基于信噪比门限判断和小波变换的SAR干涉图滤波法

该文首先研究了一种基于离散小波变换(DWT)的干涉图滤波算法,对该算法的噪声模型和处理流程进行了详细的分析,并在其基础上做了基于静态小波变换(SWT)的改进。接着利用实测数据对这两种方法做了实验,通过对实验结果的分析,提出了一种高噪声环境下,在保证残点数降低率的同时,还能提高干涉条纹质量的滤波方法。在此滤波方法的基础上, 进一步提出了基于信噪比门限判断的干涉图两级处理滤波法,并对其处理流程做了详细的讨论。利用实测数据对该方法进行了仿真,实验结果验证了该方法的有效性。     

基于二维连续小波变换的干涉条纹图相位的提取

在光学测量领域中,干涉法具有极其重要的意义。针对干涉条纹图相位的提取,提出了一种基于二维连续小波变换的干涉条纹图相位提取的新方法。在文中提出的算法中,为了降低计算时间,在计算过程中引入快速傅里叶变换,并提出将传统二维连续小波变换中的连续的尺度因子和旋转角用离散的尺度因子和旋转角代替,这样就解决了二维连续小波变换算法计算耗时的问题。通过仿真和实验发现,该方法可以快速准确的提取出干涉条纹图的相位,对于有缺陷的干涉条纹图,可以实现缺陷的修复并获得其相位图,并收到了比较不错的效果。     

基于旋滤波的InSAR干涉条纹图滤波方法

InSAR干涉条纹图处理中，对噪声进行滤波是非常关键的一步。该文在分析现有滤波算法的基础上，考虑了干涉条纹图方向性特点，提出了基于旋滤波的InSAR干涉条纹图滤波方法。可以有效地去除残点对相位解缠的影响，同时保持相位信息不受损害。对仿真数据及真实InSAR数据的处理结果证明了该方法的有效性。     

基于贝叶斯估计的小波阈值图像降噪方法

提出一种新的基于贝叶斯估计的小波收缩阈值的图像降噪方法，该方法是通过最小Bayes风险的方法对图像小波变换后的小波系数进行估计，这种对小波系数的估计不仅与子带的方向和层次有关，而且与小波系数的大小有关。试验结果该方法比一般小波收缩阈值方法的降噪效果要好；还表明在峰值信噪比较低时该方法的降噪效果比Wiener滤波差，当峰值信噪比较高时该方法的降噪效果比Wiener滤波好。     

干涉相位图的各向异性扩散方程滤波算法

该文提出了一种基于各向异性扩散偏微分方程抑制干涉合成孔径雷达(INSAR)相位噪声的算法。该算法给出了一种新的基于实数域干涉相位的扩散系数表达式,利用干涉相位图的局部统计特征,在干涉复图像中的均匀区域各向同性扩散,边缘区域各向异性扩散。试验结果表明,该算法在抑制干涉相位噪声的同时保持了条纹边缘细节信息,处理后的相位可以顺利展开。     

基于小波域双层贝叶斯模型的图像复原

为了克服正交小波变换用于图像复原引起的振铃现象,提出了一种基于小波域双层贝叶斯模型的图像复原算法.采用移不变小波变换,经过简单的转换,使计算复杂度较正交小波变换法并没有显著增加.对于涉及小波系数和超参数的估计问题,通过双层贝叶斯模型方法解决.首先使用局部高斯分布作为第一层模型,主要用于刻画原始图像小波系数的先验分布;第二层模型用于对超参数的估计,假设局部逆方差为服从Gamma分布的随机变量.基于双层贝叶斯模型,采用最大后验概率估计(MAP)同时进行参数估计与图像复原,计算机实验验证了该方法的有效性.     

基于贝叶斯准则的小波域自适应消噪阈值

为了从噪声图像中最大程度地恢复出原始清晰的图像,从图像小波分解数据的统计特性出发,将近指数模型作为分解层间小波系数的先验分布,用以描述各尺度小波分解系数的相关性.进而基于贝叶斯准则,提出了一种新型的自适应小波图像去噪阈值.实验结果表明,该类阈值体现了图像小波系数在各尺度间的相关性,其去噪性能要好于现有的阈值算法.     

