图像的小波指数降噪法及其应用

在图像降噪处理中,采用小波阈值降噪法会产生马赛克现象,造成降噪后图像失真。为此,提出了小波指数降噪法,即利用指数降噪因子除小波系数。降噪因子大于1,且随小波系数绝对值的增大而减小。实验表明,该算法在保持较高信噪比的条件下,减轻了马赛克现象。     

基于Matlab小波分析的图像降噪研究

波包理论是在小波基础上发展起来的时频分析理论,在图像降噪中取得了较好的应用。介绍小波分析和小波包的基本理论,分析几种基于小波和小波包的图像降噪的方法,并且在此基础上,利用Matlab R2008b编程与仿真,对其结果进行分析与比较,实验表明,图像降噪效果与阈值的选取密切相关,小波包降噪后的效果比小波更好。     

小波在应变测试中的应用

由于诸多因素的影响应变信号常常会含有高频干扰，这使得雨流法对结构进行疲劳统计的结果同实际情况有很大的偏差。本分析了小波滤波降噪的原理，并使用二进小波的方法成功地剔除了叠加在总长约8个小时的某应变信号中的高频成分，从而使得雨流法疲劳统计的结果同实际相符。本的分析结果表明小波能够用于振动信号的滤波降噪特别是对于应变信号中的高频干扰剔除，这对工程中的滤波降噪和疲劳统计有一定的参考价值。     

双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用

提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法,并将其成功应用于机械故障诊断中。机械设备的振动信号中不可避免的存在着噪声,使得微弱故障信息的提取一直是故障诊断的难点和热点。双树复小波变换具有近似平移不变性,而隐Markov树模型能有效刻画小波系数间的相关性和非高斯性,两种优势的结合可以获得比常规软、硬阈值小波降噪法和小波域隐Markov树模型降噪法更好的降噪效果。它不仅能有效抑制高斯白噪声,还能够去除异常冲击干扰,仿真信号验证了这一点。对于实际滚动轴承信号,使用该方法同样可以获得满意的结果     

小波变换在图像处理中的应用探析

简要介绍小波变换理论的发展背景,根据傅立叶变换(FFT)方法和短时傅立叶变换(SFFT)方法基本原理和处理信号的特点,结合小波变换原理的时频分析特性和对时变信号的处理能力,文章将小波变换方法引入到了图像信息处理过程中。由于此方法能从图像中获取更多的特征信息,且具有较高的分析精度,并具有较好的重构效果,所以使用该方法对图像进行分析和处理时,效果显著。     

基于粒子群优化的多小波图像降噪

提出一种基于粒子群优化的多小波图像降噪方法.该方法首先根据图像降噪的特点,采用粒子群算法优化CL多小波的前置滤波器,实现了图像多小波变换的自适应预滤波;接着对一幅含噪声图像进行多小波分解,根据多小波分解后的能量分布特性,对小波系数进行阈值处理;后经多小波反变换,得到重构图像.实验表明,本文方法的客观性能(PSNR)和主...     

正交小波包分析在遥感图像融合中的应用

小波变换具有优良的时频局部特性，但由于其尺度是按二进制变化的，存在“高频低分辨”这一缺陷．正交小波包分析能够将信号(图像)频带进行多层次划分，对多分辨分析没有细分的高频部分进一步分解，从而提高了频率分辨率，能有效地提取特定的频率成分．推导了小波包分析的基本原理，给出了基于正交小波包分析的遥感图像融合算法．最后，通过实例说明正交小波包分析的有效性和优越性．     

小波分析在图像处理中的应用

本文介绍小波分析在图像处理中的应用,有多尺度边缘检测、图像识别、图像分割.边缘检测包括可去除多余边缘的一般灰度图像实例,彩色肿瘤图像的边缘提取,汉字放大.图像识别中,对于汉字或字母的识别,是将二维图像信号降维后再进行小波分解,通过计算各层次的分形维数形成特征向量从而可以进行识别;仿射变换后的汉字或其它图像可用多尺度小波的仿射不变函数进行对比识别.最后介绍了两种图像分割算法,首先利用基于能量分析的方法将纹理部分和平滑部分先分开,然后再利用基于奇异性分进行细分,得到最终分割的结果.     

采用零树结构分类小波系数的红外图像降噪

红外图像易受噪声污染,为了改善红外图像的质量,提出了一种基于零树结构分类小波系数的红外图像降噪算法.该算法利用小波零树结构表达尺度间的相关性,通过空间自适应阈值将小波系数进行分类,并根据不同类系数的统计特性采用不同的先验分布模型,在贝叶斯框架下实现降噪.实验结果表明,本文算法在峰值信噪比(PSNR)指标上优于传统算法;从视觉效果来看,该算法在有效去除图像噪声的同时能较好地保持空间细节,可以满足当前红外图像降噪的需求.     

