一种基于参数自整定的小波去噪算法研究北大核心CSCD

小波阈值去噪法因其算法简单、计算量小而广泛应用于信号去噪,提高了数据处理的精度和效率。为解决传统小波阈值去噪法中阈值函数连续性差或原始小波系数与估计的小波系数存在恒定偏差的问题,提出了一种基于参数自整定阈值函数的改进小波去噪算法。该方法采用指数平滑逼近对小波系数进行阈值处理,通过参数的自整定使其阈值函数能够很快逼近硬阈值函数曲线,并具有较好的连续性和更佳的阈值估计小波系数,从而使改进后的小波去噪算法具有更好的去噪效果。仿真实验结果表明:相比于传统的硬、软阈值去噪方法,改进后的小波去噪算法的去噪效果更优。     

基于排列熵的振动信号小波包阈值去噪研究

工程实践中的振动信号往往存在噪声干扰而导致信号特征信息无法显露,传统小波包软、硬阈值函数去噪形式固定,无法依据信号小波包分解系数的噪声干扰情况进行调整.据此,提出一种新的介于软、硬阈值函数之间的改进小波包阈值函数,并将排列熵作为信号含噪情况表征参数引入阈值函数中.对信号小波包系数进行排列熵计算,并依据该值对阈值函数进行自适应调整,使得新的阈值函数能够对含噪较多的小波包系数进行大尺度收缩而对含实际信号特征较多的小波包系数尽可能地保留,从而达到最佳的去噪效果.对滚动轴承振动实验信号的去噪分析,并与其他方法进行对比,验证了该方法的有效性与优越性.     

基于小波包变换的非局部均值去噪方法

在非局部均值滤波的基础上,为了更有效地去除图像噪声,提出一种基于小波包变换的非局部均值去噪算法。首先对图像进行小波包变换,通过小波域系数估计图像的高斯噪声参数,然后计算经小波包分解后高频子带内小波系数的相似度,并以此作为权值来对小波系数进行调整,最后通过小波包逆变换对图像进行重建。实验结果表明与传统的非局部均值去噪算法相比较,该算法能在去噪的同时有效地保持图像的边缘细节等信息,取得更好的去噪效果。     

脉冲漏磁信号的EMD小波阈值去噪研究

为有效抑制脉冲漏磁检测信号中的各种噪声,将小波阈值去噪运用到经验模态分解(EMD)中,提出一种基于EMD的小波阈值去噪方法。针对小波软、硬阈值函数中存在的不足,引入平滑截断绝对偏差惩罚因子进行优化改进。将该方法应用于脉冲漏磁信号进行实际消噪处理。实验结果表明,该方法能较好地剔除信号中的噪声,在脉冲噪声的抑制方面优于小波阈值去噪。     

基于平稳小波变换的飞行数据去噪方法

为更有效地去除飞行数据中的噪声,分析了平稳小波变换的基本原理,将小波系数相关性与阈值收缩去噪方法相结合,提出一种基于系数相关性的改进阈值函数去噪方法。该方法采用平稳小波变换,先对小波系数进行相关性分析,而后使用改进的阈值函数对小波系数进行阈值处理,最后进行信号重构。实验结果表明:该方法不仅能够很好地保持信号的形状,而且信噪比较高、均方误差较小;在实际的飞行数据处理中能够获得较好的去噪效果。     

利用小波系数对带噪信号进行参数估计

在该文中，首先利用小波阈值对带噪信号进行了去噪，然后利用小波系数对信号进行了参数的估计，利用小波分解的频段特性，自适应地对不同载频信号选取不同的小波系数层次来估计参数。与其它方法相比较，该估计参数的方法能在较低的信噪比下比较准确的计算出信号的到达时间等重要参数，由于是用小波系数对参数进行估计，因此在一定的信噪比范围内对参数的估计受噪声影响较小。满足准确性和实时性的要求。     

基于离散正交小波变换的图象去噪方法

给出了一种基于离散正交小波变换的图象去噪方法,该方法通过二维离散小波变换将图象投影到小波变换域,通过对小波变换系数进行阈值处理实现二维图象的去噪,并用实验验证了该方法的有效性。     

带噪语音信号小波去噪算法研究

去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。     

一种新的具有增强效果的小波域图像去噪方法

为了使去噪后的图像具有更佳的视觉效果,基于新近出现的一种小波域阈值去噪方法——NeighShrink,提出了一种具有细节增强效果的小波域图像去噪方法——增强型邻域收缩方法(enhanced NeighShrink,ENS)。该方法一方面继承了NeighShrink方法的优点,在对小波系数进行阈值处理时,由于考虑了其与邻域系数的相关性,从而大大减少了误判图像细节为噪声的情况,同时,通过改变NeighShrink方法中小波系数收缩因子的计算方法,用该方法去噪后的图像取得了高于NeighShrink方法的峰值信噪比;另一方面,通过引入一个细节增强因子P,使得该方法能够对图像细节进行增强,从而得到了更佳的视觉效果。通过实验证明,该方法能够在去噪和细节增强这两方面优于普通软阈值去噪方法和NeighShrink方法。     

