一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

结构相似性灰关联在强噪声图像增强中的应用

为提高强噪声环境下的图像质量,提出一种图像增强新算法．该算法首先对含噪图像进行多尺度小波分解,得到不同尺度、不同方向下的频域信息,然后利用图像中噪声与边缘在不同频带上的分布规律和衰减特性,通过灰色理论中的灰色关联度来区分噪声与边缘,从而在噪声抑制和边缘增强两个方面提高图像的质量．实验结果初步显示,与传统的空域滤波方法和相对较新的小波自适应阈值去噪、Contourlet域自适应阈值去噪等方法相比较,新算法所得图像的视觉效果得到了改善,峰值信噪比最优,可用于强噪声环境下的图像增强预处理．     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

基于多尺度边缘提取的薄雾图像处理方法

雾天获取的图像,掩盖了部分需要的真实信息.针对这类图像,给出了应用强化边缘的方法进行处理,主要采用多尺度边缘提取方法获得图像边缘;用小波阈值去噪法对图像进行消噪处理;为了避免传统方法产生的块状现象,最后用三次样条插值对图像进行平滑处理.     

一种基于小波的图像去噪方法

利用小波变换的特点,对传统小波萎缩去噪方法进行改进,在不同分解尺度和方向上采用不同的阈值对图像进行去噪处理,取得较好效果．     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

结合波原子和Cycle Spinning的图像去噪

结合波原子变换和Cycle Spinning 的优点,提出一种新的图像去噪算法．由于波原子变换缺乏平移不变性,直接进行系数阈值去噪会在去噪图像边缘产生伪吉普斯现象,导致图像的失真．该算法引入Cycle Spinning技术有效抑制这种视觉失真,对原始含噪图像进行波原子硬阈值去噪．实验结果表明,与单一波原子变换、小波Cycle Spinning方法相比,新算法能够在去除噪声的同时保留边缘,有效抑制了传统去噪方法的伪吉普斯现象,视觉效果也能得到较好的改善．对强噪声级的图像,这种优势更为明显．     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

基于EMD小波阈值化的SAR图像斑点抑制

为有效抑制SAR图像斑点噪声,提出了基于EMD小波阈值化的斑点抑制方法．该方法首先用EMD方法将含斑点噪声的SAR图像分解为若干层基本分量,对前几个分量用小波阈值化方法进行处理,然后重构图像,从而达到抑制斑点噪声的目的．实验结果表明,该方法同小波阈值方法和二维EMD方法相比,去噪效果较明显,在抑制斑点噪声的同时,较好地保持了边缘和细节信息．     

图像阈值去噪中的小波特性分析及算法改进

选取合理的小波和阈值算法能够获得理想的图像阈值去噪结果;分析了小波正交性、消失矩以及滤波器结构等特性对图像阈值去噪的影响,提出了图像闽值去噪中小波特性的选取依据．按照噪声与图像信息在小波多尺度分解中传递特性的不同,提出基于信息量的自适应分层阈值算法;仿真结果表明,在进行图像阈值去噪时应优先选取双正交小波,且其消失矩阶数近似于图像的最高次奇异性,去噪小波的高通分解滤波器应具有偶对称性质,低通分解滤波器长度不宜过短．自适应分层阈值算法的图像去噪效果要明显优于全局阈值算法,图像信噪比能够提升至27．86（bior2．6,SNR0=20）;具有偶对称高通分解滤波器的双正交小波能够获得较好的图像去噪效果,其消失矩阶数应近似等于图像的最高次奇异性,基于信息量的小波自适应阈值算法在提升图像信噪比的同时,能够有效保留图像的细节信息．     

一种基于标准正交基的小波分解与重构的计算方法

提出了基于标准正交基的小渡分解与重构的计算方法，并给出了正交小波分解与重构的推导过程．与传统方法相比。该方法具有相同的结论，但推导方法简单，易于理解。     

小波分析在图像处理中的应用

简要介绍了小波分析的基本原理和分类,及其在图像处理中的应用。重点论述了小波分析在图像边缘检测,图像融和,图像消噪中的应用。并介绍了以小波分析为基础的人工神经网络是图像识别的一种很有前途的方法。     

“98·7”武汉、黄石特大暴雨过程的小波分析

通过对 1 998年 7月鄂东特大暴雨期间武汉、黄石两站逐小时地面要素和云顶亮温 (BlackBodyTemperature)资料的小波分析 ,清楚揭示了上述两站降水、气温、气压、相对湿度和云顶亮温等气象要素的时频扰动特征 ,并通过小波逆变换从原资料序列中分离出不同尺度的信息     

小波瀑布型多重网格法

为了提高偏微分方程的计算精度,由瀑布型多重网格的速度收敛快以及小波多分辨分析的性质,通过改进传统瀑布型多重网格算法中的插值算子,提出一种新的小波瀑布型多重网格方法。数值结果表明,小波瀑布型多重网格方法比传统的瀑布型多重网格方法具有更高精度。     

基于小波分析的图像融合方法的研究

图像融合是多传感器信息融合在图像处理领域的一个重要应用,小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。论述了基于小波分析的图像融合的基本原理、方法和优点,介绍了基于小波分析图像融合、小波框架图像融合和多小波图像融合等方法,分析比较几种图像融合效果的评价方法及其适用范围等。     

小波变换技术在指纹图像预处理中的应用

介绍了小波变换技术,并采用小波分解与重构方法对指纹图像进行小波压缩、去噪和增强处理．实验表明,应用小波变换技术对指纹图像进行处理能够获得较满意的结果．     

基于小波包分析的空间杆系结构损伤诊断

针对结构损伤诊断的需要,采用小波包分析方法提取了结构损伤的特征信号。首先通过小波包分析将振动信号分解到各个频带,然后以各频带能量作为识别故障的特征向量进行损伤识别。数值算例表明,小波包分析具有较强的抗噪声干扰能力,能够有效地识别结构的损伤。     

小波帧变换方法在电能质量扰动中的仿真分析

针对电能质量扰动问题,提出了小波框架和小波帧算法.将小波帧算法和传统的小波分析方法在算法框架上进行了比较,并进行了大量的实验.实验结果表明,基于小波帧算法的实时性有所减弱,但在扰动定位的准确性方面有很大提升.     

小波分解在移动用户行为识别中的应用

针对目前行为识别通用模型对步行、上楼、下楼等易混淆行为识别准确率较低的情况,提出了一种基于小波分解的移动用户行为识别方法,从小波分解后不同频率子信号的低频近似系数中提取小波能量、小波峰个数和平均波峰幅值等特征,基于决策树分类器建立与用户无关的行为识别通用模型. 分别用典型时域特征数据集和小波特征数据集对该通用模型进行验证. 实验结果表明,采用新方法后,3种易混淆行为的平均识别准确率提高了14.82%,减少了误判.     

基于小波理论的期铜价格周期波动研究

本文以目前市场运行良好的LME期铜价格作为研究对象,运用小波分析模型,绘制期铜价格小波变换幅值图和小波变换等值线图,发现期铜价格具有长周期波动和短周期波动两种波动过程,周期长度和周期强度均具有非对称性。利用这种周期波动特征进行长周期预测证明,预测结论与实际变化十分吻合,小波分析理论在期铜价格运行规律研究中的应用具有较好的实用性和发展前景。