基于新阈值函数的小波阈值去噪算法

针对传统小波阈值函数在阈值处的不连续性、小波估计系数存在偏差等不足,导致去噪后的图像出现失真、产生吉布斯震荡等问题,提出了一种改进的阈值函数,与常用的硬阈值、软阈值以及已有改进的阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。为了验证该阈值函数的优越性,通过仿真实验对几种小波去噪方法的峰值信噪比（PSNR）与均方差（MSE）进行了对比。实验结果表明,此去噪方法无论是在视觉效果上,还是在均方差和信噪比性能分析上均优于常用的阈值函数。     

Bark子带小波包自适应阈值语音去噪方法

为了克服低信噪比输入下,语音增强造成清音弱分量损失,导致信号重构失真的问题,提出了一种新的语音增强方法。该方法采用小波包拟合语音感知模型的临界带,按子带能量对语音清浊音分离,然后对清音和浊音信号分别作8层和4层小波包分解,在阈值计算上采用Bark子带小波包自适应节点阈值算法,在Bark子带实时跟踪噪声水平,有效保护清音中高频弱分量,减少失真。通过与传统语音增强方法的仿真对比实验,证实该方法在低信噪比输入时,具有明显优势,输出信噪比高,语音失真度低。将该方法与谱减法相结合,进行语音二次增强,能进一步提高增强语音质量。     

基于新阈值函数的小波去噪方法

小波阈值去噪是信号处理中一种重要的去噪方法,针对常用硬阈函数不连续的特点以及软阈值函数存在偏差的问题,提出了一种新的阈值处理方法,在matlab7．0中的仿真试验结果表明,新的阈值方法的去噪效果无论在视觉效果上,还是在信噪比和最小均方误差意义上均优于传统的硬阈值和软阈值。     

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     

小波变换的语音去噪方法

提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法,首先对语音信号的高频部分进行二次分解,然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验,实验结果表明该方法提高了信噪比,去除了大部分噪声,相当完整地保留了有效信号能量,很好地解决噪声对语音信号干扰的问题。     

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.     

小波的循环阈值去噪方法

在D.L.Donoho提出的多分辨分析小波阈值去噪方法的基础上,针对SAR图像的相干斑噪声现象,提出一种小波域SAR图像的循环阈值去噪法,通过估计的噪声标准差和滤除信号后的噪声标准差之间的循环迭代,得到最优阈值。并以峰值信噪比和平滑指数等作为评价指标,与传统的软阈值、硬阈值以及几种空域滤波方法进行了比较。仿真结果表明,提出的新的阈值去噪算法无论是峰值信噪比,还是主观质量都优于软阈值、硬阈值去噪算法和各种空域滤波方法。     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

基于动态阈值函数的改进小波包遥测信号去噪方法

通过遥测信号可以获取飞行器的工作状态和环境数据,为评定性能和故障分析提供依据。本文利用小波包变换能对高频信号分解的优点,针对传统小波包去噪方法的阈值函数在处理既含突变又含平滑信号的情形下,不能在保持良好信号边缘特性与消除恒定偏差的同时,又能避免出现信号原本没有的振荡的问题,提出一种基于动态阈值函数的改进小波包遥测信号去噪方法,通过量化当前处理信号的平滑程度和构造介于硬阈值函数和软阈值函数之间并可切换的动态阈值函数,跟随信号变化进行去噪处理。通过算例仿真分析,验证了本文方法在处理既含突变又含平滑信号时,比传统小波包法具有更好的去噪效果。     

基于改进小波阈值去噪的图像增强算法

针对传统小波阈值去噪算法容易导致重构信号出现附加的振荡和阈值处理前后存在恒定偏差的情况,提出了一种新的阈值去噪算法:在第n层小波变换阈值λn两侧分别取一正值a,b,使得小波系数的绝对值在a,b处连续且一阶可导,旨在增强阈值的灵活性。实验表明,去噪效果较传统方法更加高效。同时,在此基础上,选择对比度图像增强技术来进一步提升含噪图像分割质量。通过仿真实验,运用传统方法和本文改进算法分别对附加了高斯噪声和随机噪声的图像进行处理,结果表明,本文改进算法在信噪比和峰值信噪比数据上都具有明显的优势。     

