基于小波变换的图像去噪研究

本文在对目前图像小波去噪的图像分别进行了仿真试验,并得出了相应结论.最后,对小波去噪方法提出了一些展望.     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

应用小波域三维Context模型的视频图像去噪

提出了一种基于三维小波变换和分块Context模型的视频去噪新方法（3DWTBCM）。视频图像序列的各帧之间具有较强的相关性,在三维小波变换域内去噪可以很好地将这种相关性加以利用。根据视频图像三维小波分解域内系数和噪声分布的特征,利用小波系数具有局部相关性对小波系数进行分块,将系数分解成各个局部区域。再将Context模型用于局部块中,按照能量分布将块内的小波系数分成多个子块。对各部分进行能量估计和多阈值估计,获得去噪声最佳阈值,有效地消除噪声。实验结果表明,3DWTBCM的噪声抑制效果明显优于各种2D去噪声方法,和常用的3D去噪声方法,PSNR平均提高1.5dB以上。从视觉效果来看,本文算法在去除噪声的同时,能较好的保留运动图像细节,运动物体显得比较平滑,不存在传统算法中的拖影、闪烁等现象。     

基于小波变换的磁共振图像去噪方法研究

小波变换用于图像去噪的思想20世纪90年代就已经提出,然而前人所提出的这种方法对于磁共振图像去噪的效果并不理想.磁共振图像经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.此去噪方法与经典的小波去噪方法不同,该方法不依赖图像大小来判断门限,不需方差信息.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.     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

基于GCV准则的小波图像去噪方法研究

小波软阈值去噪的关键在于阈值的选择.常用的阈值计算方法主要针对噪声信号为不相关的情况,并需要对噪声方差进行估计.对于含有未知噪声的信号,提出一种GCV准则确定阈值的小波去噪方法,并证明该方法得到的阈值是一种渐近最优解.该方法与常用的基于固定阈值和SURE阈值的去噪法进行比较,结果表明,无论是肉眼观察还是利用均方差和信噪比进行客观评价,基于GCV准则的小波去噪方法可以在噪声未知的情况下,有效的去除信号噪声,并很好的保留信号的原始特征.     

基于小波域维纳滤波的光纤面板暗影检测

通过分析光纤面板透光图像的噪声性质,提出在小波去噪的始末对图像取对数、指数变换,成功转换噪声模型,有效去除高斯及斑点噪声.并提出在小波域采用维纳滤波算法以增强去噪功能,实现更为有效地去除光纤面板透光图像中的噪声.最后对去噪图像进行暗影检测,实验结果表明,采用此算法进行去噪,检测出的暗影定位更加精准,冗余信息大量减少,有...     

基于多小波收缩与子带增强的图像去噪方法

边缘特征是图像最为有用的高频信息,因此在图像去噪的同时,应尽量保留图像的边缘特征,基于这一思想,提出了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,该方法不但保留了图像的边缘特征,而且提高去噪图像的峰值信噪比,实验结果优于普通的阈值收缩方法.     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

小波域局部Laplace模型降噪算法及其在机械故障诊断中应用

提出一种基于小波域局部拉普拉斯模型的降噪算法。并将其成功应用于机械故障诊断中。降噪算法利用复小波变换幅值和相位的组合信息对信号奇异点具有更好的敏感特性,对各尺度上信号奇异点予以精确定位;根据各尺度上奇异点位置和一定宽度的邻域窗,将实小波分解的各尺度上小波系数分为两类：有效系数和无效系数。将奇异点邻域窗之外的无效系数直接置零;而对邻域窗内有效系数的统计分布进行拉普拉斯建模。在先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出真实信号的小波系数。利用信号小波系数的估计值来重构信号,便得到降噪信号。通过仿真试验和汽车驱动桥主减速器故障诊断实例分别对此算法进行分析和验证,结果表明,该算法均具有良好的降噪效果,可以有效地对主减速器中齿轮故障信号进行降噪。     

基于梯度锐化和小波变换的图像边缘检测

小波变换是近几年发展起来的集数学、信息处理于一体的新理论，具有良好的局部化分析性能和多分辨率分析特性，比较适合图像处理。实际图像常常含有噪声而变得模糊，故采取先对图像进行梯度锐化预处理，然后进行小波多分辨率分析的方法进行边缘检测，实验表明该方法是有效的。     

小波包分析在图像消噪中的应用研究

小波包分析是在小波分析的理论基础上,可为信号提供更加精细的分析方法.因此根据图像特点、图像噪声特点,研究采用小波包分析对图像进行消噪处理的方法.实验表明,这种方法在图像消噪处理中是有效可行的.     

