证明,该方法的去噪效果优于单独使用小波去噪或中值滤波的方法。     

基于小波变换的红外图像边缘提取研究

红外图像的边缘提取是其判读和识别的重要技术基础.红外图像背景复杂、噪声较为严重.针对这一特点,利用小波变换易于消除噪声、运算方便的特点,提出了一种基于小波变换的红外图像边缘提取算法.首先利用小波算法对红外图像进行滤噪,然后利用高斯函数作为平滑函数对图像进行水平和垂直方向的小波变换,提取红外图像边缘特征.给出了仿真实例,证明了该算法的科学性和可靠性.     

抑制散斑噪声的Lee算法和形态滤波算法的研究

首先回顾了散斑的基本性质,然后讲座了用于抑制散斑噪声的Lee算法和形态滤波算法,最后提出了一种比较其算法性能的规则,并且给出了这两类算法比较的仿真结果。     

基于二进小波变换的边缘保持图像插值算法

利用离散二进小波变换(DDWT)所具有的良好的多尺度边缘提取特性以及子带间的相关性,提出了基于DDWT的边缘保持图像插值算法。算法利用多尺度边缘的指数衰减规律预测损失掉的高频子带中的边缘,并利用三次样条插值算法恢复损失掉的高频子带中的非边缘信息。最后通过离散二进小波合成得到高分辨率图像。实验结果显示,该算法优于传统的双线性和双三次插值算法。对于像Lena这样的纹理较少的图像其峰值信噪比(PSNR)提高了2dB以上,而对其它图像插值的结果也有不同程度的质量改善,插值的结果更符合人的视觉系统特性。     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

基于双正交小波和边缘加权的图像去噪算法

文中针对现有去噪算法存在的问题,提出了一种基于双正交小波和边缘加权的新的图像去噪算法.该算法对图像进行基于图像移位相关性的自适应二叉分解,研究了白高斯噪声在双正交小波分解下的功率谱,并结合图像的边缘信息,对不同区域的去噪阈值以不同权重加权.实验结果表明,文中算法去噪所得图像的MSE优于小波变换全局阈值去噪,视觉效果明显优于维纳滤波去噪.