基于小波变换的红外图像去噪

提出一种基于新型阈值函数的小波域红外图像去噪法,其阈值函数表达式简单且连续,既克服了硬阈值函数不连续的缺点,又克服了软阈值函数中估计小波系数与含噪小波系数间存在恒定偏差的缺陷。同时新的阈值函数还有效地利用了小波系数的成串性,即在小波系数的估计计算中考虑了邻域小波系数的大小。仿真结果表明,在去噪红外图像视觉效果和峰值信噪比两个方面,文中提出的去噪法优于已有的各种门限去噪法和Matlab-wiener2滤波算法。     

基于小波变换的图像压缩编码

介绍了小波分析的基本概念和基本理论，阐述了一种基于小波变换的图像压缩编码方法，并通过计算机实验证明了经过小波变换编解码的图像在实现高压缩率的情况下能够保证很好的图像质量，具有较好的视觉效果。     

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。     

基于小波变换的几种图像压缩方法研究

利用小波变换进行图像编码已成为近年来的研究热点.采用不同的小波变换和量化,就形成了不同的压缩方案.本文选用了Daubechies9/7小波和基于提升框架的线性插值小波变换,并基于现在最流行的JPEG2000标准,采用标量量化及嵌入式编码等不同方法,对几种压缩方法的实验效果进行了比较.     

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生Gibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。     

基于TLS的正交小波变换红外图像去噪

提出了一种基于总体最小二乘的正交小波变换红外图像去噪算法。对红外图像进行离散正交小波变换,分别对各个分解层的高频子带,通过总体最小二乘算法估计小波系数,获得各个高频子带信号的估计系数,然后通过正交小波反变换得到去噪图像。仿真结果表明,该红外图像去噪算法能有效去除加性红外图像噪声,在信噪比、直方图匹配等方面都有较大改善,并获得了良好的主观视觉效果。     

基于相邻小波系数的图像去噪算法

针对传统的小波去噪方法在滤除噪声上的明显不足,提出了一种基于相邻小波系数的图像去噪算法。充分考虑了滤噪系数与相邻系数间的相关性,首先采用3×3像素的系数滑动窗口对噪声系数进行均值采样,然后结合双阈值法对小波系数进行缩减。实验结果表明本算法明显优于传统的滤波算法,具有较高的信噪比,是一种有效、可行的图像去噪方法。     

基于离散正交小波变换的红外图像去噪方法

提出红外图像去噪方法，将小波变换与广义交叉确认原理相结合，在噪声方差未知的前提下，只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散正交小波变换后，分别对各个分解层的高频子带利用所提出的方法进行迭代去噪，使各个高频子带分别收敛于其最大信噪比。实验结果表明，该方法在有效地去除噪声的同时，能较好地保持红外图像的细节信息。算法在性能指标和视觉质量上均优于Donoho提出的小波阈值去噪方法、Johnstone提出经过调整的小波阈值法和传统的中值滤波法。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

一种基于小波变换的图像消噪算法

该文在自适应树小波萎缩法的基础上,结合小波系数的零树编码思想和小波变换的信噪分离特性给出了一种新的小波消噪算法。该算法不仅减少了运算量,而且在消噪和保留奇异点信息方面也取得了较好的效果。     

一种高效的小波变换去噪方法

小波变换用于图像去噪的思想已经提出了很久,然而前人所提出的这种方法对于去噪的效果并不理想。图 像经这种小波变换去噪后,纹理特征被弱化,图像的边缘出现较明显的Gibbs效应,图像变模糊。针对以上问题,本文提 出了一种高效的小波变换去噪方法(HPID)。此去噪方法是基于小波变换的新方法,与经典的小波去噪方法不同,该方法不 依赖图像大小来判定去噪门限,不需方差信息,且适用于不同类型噪声。采用本方法处理的噪声图像与经典方法相比,不 仅消除了Gibbs效应,而且图像的边缘信息更清晰,纹理特征增强,去噪能力得到改善。     

基于离散分数阶正交小波变换图像降噪新方法

分数阶小波变换是小波变换时间-频域的分析方法在时间-分数阶频率域的推广,在时间和分数阶频率域具有表征信号特征的能力.本文在离散分数阶正交小波变换(DFRWT)多分辨率分析(MRA)理论基础上,推导出DFRWT系数分解及重构新形式并作二维扩展.根据图像DFRWT子带系数能量随不同阶数p变化的特点,提出基于DFRWT阈值降噪新方法.该方法在保持子带低频能量为绝对大值条件下,适当提高子带高频能量值,更利于抑制图像噪声.实验结果表明,与传统小波阈值降噪方法相比,该方法主观质量得到了明显增强,提高了峰值信噪比.     

基于一种渐进半软阈值函数的小波去噪

针对硬软阈值函数的不足, 提出了一种渐进半软阈值函数,不仅弥补了硬阈值函数不连续性的缺陷,同时还克服软阈值函数重构信号后存在恒定偏差的缺陷,使得估计的小波系数逐渐接近于真实小波系数。通过对含噪Doppler信号的MATLAB仿真实验结果表明,与传统阈值函数和几种改进阈值函数相比,渐进半软阈值函数在去噪性能上能够获得更优的信噪比增益和均方根误差, 更适合于实际应用。     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

基于小波变换的分层阈值去噪算法研究

在研究各种软硬阈值噪声滤除方法的基础上,考虑到噪声能量在不同尺度、不同方向上的高频系数分布不同,提出了一种基于非线性小波变换的分层阈值去噪方法。该方法与全局阈值去噪相比较,具有更好的视觉效果和更高的峰值信噪比。文章方法与全局软硬阈值去噪处理的峰值信噪比和均方误差进行对比,可以看出,文章方法具有更好的去噪效果。     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

基于Neyman-Pearson准则的小波阈值去噪法

本文分析了噪声的小波变换特征,阐述了基于阈值的正交小波变换去噪法,在此基础上提出了一种基于Neyman-Pearson准则的小波阈值去噪法。其小波阈值的选择是依据设定虚警概率后使得检测概率为最大的准则,并随各尺度独立。通过实验验证了该方法的有效性和优异性。     

一种基于小波变换的图像去噪算法

利用小波方法去噪,是小波分析应用于工程实际的一个重要方面。针对图像存在大量噪声的情况,阐述小波变换去除信号噪声的基本原理和方法。在综合考虑图像去噪平滑效果和图像的清晰程度的基础上,提出一种多方向多尺度的自适应小波去噪算法。通过试验数据验证了该算法的可行性和鲁棒性。实验结果表明该方法增强了图像的视觉效果。