小波域高斯混合模型方差估计近红外降噪方法

针对抑制近红外光谱噪声与保留光谱信号细节的矛盾,提出一种基于噪声方差估计的小波域降噪方法.该法对光谱信号小波域高频系数建立了两状态高斯混合模型,用EM算法估计模型系数,推证模型对噪声方差准确估计特性,将估计得到的噪声方差建立了阈值降噪模型.实验建立黄酒近红外光谱快速预测酒精度偏最小二乘模型,对比分析Penalty阈值、...     

自适应阈值的小波图像去噪

针对VisuShrink阈值和NormalShrink阈值的缺陷,提出了一种改进的自适应阈值图像去噪方法.根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,并依此对图像进行去噪.实验结果表明,该方法可将每一尺度上的信号与噪声作最大分离,有效去除了白噪声,较好地保留了图像的细节信息,进一步提高了峰值信噪比,且没有增加时间复杂度,能用于实时处理.     

基于复小波变换与层间模型的图像去噪

很多小波去噪方法认为小波系数是相互独立的,然而大量实验表明实际图像的小波系数之间是有较强的依赖性。在本文中,我们将利用复小波变换的优势以及小波系数之间的依赖性,提出一种新的图像去噪方法。该方法先确定滤波器系数,再对复小波变换系数建模,并根据MAP准则给出系数的收缩方法进行去噪处理,最后作复小波逆变换。同时在变换的系数抽取之前估计系数的方差,可以使方差估计更准确。     

基于小波域局部统计模型的图像去噪方法

提出了一种基于小波域局部统计模型图像去噪方法.该方法利用图像小波子带的方向性特点以及小波系数尺度内和尺度间的相关性:将小波系数尺度内的相关性建模为一种各向异性马尔可夫随机场(Markov Random Field,MRF)先验概率模型,将小波系数尺度间的相关性建模为局部奇异性的条件概率模型.通过在贝叶斯框架中采用这种先验概率模型和条件概率模型可以得到一种具有自适应性的贝叶斯萎缩函数.利用这种萎缩函数可以实现对小波系数的修正.实验结果表明利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节.     

全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。     

双正交冗余小波变换的图像去噪方法

由于正交小波变换的不具备线性相位、不具有平移不变性等特性,导致其在图像去噪领域仍存在很多问题,本文将双正交冗余离散小波变换应用到几种经典小波阈值图像去噪方法中,以克服标准正交小波变换在阈值图像去噪中存在的问题.实验证明该方法的去噪效果明显优于正交小波方法和普通双正交小波变换的去噪效果.     

一种基于小波变换的多聚焦图像融合方法

提出了一种基于低频系数局部区域梯度信息的多分辨率图像融合方法。根据局部梯度信息对源图像的小波低频系数进行选择,获取融合图像的对应低频系数。依照平均误差、峰值信噪比、均方根误差以及偏差度、熵等评价标准,将该方法的多聚焦图像融合效果与其他三种常用低频系数融合方法的效果进行了比较。实验结果表明,该方法获得的大部分评价指标都优于其他三种方法,且其最佳小波分解层数为2层,而其他三种方法的最佳小波分解层数为5层。最佳小波分解层数越少,图像融合的计算量越小。该方法在减少计算量的同时,提高了融合质量。     

双正交小波变换多分辨率图像融合方法

为了避免常规正交小波变换所引起的图像边缘失真,特别采用了双正交小波变换进行图像的多分辨率分解。在融合处理时,为了获得更丰富的细节和更好的融合效果,对不同分解层、不同方向上的高频分量以及同一分解层图像中的不同区域均采用不同的融合算子。实验结果表明,该融合方法和融合规则是十分有效的,融合后图像的边缘和纹理细节都更加突出。     

小图像子集提取水印的小波域盲水印算法

提出一种新的盲水印算法,能从一个小图像子集上检测出水印,首先将图像进行小波变换,选择两个所需要的子带,利用相邻特征平均值和奇偶判决法在两个子带上各自重复内嵌一半水印,在水印检测过程中不需要原始图像。根据本算法的实验结果,该算法具有较好的透明性,对各种攻击有较强的顽健性,尤其是增强了小波域水印在面临裁剪攻击和联合攻击时的顽健性。     

多聚焦图像融合的最佳小波分解层研究

小波变换应用于多聚焦图像融合时分解层数的选取是一个关键问题。根据区域标准偏差最小准则对小波变换后的高、低频图像分别进行融合。利用峰值信噪比、偏差度、熵等标准对融合结果进行评价。对比实验结果表明,多聚焦图像融合的最佳小波分解层数为5层。