基于小波变换的图像阈值去噪的改进方法

基于Donoho提出的传统的阈值去噪方法,提出了一种新的阈值函数,并应用于图像的去噪.与Donoho的软阈值和硬阈值函数相比,这种新的阈值函数有更多的优点:可以实现能量自适应去噪;能够保存图像的边缘信息;函数的表达式简单,避免了硬阈值函数的不连续性;相比软阈值和硬阈值函数,新阈值函数更灵活.仿真结果表明,改进后的方法应用于图像去噪,无论是视觉效果还是信噪比都有了改善.     

一种改进的小波阈值图像去噪综合模型

针对软、硬阈值函数去噪时存在过分平滑、边缘振荡和有恒定偏差的缺陷,在经典的小波软、硬阈值去噪方法的基础上,提出了一种新的小波阈值去噪的综合模型。新的阈值函数表达式简单且易于计算,通过调整控制系数,新阈值函数在图像去噪中不仅继承了传统软、硬阈值函数去噪的优越性,而且保留了更多的图像细节信息。实验结果表明,该方法无论在视觉效果上还是在峰值信噪比和均方误差定量指标上均取得了较好的去噪效果,充分体现出小波阈值图像去噪的优越性。     

一种新型小波阈值函数下的毫米波图像去噪

小波变换通过伸缩和平移等运算将图像进行了多尺度分析,可以有效地提取信息,因此可以将其运用到毫米波图像去噪领域当中。然而,小波阈值去噪方法中硬阈值函数和软阈值函数都有其自身的局限性。硬阈值函数的间断性会导致图像模糊,软阈值函数存在固定差值会影响重构精度。提出一种新的新阈值函数,通过加入了调节因子而更加具有灵活性,可以克服两种方法的缺点。仿真结果表明,新阈值函数下毫米波图像的峰值信噪比比硬、软阈值函数分别提升0.67db、1.06db,且新阈值函数下毫米波图像的主观视觉感官更好、去噪效果更佳。     

新阈值函数下的小波阈值去噪

针对传统小波阈值去噪法中硬阈值函数不连续,软阈值函数有固定偏差的缺点,提出一种新的阈值函数。对Donoho的固定阈值进行改进,提出一种自适应的阈值。在Matlab环境中,分别进行了实验选取最优小波基,新阈值函数的最优参数以及新阈值函数与传统硬阈值函数,软阈值函数和折衷阈值函数的对比。实验结果表明,新的阈值函数能更有效地提高语音信号的信噪比,改进语音质量。     

基于改进阈值函数的自适应图像去噪方法

经典的BayesShrink通过软阈值函数对小波系数进行修正,使得原小波系数和修正小波系数存在恒定偏差,降低了去噪图像质量。文章利用噪声系数幅值随小波系数幅值的增大而相对减小的特点,构造了具有伸缩性的自适应阈值函数,该方法克服了软阈值函数产生的恒定偏差,依赖小波系数幅值对原始系数和修正系数间的恒定偏差自适应调节。伸缩因子m根据不同图像特点采用二分法自适应寻得最优值。实验结果表明改进后的阈值函数相比经典软阈值函数去噪效果较优。     

三次样条插值在小波去噪中的应用

针对传统小波阈值函数在图像去噪中的不足,结合三次样条插值提出一种新的阈值函数。该函数具有很好的光滑性,既克服了硬阈值函数不连续性造成的吉布斯效应,也解决了软阈值函数引起的恒定偏差问题,而且能够根据图像噪声方差的大小,自适应地改变函数系数以达到最佳的去噪效果;最后,利用人工蜂群算法构造新的阈值进行去噪。实验结果表明,该去噪方法无论是主观感受,还是客观评价均优于软阈值及硬阈值的去噪效果,与其他改进的小波去噪方法相比该算法也具有较好的效果。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesSbrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果。     

一种改进的小波阈值函数去噪方法

对比研究了D.L.Donoho和I.M.Johnstone提出的小波阈值去噪的硬阈值去噪法和软阈值去噪法的优点和缺点,并在此基础上构造了一个新的阈值函数,它克服了硬阈值处理方法在[λ]点处不连续及软阈值函数导数不连续的缺点,而且是高阶可导的,在实际应用时能够保留较大的小波系数,从而保留了尽可能多的信号,进而能够获得更好的去噪效果。仿真实验结果显示,新阈值函数可有效地抑制噪声,其去噪后的信噪比和均方根误差均优于软硬阈值函数以及已有的几种改进阈值函数,具有较高的实用价值。     

基于改进阈值函数的小波阈值去噪算法

针对传统小波软、硬阈值函数以及现有部分文献所设计的阈值函数的不足,探索一种改进的小波阈值去噪算法.通过构造新的阈值函数,该函数具有更好的平滑性,并随着小波分解尺度变化而变化,因此有更好的适应性,且函数中不存在不确定参数,相应地提升了去噪稳定性.相比传统软、硬阈值函数方法,采用改进阈值函数去噪后信噪比(SNR)更大,均方差(MSE)更小,去噪效果更好.改进阈值函数的小波去噪算法更有优越性,具有较好的推广价值.     