小波域中的双边滤波

本文首先介绍了小波域中几种常用的滤波方法,分析了双边滤波的性质和特点,在此基础上提出了小波域中的双边滤波.这种方法充分利用了小波分析的时频局部化和多分辨率的特点,使滤波结果的信噪比较高的同时边缘具有较小的模糊.本文的实验结果说明该方法是行之有效的.     

基于贝叶斯估计的多分辨图像滤波方法

图像的小波系数具有很强的非高斯统计特性,可以建立推广的拉普拉斯先验分布,用贝叶斯估计对图像小波系数滤波来达到降噪目的.由于正交小波的正交性质能够保证白噪声干扰图像的小波系数所包含的噪声是白色的,基于正交小波变换的贝叶斯估计有较好的降噪性能.     

基于双正交小波域的SAR图像滤波方法

将E-lee、E-Kuan、GammaMap、wiener等经典滤波算法和双正交小波变换相结合,提出了基于双正交小波变换域的局部统计特性SAR图像滤波方法,同时提出了一个运算量少,且是归一化的对数变换,它将乘性的Speckle噪声转为加性噪声。在小波域内建立了局部统计特性SAR图像滤波算法,使用多分辨率的手段,因为在每个方向上的小波系数都具有相同的特征,可以很好地处理图像的一些特性,使得图像边缘被模糊的相对少些。实验结果表明,此方法比经典算法的效果要好。     

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。     

基于经验模分解的小波阈值滤波方法研究

信号的多分辨经验模分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程。这种时空滤波器充 分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。本文提出了一种基于经验模分解的小 波阈值滤波去噪方法,并和小波阈值去噪、多尺度EMD滤波效果相比较。实验结果表明了基于经验模分解的小波阈值去 噪具有广泛的适用性和独特的去除非平稳信号的有色噪声的优势。     

基于小波的变换域通信系统抗干扰性能研究

变换域通信系统通过信道估计在变换域设计信号波形避开干扰,它没有采用载波调制,而是用一个类似噪声的基函数进行信息调制。对高斯白噪声信道下的取不同门限值的基于小波的变换域通信系统与DSSS的抗干扰性能作了比较分析,仿真结果表明基于小波的变换域通信系统相比于DSSS在单音、多音、线性调频、10%部分带宽干扰下误码率平均改进约10dB,在70%部分带宽干扰下误码率平均改进约5dB,并对基于小波的变换域通信系统门限值的选取给出了建议。     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真,提出了一种基于平稳小波变换的图像去噪方法.使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘,如果小波系数被标记为边缘,则保持其系数不变,否则采用基于邻域的方法进行系数收缩.当噪声方差较大时,收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点,借助次大尺度高频分量将其去除,对处理后的小波系数进行平稳小波反变换得到去噪图像.实验结果表明,本文方法能够在去除噪声的同时较好地保持图像的边缘,是一种有效的图像去噪方法.     

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。     

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。     

基于多尺度阈值技术的小波去噪

多尺度阈值技术的小波去噪是根据小波变换下信号和噪声在多尺度空间中的不同特性,用软阈值函数确定的阈值对不同尺度上的小波系数进行处理,进而达到去除噪声的目的。运用这种方法对信号进行处理时去噪效果良好,并且能够很好地保留原信号的细节信息。     

小波域阈值语音去噪的几点改进

根据含噪语音中噪声、清音和浊音的不同特点,提出了一种改进的多尺度小波域阈值去噪方法。采用常用的软阈值函数对清音和浊音进行不同的阈值处理,而对于噪声,将其对应的小波系数全部置零。该方法在很大程度上抑制了噪声,又减少了语音段清音的损失,提高了信噪比。仿真结果表明了该方法的可行性和有效性。     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.