基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定阈值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阈值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论,从一维空间小波变换故障信号检测实例出发,分析应用小波变换进行信号突变点检测时,阈值选取对消除噪声和信号真实突变点检测的影响,引出小波变换阈值选取的博弈观点;通过软件编程实现小波变换和模极大阈值法图像边缘点的提取,对比选取不同阈值时边缘点图像实例的效果,进一步讨论了阈值优化的博弈结论和相关技巧;认识和应用此结论不仅可以有效减小噪声,而且可以更加准确地提取图像边缘点,实验证明效果很好.     

基于小波变换的低信噪比雷达回波快速检测法

根据二进小波变换对信号分解的形式与特性,给出了信号在小波域中广义子波能量的定义,并利用子波变换的多尺度分解特性构造出广义小波能量积累器。在此基础上设计出一种直接利用广义小波能量积累对低信噪比雷达回波信号进行检测的快速算法。仿真实验结果表明,该检测算法对强白噪声及强声背景下的低信噪比信号检测比较有效,对背景噪声具有较好的自适应性,且该检测算法设计简单,执行速度快,可靠性高。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论，从一维空间小波变换故障信号检测实例出发，分析应用小波变换进行信号突变点检测时，阈值选取对消除噪声和信号真实突变点检测的影响，引出小波变换阈值选取的博弈观点；通过软件编程实现小波变换和模极大阈值法图像边缘点的提取，对比选取不同阈值时边缘点图像实例的效果，进一步讨论了阈值优化的博弈结论和相关技巧；认识和应用此结论不仅可以有效减小噪声，而且可以更加准确地提取图像边缘点,实验证明效果很好。     

基于小波变换和管道滤波的红外空中小目标检测

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换和管道滤波的检测算法。该方法利用小波变换的优良性质,通过分析噪声系数、背景边缘系数和目标系数在尺度间的不同特性,计算各个信号在尺度间的相关系数并归一化。按照自适应阈值法对噪声和背景边缘系数进行抑制,进而通过反变换得到抑制背景增强目标的图像。结合目标面积信息选择适当阈值,对重构图像进行分割生成单帧检测结果。基于目标运动的连续性和噪声的随机性,通过分别设置目标检测和位置变化门限,利用改进管道滤波完成小目标检测过程。试验结果表明,提出的算法能够准确地检测目标,相对于通常的小目标检测算法,该算法在背景抑制方面具有一定的优势,能够获得相对较高的信噪比。     

一种改进的Canny边缘检测算法

针对带噪声图像,提出了一种改进的Canny算子边缘检测算法。该算法用离散小波变换（DWT）分解和加权重构对图像进行平滑滤波,用Otsu阈值法（最大类间方差法）求出最佳的滞后闽值,在3×3邻域求得梯度法。实验证明,该算法在较好地抑制噪声的同时保留了更多边缘,检测出的图像边缘更加准确和丰富。     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点,把信号分成信号象素与可能噪声象素两类,对于可能是噪声的象素,采用图像的小波软阈值去噪方法进行滤波,而对信号象素不产生影响,且能保留更多的图像细节。文中也给出了标准中值滤波,自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验,结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波,稍微优于自适应维纳滤波算法,且能够比较好保留图像的细节部分。     

融合双阈值和改进形态学的边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出一种融合双阈值和数学形态学的边缘检测方法。首先对原图像进行小波分解,利用双阈值法处理高频分量,利用多尺度多结构数学形态学算法处理低频分量;然后采用差影法对高低频边缘图像融合。实验结果表明,对比单一使用小波模极大值法或数学形态学法,该算法具有更好的抑制噪声能力,检测出的边缘更加连续、清晰。     

基于小波尺度积的图像边缘检测算法

图像边缘检测技术是图像处理中最重要的内容之一,针对噪声大、灰度对比度低的图像,利用小波尺度乘积模极大值对其进行边缘检测.在进行二进小波变换后,先把相邻尺度的小波系数直接相乘,抑制噪声和增强图像边缘信息,再运用模极大值检测图像边缘,利用隶属函数确定阈值.该算法可以免除传统小波模极大值边缘检测后繁杂的边缘链接,简单易实现,实验证明其对抑制噪声和增强弱边缘有良好的效果.     