基于改进小波阈值函数的指纹图像去噪

针对指纹图像的特点,在分析了传统的软、硬阈值函数去噪原理的基础上,提出了一种新的小波阈值函数。新阈值函数克服了软、硬阈值函数存在的不足。通过选择不同的参数,可适应不同的图像。仿真实验表明,新阈值函数较传统阈值函数具有更好的视觉效果和更高的峰值信噪比（PSNR）。     

基于提升格式小波的磁浮间隙信号降噪处理

针对高速磁浮轨道不平顺检测中间隙信号的降噪问题,提出基于提升格式的小波滤波方法;通过Lagrange插值法设计预测算子,并根据小波消失矩的特性建立线性方程组求解出更新算子,该方法也适用于求解带有边界问题的预测算子和更新算子;仿真实验比较了采用不同小波分解层数时硬阈值和软阈值的降噪效果,结果表明对信号进行4层分解并采用硬阈值法对小波系数进行处理,可以更有效提高信噪比,并更好保留了间隙信号的脉冲尖峰特征;将其仿真结论应用于实测间隙信号的降噪处理中,结果表明该方法满足了轨道不平顺实时检测的要求。     

基于自适应小波阈值收缩算法的冲击消噪

冲击信号属于非平稳随机信号,在分析冲击信号之前信号消噪非常重要.基于Donoho提出的小波阈值收缩算法,提出了一种新的自适应于原信号的折中收缩函数.不同于经典阈值消噪算法,新算法克服了硬阈值算法造成的信号不连续的缺点,也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差.应用结果表明,自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果.     

基于新阈值函数及最优尺度的小波去噪研究

在Donoho D L和Johnstone I M提出的小波阈值去噪算法的基础上,首先构造了一种新的阈值函数。与传统软、硬阈值函数相比,新阈值函数不但连续,而且高阶可导,克服了硬阈值函数不连续及软阈值函数中小波估计系数与分解系数之间存在恒定偏差的缺陷。同时,为了获得更好的去噪效果,提出了基于白噪声?字2检验确定小波最优分解尺度的方法。最后,通过数值仿真实验,证明了基于白噪声?字2检验方法的有效性;在最优分解尺度下,新阈值函数在信噪比增益和最小均方误差意义上均优于传统阈值函数。     

小波阈值去噪的一种改进方案

信号在采集、转换和传输过程中经常会受到设备、环境等因素的影响,致使现实信号成为含噪信号,对得到的信号进行去噪是信号处理中的一个很重要的环节。在近二十年中小波去噪方法应用比较广泛并取得了较好的效果,越来越多的学者用小波阈值进行信号去噪。首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后本着提高去噪质量的目的,提出了一种改进方案。该方法在阈值函数中加入因子,可以自适应地减小阈值函数中的恒定偏差。与传统阈值去噪方法相比,有以下两点优势:①去噪效果比传统阈值去噪方法好。②具有一定的自适应性。此外,还用Matlab仿真实验证实了该改进方案的有效性和优越性。     

一种具有自适应阈值的小波收缩去噪方法

小波收缩是一种非线性小波变换,这种算法的关键问题在于收缩算法中的收缩阈值和收缩函数(规则)。自适应理论是现代信号处理中强有力的工具。该文将自适应理论和传统的小波收缩算法相结合,提出了基于图像奇异特性自适应小波收缩"去噪"算法。该算法根据高频子带小波系数的均方根来确定最佳小波收缩阈值。阐明了最佳阈值与图像本身特性之间的关系。实验表明,该算法比一般软、硬阈值的小波收缩算法有更好的"去噪"效果,既克服硬阈值函数所产生的人为的噪声点和数学上不易处理等缺点,又避免了软阈值算法所带来的边缘模糊。从而进一步提高了图像的峰值信噪比,改善图像质量。     

基于多重小波变换与新阈值函数的去噪方法研究*

基于小波分析的特点,提出了一种对信号数据进行多重小波变换阈值去噪的方法。新的阈值函数的构造是在研究D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上完成的。与传统的软硬阈值函数相比,新阈值函数在整个定义域内统一定义,表达式简单易于计算,与软阈值函数一样具有连续性,而且是高阶可导的,便于进行各种数学处理,克服了硬阈值函数不连续、软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺点。仿真实验结果表明,采用新的阈值函数的去噪效果在信噪比增益和最小均方误差意义上均优于传统的软     

一种改进的二维经验模态分解图像消噪方法

在含噪图像的二维经验模态分解(BEMD)的基础上,从图像BEMD分解系数的统计特性出发,构造图像BEMD系数的概率密度函数模型,提出了一种基于相邻尺度间BEMD系数相关性的图像消噪方法,消噪的过程中同时考虑本层BEMD系数特性以及其父层BEMD系数的值.从而能更好地消除噪声,同时更有效地保留图像边缘、纹理等细节信息.实验结果表明,与经典的小波阈值消噪和BEMD阈值消噪算法相比,经本文方法消噪后图像质量有较好的提高,具有更低的均方误差和更高的峰值信噪比.     

一种能保留图像边缘信息的去噪新方法

图像处理的目标是消除噪声的同时能保留图像所固有的信息.针对保留边缘信息有效去噪问题,提出了双密度双树复数小波变换的图像去噪方法,该方法综合了双密度小波、双树小波和复数小波的优点,具有更好的方向性,将双树复数小波的6个方向,提高到12个方向,并采用了自适应软阈值对小波变换的系数进行处理,消除图像干扰噪声.本文对加噪图像进行去噪仿真试验,并进一步进行边缘检测,仿真试验结果表明,该方法能有效消除图像噪声并保留图像原有边缘信息,与双密度双树小波相比,去噪效果明显改善,均方误差减小了2.4%.     

一种基于小波变换的图像去噪算法与实现

在众多的小波去噪方法中,运用最多的是Donoho小波阈值萎缩法。这一阈值是最佳阈值的上限但不是最佳阈值,并且它只与噪声大小有关而与图像自身特性无关。新阈值函数克服了软阈值函数中小波系数估计和原系数之间的具有固定偏差的缺点。同时,该函数克服了硬阈值函数不连续的缺点。通过调节A(任意正常数)取值可以改变新阈值函数的趋向,这也体现了新阈值函数的灵活性。仿真结果表明,改进后的方法应用于图像去噪,无论是视觉效果还是峰值信噪比都有了改善。