超声缺陷回波信号的小波包降噪及特征提取

根据非稳态超声检测信号的特点，将小波包变换用于缺陷信号的降噪及特征提取问题的研究，并利用类别可分性判据和RBF神经网络分别对特征值提取结果进行评价。引入了平均阈值的概念，在此基础上研究了小波包降噪效果。提出了以选取小波包分解频带的能量作为缺陷信号特征值的方法。实际焊接缺陷的实验结果表明，小波包降噪效果明显；在特征数据得以压缩的同时，分类的可分性较高。     

一种改进的基于小波变换的包络提取算法研究

结合“模极大值小波域去噪”原理，提出了一种基于小波变换和希尔伯特变换的包络提取算法。首先用小波变换作为包络分析的前置处理手段，再利用希尔伯特变换对处理后的信号进行包络提取。针对希尔伯特变换解包络的不足，采用模极大值小波域去噪算法对包络信号进行消噪，从而解决了一般算法难以解决的由于随机噪声的干扰造成的提取的包络轮廓信息粗糙的难题。实验结果表明，该方法可以精确提取信号的包络并通过包络细化谱分析全面获得信号所隐古的故障特征。     

小波图像融合改善超声图像横向分辨率的研究

摘要：针对超声图像分辨率较低,尤其是横向分辨率低的特点,采用基于插值和小波图像融合相结合的方法对相控阵超声图像进行了多种方式的对比试验,结果表明：算法采用区域能量大小判定的设计思想对改善超声图像的分辨率是可行的,其中利用小波分解将经过插值放大的待融合图像分解为低频部分和高频部分,然后将低频部分采用平均法,高频部分采用区域能量最大的融合方式对改善超声图像的分辨率取得了较好的效果。     

并行多分辨率子波变换(WT)及其实现方法研究2.在目标轮廓抽取中的应用

子波变换的局域分析特性使它可用于目标阶跃边缘的增强,达到抽取目标轮廓特征的目的。本文中介绍了采用光学及数字方法实现子波变换,抽取目标边缘的理论及实验结果,并通过比较看出,数字方法的结果要好于光学方法     

基于双密度双树复小波变换的局域自适应图像去噪

提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。首先,分析了双密度双树复小波变换的原理及特点,给出了双变量收缩函数(BSF)的推导。然后,对噪声图像并行使用四个二维双密度离散小波变换,且行和列采用不同的滤波器组,实现对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理。用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪。实验结果表明：在噪声方差为30时,经该算法去噪后图像与噪声图像相比,获得最高的峰值信噪比增益达11.72dB,平均结构相似度最高增加2.7倍,复合峰值信噪比增益达11.68dB。且对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时保留更多的细节,去噪图像的视觉质量得到很大的改善。     

基于小波实时去噪与MEPC的加工过程调整方法

现代制造过程中,工件的质量受到多种误差源的影响,在辨识出加工过程的误差源之后,如何调整过程来补偿加工误差已成为一个重要的技术难题。考虑加工过程调整中噪声信息对调整效果的影响,提出了一种基于小波实时去噪的多元工程过程控制调整方法。首先采用小波实时去噪方法对含有噪声信息的测量数据进行实时滤波处理,再根据滤波状态来预测生产过程接下来可能出现的加工误差,进而通过多元指数加权移动平均控制器计算调整夹具定位销的长度来补偿加工特征误差,提高产品加工精度。最后以叶片的简化模型为例,通过产品加工特征输出误差值的变化验证了加工过程误差调整方法的有效性。     

基于统计模拟的无显式小波幅频特性计算与分析

为确定无显式小波在两相邻尺度上的频带重叠程度,提出采用白噪声作为小波变换的输入信号,分析利用白噪声计算小波幅频特性的原理,并与统计模拟思想相结合,提出一种计算无显式小波在二进尺度的幅频特性的方法。利用此法得到Daubechies 2～10号小波在5个二进尺度上的频率窗,它们直观地反映各小波在两相邻尺度的频带重叠情况,并定量计算每个小波相邻尺度的频带重叠面积,结果表明在Daubechies小波系中,当小波号数增加时,各个尺度上的频带重叠面积单调下降,小波的信号分离效果逐渐得到改善。通过对重叠面积比的研究进一步发现,对每个Daubechies小波的两相邻尺度,其频带重叠面积在小尺度的频率窗中所占比例小,在大尺度频率窗中所占比例大,而且在大尺度的重叠面积比基本为小尺度的两倍。