基于Shearlet变换的图像边缘检测

现存的基于空间域或小波变换域的图像边缘检测算法只能有效检测出有限方向的边缘,不能很好地检测较为复杂的边缘。Shearlet变换能够对图像进行任意层次和任意方向的分解,可以捕捉更多复杂的边缘。利用这些特点,提出一种新的基于Shearlet变换和改进canny算子的边缘检测算法。算法对canny算子进行改进,提出自适应阈值确定方法;根据Shearlet变换的多尺度和多方向特性,提出融合多个方向子图边缘信息的算法。实验证明,该算法不仅提高了边缘检测的完整性和精确性,还可以有效抑制噪声。     

基于Otsu方法和数学形态学的SAR图像海岸线检测

合成孔径雷达(SAR)图像海岸线检测,在很多海洋应用中具有重要意义。由于受海风和海浪影响,海面有时会产生强回波信号,以及受speckle噪声等其他因素的影响,SAR图像中海洋和陆地缺乏对比度,边界不清晰,用传统的阈值门限法等进行海岸线检测很困难。本文提出一种改进的海岸线检测方法,该算法引入最大类间方差法(Otsu方法)和数学形态学算法,以较小的计算量检测出了海岸线。通过使用Envisat ASAR图像进行实验,证明该方法具有较好的检测效果和检测速度,检测出的海岸线和原始图像的海岸线有很好的匹配,检测精度与边界追踪算法比较有所提高。     

小波变换三阈值多尺度融合边缘检测算法

充分利用边缘点和噪声点在梯度方向特征上的差异,提出了边缘点的梯度方向特征的概念。在不同尺度上对图像进行小波变换,得到每个像素点的梯度信息,利用双阈值的非极大值抑制法和边缘点的梯度方向特征提取每一尺度上的边缘点,最后用第三个阈值融合各尺度下的检测结果,得到图像边缘。实验结果证明,该算法与经典的Canny算子和Mallat小波算子相比,在保证边缘定位能力的同时,具有更强的抗噪声性,在强噪声干扰下仍可获得满意的边缘检测效果。     

基于小波变换的图像边缘检测匹配算法

小波变换能够获取信号的时频局部化特征,可作为一种有效的图像边缘检测工具。本文提出一种基于二维小波变换的图像边缘检测方法。首先对图像分别做两方向的小波变换,进而得到二维小波变换的幅值和梯度,然后利用非极大值抑制方法检测二维小波变换的模极值点作为图像的边缘点,最后利用Hausdorff算法实现模板边缘与实时图边缘之间的匹配。仿真试验表明本文所提出算法的有效性。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

二进小波与改进的形态学融合的边缘检测算法

针对小波变换边缘检测算法抗噪能力差、图像边缘不连续等缺点,提出一种将二进小波变换与形态学算子融合的边缘检测算法。利用新构造的二进小波滤波器边缘检测算法对含噪图像进行边缘检测,可以保留较多的边缘细节;利用新设计的多结构抗噪形态学算子对含噪图像进行边缘检测,抑制噪声良好;将两种算法得到的边缘结果按一定规则进行融合,利用Laplace算子锐化融合后的图像,得到最终的边缘检测结果。实验结果表明,该融合算法在抑制噪声的同时显示较多的图像细节,检测的图像边缘连续且准确。     

基于小波包变换和形态学滤波的小目标检测算法

为从红外图像中提取出微弱的小目标,提出一种小波包变换和顶帽运算相结合进行图像处理的小目标检测算法。首先利用小波包分解得到原图像不同子带的低频分量和水平、垂直、对角三个方向的高频分量,然后采用软阈值去噪方法滤除高频分量中的噪声并进行小波包重构;最后利用顶帽算法对背景进行处理并进行二值图像分割。算法充分利用小波包多尺度、多方向性特点,在大面积海空背景抑制、小目标增强方面进行了改进,在信噪较低的情况下,能够从不同背景的红外图像中有效检测小目标。     

基于小波变换的冲击脉冲雷达图像处理方法

将小波变换的基本理论运用到冲击脉冲雷达信号的处理中，检测雷达回波信号的奇异性，同时用非线性变换方法对图像进行处理。该方法对提取目标回波信号、提升其信号强度、抑制杂波干扰和噪声有良好的效果。文章最后给出了该方法对冲击脉冲雷达图像的处理结果。可以看出，在处理后的雷达图像中，目标清晰，杂波干扰和噪声基本消除。     

基于VMD和小波分析的电能扰动信号去噪算法

为了提高检测电能扰动信号特征的精度,抑制混杂噪声的干扰,提出将变分模态分解(VMD)结合小波阈值的去噪算法。首先利用Hilbert变换对扰动信号进行频谱分析,通过计算平均瞬时频率值,确定分解的模态个数;然后将含噪信号进行VMD分解,筛选部分模态分量重构信号;最后通过小波阈值法去除重构信号的残余噪声。与现有算法去噪效果对比,实验结果表明:提出的去噪算法效果良好,能够更好保留扰动期间信号的特征信息。