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。     

基于小波包变换的图像特征形成算法

在图像隐秘检测中,图像特征形成是关键技术之一。该文建立了自然图像的小波包分解系数绝对值线性预测模型,提出了基于小波包变换的图像特征形成算法。为解决图像特征向量维数随小波包分解层数呈指数级增长而导致的“维数灾难”问题,给出了基于离散度的可分性准则的详细计算过程。     

基于小波包和DCT变换的双水印技术

目前较流行的水印算法是在图像的时空域或变换域中感知重要的系数嵌入水印。然而感知重要的部分通常是图像的低频部分,当图像经历某些变换操作时,从低频提取的水印会产生严重的质量退化。针对这一问题,该文在结合小波包变换和离散余弦变换的同时,在图像小波包分解后的低频和高频部分选取适当系数分别嵌入同一个水印。水印采用二值图像,在水印嵌入之前对水印图像进行Amold变换以增强算法的隐蔽性和鲁棒性。实验结果表明,这一方案比单重水印方案能够更有效地抵抗JPEG有损压缩、剪切、滤波和噪声等常见的水印攻击,具有更广泛的适应性和更强的鲁棒性。     

基于小波变换的双水印算法

结合数字水印空间域和频域算法的特点,本文提出一种在图像小波变换域嵌入双水印的算法。在图像变换域低频分量嵌入识别水印,高频分量嵌入确认水印,图像版权所有者拥有单一密钥。试验结果表明,该水印算法具有良好的不可见性和稳健性,能够有效地保护图像版权。     

基于小波包变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像。多聚焦图像融合技术可有效地解决这一问题。在分析了小波包变换的概念和原理后,提出了一种基于区域统计融合规则的小波包变换多聚焦图像融合方法,先对不同聚焦图像分别进行小波包变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行小波包反变换得到融合结果。仿真试验表明,相比小波变换法,本文方法可有效综合多聚焦图像,获得了更好的融合效果。     

基于小波包变换的非线性信道均衡器

针对严重线性失真和轻度非线性失真的数字信道,为了提高基于最小均方误差算法的判决反馈均衡器的收敛速度,首先提出用一族正交小波包基函数来表示非线性信道判决反馈均衡器厦其输出,然后给出基于小渡包变换的非线性信道自适应均衡算法。该算法实现了小波包与非线性信道模型的结合,在计算量增加不多的前提下,利用小波包对小波空间的进一步划分以厦比小波变换更强的去相关能力来减小输入信号相关阵的条件数。对典型非线性信道模型的仿真结果表明,该算法可有效提高均衡器的收敛速度。     

基于小波包变换的Robust-M检测器

利用小波包分析将信号变换到其小波包系数域上，通过研究平稳随机噪声在各子空间上小波包系数的统计特性，结合Robust检测理论的相关结论，对非高斯噪声下的信号检测问题建立了统一的框架，并提出了一种新的检测算法。仿真实验表明，此算法不仅具有良好的鲁棒性和广泛的适用性，而且能够更为充分地利用噪声统计分布信息，从而有效地提高检测效率。     

基于小波包变换和块模糊分类的自适应水印算法

提出了在WPT域上基于块模糊分类的新的自适应水印算法。首先用m-序列来控制对原始图像进行小波包变换的分解结构,将适当的小波系数组成小波子块。然后根据人类视觉系统(HVS)模型和能量模型,对小波子块进行模糊分类。最后,根据分类结果,将不同强度的二值水印嵌入到不同的小波子块中。实验结果表明,提出的算法能抵抗各种图像处理的攻击,具有较好的鲁棒性。     

一种基于小波包变换的谐波分析新方法

针对电力系统中谐波电流分析问题,本文提出一种利用两阶段法并结合小波包分析的算法实现电力系统谐波分析的新方法.首先第一阶段将待分析原始电流的基波与谐波成份通过小渡包变换分解与重构算法分离,然后第二阶段再将各次余下的谐波电流用基于小波包变换的谐波算法进行分析.该方法能够解决基波电流与各次谐波电流之间的影响,减少频谱泄露以及小波变换的混叠现象.最后将提出的新方法与常规的直接分析法对比,仿真实验结果证明此新方法的优越性以及在精确度、可行性等方面完全符合电力系统谐波分析要求.     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。