基于尺度乘积与小波收缩相结合的去噪方法

提出一种将相邻尺度的小波系数乘积与小波阚值收缩相结合的信号去噪方法．该方法采用小波系数乘积的直方图方法提取小波系数．用该方法去噪既能很好地保持信号突变点的原有特性,又具有较强的去噪能力．数值仿真表明,与小波阚值收缩方法相比,该方法在信噪比和均方差指标上都有明显的提高,并能很好地保持信号的形状．     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

基于小波分析的阈值降噪算法研究

小波变换的阈值消噪方法是利用小波交换技术对含噪图像进行分解和重构,对小波分解后的各层系数模大于和小于某阈值的系数分别进行处理,然后利用处理后的小波系数重构出消噪后的图像。分析了小波消噪的算法和实现步骤,并基于Matlab软件平台编写仿真程序,消噪效果良好。     

Typhoon cloud image enhancement and reducing speckle with genetic algorithm in stationary wavelet domain

By employing discrete stationary wavelet transform (SWT), generalised cross-validation (GCV), genetic algorithm (GA), and non-linear gain operator, an efficient de-noising and enhancement algorithm for typhoon cloud image is proposed. Having implemented SWT to a typhoon cloud image, noise in a typhoon cloud image is reduced by modifying the stationary wavelet coefficients using GA and GCV at fine resolution levels. Asymptotical optimal de-noising threshold can be obtained, without knowing the variance of noise, by only employing the known input image data. GA and non-linear gain operator are used to modify the stationary wavelet coefficients at coarse resolution levels in order to enhance the details of a typhoon cloud image. Experimental results show that the proposed algorithm can efficiently reduce the speckle in a typhoon cloud image while well enhancing the detail. In order to accurately assess an enhanced typhoon cloud image's quality, an overall score index is proposed based on information entropy, contrast measure and peak signal-noise-ratio (PSNR). Finally, comparisons between the proposed algorithm and other similar methods, which are proposed based on discrete wavelet transform, are carried out.     

基于小波变换统计模型的电子元器件图像去噪算法研究

在先进电子制造中,为了应用机器视觉方法来完成电子元器件的检测、处理和识别,必须对采集的相关图像进行去噪处理。文章研究了一种基于小波变换统计模型的去噪算法,利用四树复小波包变换把含噪图像高频方向子图分为主要类和次要类。然后,采用非高斯双变量模型和零均值高斯分布模型分别对主要类和次要类复系数进行建模,从而实现噪声抑制功能。实验结果验证了本文方法的有效性。     

图像对比度增强的小波变换法

提出一种基于离散正交小波变换和非线性增益的图像对比度增强方法。对图像进行离散正交小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强。实验结果表明,论文提出的方法在有效地增强图像对比度的同时,又能很好地抑制图像中的白噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。     

编码器光栅表面缺陷图像小波去噪

为了提高光栅表面缺陷图像的去噪效果,便于后续缺陷图像检测,通过改进阀值和阀值函数来实现对光栅表面缺陷图像的小波去噪。通过引入一个收缩因子来改进原阀值,得到各分解尺度上的新阀值,利用新阀值函数对各尺度上的小波高频系数进行阀值处理,经过小波逆变换得到去噪后的光栅表面缺陷图像。实验结果表明,该方法与硬、软阀值法相比,提高了峰值信噪比,较好地保留了缺陷图像的边缘等细节信息,增强了边缘对比度,且图像更平滑。     

基于平衡正交多小波的超声图像降噪研究

医学超声图像存在特有的斑点噪声,它大大降低了超声图像的质量,因此必须进行降噪处理。平衡正交多小波同时满足正交性和对称性,具有比单小波分解更加精确、去噪效果更好的特点。故对超声图像进行平衡正交多小波分解,然后利用模糊聚类与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

Hidden Markov tree model of images using quaternion wavelet transform

The quaternion wavelet transform is regarded as a new multi-scale tool for signal and image processing, which can effectively capture local shifts and image texture information. The marginal and joint distributions of the quaternion wavelet transform coefficients are measured by the histogram. The mutual information is utilized to measure the dependence between the coefficients. The authors have drawn the conclusion that the quaternion coefficients can be modeled by a Gaussian Mixture model conditioned to the magnitudes of generalized coefficients, with intensive analysis of the statistical properties of the decomposition coefficients. In this paper a new hidden Markov tree model utilizing quaternion wavelet transforms is proposed based on the authors’ findings. In order to demonstrate its effectiveness, the new statistical model was applied to image de-noising. The experimental results show that the proposed statistical model exhibits better performance than other related image de-noising algorithms that are also based on hidden Markov tree models.     

非线性小波变换在图像去噪中的应用

本文基于一种非线性小波变换阈值改进法,结合离散正交小波变换系数分解计算和阈值处理,实现二维图像去噪,并用Mallat算法对加噪图像进行了验证。     

一种阈值改进的邻域小波系数法图像去噪

图像去噪是图像处理领域的一个经典话题,也是一个难点问题。基于邻域小波系数收缩的NeighShrink法比经典的VisuShrink法去噪效果要好,但是NeighShrink法在所有的分解层使用次优的通用阈值,致使去噪效果不甚理想。在分析小波系数变化规律的基础上,针对NeighShrink法的不足,提出了一种阈值改进的新方法,该方法具有较好的阈值自适应性。实验表明,该方法正确有效,去噪后的视觉效果得到改善,在客观指标PSNR和MSE上均优于NeighShrink法和经典的VisuShrink法。