非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

基于EMD的车牌字符去噪校准算法

对典型的车辆牌照字符识别算法中的去噪校准算法进行了研究和分析,在此基础上提出一种新型去噪算法,通过提取分割字符的积分投影波形进行EMD与SG联合去噪后重构字符,克服了字符特征模糊的缺陷,为车牌字符识别提供了可靠的字符特征。     

基于自适应多尺度形态滤波与EMD的激光雷达回波信号去噪方法

在使用经验模式分解(Empirical Mode Decomposition,EMD)对激光雷达回波信号进行去噪处理时,由于信号含有脉冲及间歇等间断事件而产生模态混叠,导致不能很好地分解出有用信号成分,影响去噪效果。针对这一问题,提出了一种形态滤波与EMD相结合的组合算法。首先,使用自适应多尺度形态滤波器作为前置单元,对信号进行初步处理,剔除信号中的间断事件干扰。之后,应用EMD对处理过的信号去噪。采用仿真数据及真实激光雷达回波数据进行了去噪实验。实验结果表明,文中算法相比于直接EMD去噪,在仿真试验中信噪比提高了8.89 dB,均方根误差降低了0.0514;在真实回波数据去噪实验中,6 km以后平均信噪比提高了3.356 4 dB。该组合算法有效地抑制了模态混叠现象,具有良好的去噪效果及应用前景。     

包络滤波算法及其在图像去噪中的应用

针对图像处理中的图像去噪问题,研究和提出了一种基于包络线的包络滤波方法.该方法通过对包络线进行修正并进行均值,得到原始信号的一种逼近,这种逼近能够有效地保持信号的主要波形成分和边沿,同时抑制信号中的低幅度噪声扰动,从而达到滤除噪声保持边沿的目的.将这一算法应用于图像去噪可以很好地去除低幅度噪声,并保持图像的轮廓与边缘,结果大大优于加权平均、中值滤波和小波去噪技术.     

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

一种改进的小波阈值算法在激光侦听中的应用

为了更好地实现激光侦听中的语音降噪,采用一种改进的小波阈值去噪算法,进行了理论分析和实验验证,取得了一系列仿真数据。结果表明,改进后的算法与传统的降噪算法相比,降噪后的语音信噪比显著提高,降噪效果明显,信号波形更加平滑、失真度小。     

小波阈值去噪的改进方法

利用小波方法去噪,是小波应用于工程实践一个重要的方面;本文指出了采用常见的阈值确定方法对含有较强高频分量的信号进行小波阈值去噪时,去噪效果与实时性存在着矛盾,不利于信号特征的提取。提出了一种新型的阈值确定方法,进一步提出了以小波去噪后特征频率分量的功率谱密度值的下降程度为依据的待定因子确定方法。以Mallat算法为例,对新型阈值确定方法进行了分析和比较,指出运用该方法进行小波去噪处理,增强了算法的实时性,同时信号拟关注的信息损失较小,去噪效果比较理想。交-交变频器输出电流的小波去噪实验结果表明,该方法行之有效。     

基于DSP的小波阈值去噪算法的实现

小波去噪是信号处理领域中的热点与前沿课题。阐述了小波去噪的基本原理和方法,利用TMS320F2812 DSP高速的运算能力、强大的实时处理能力等特点,在DSP上实现小波阈值去噪算法,为小波去噪提供了实时处理平台。采用软阈值函数和tein无偏风险阈值2t（rigrure规则）对噪声污染信号进行小波阈值去噪处理,实验发现,该法可以很好的去除噪声,满足信号去噪的光滑性和相似性准则。     

基于Donoho模型和高阶统计理论的小波消噪算法研究及其应用

本文结合经典Donoho小波消噪模型,提出了基于高阶统计理论的小波消噪算法.算法在小波分解各尺度引入了高阶统计理论中的四阶累积量方法,从信号和噪声的统计特性出发进行信噪分离.仿真结果验证了本文算法的性能.算法能满足无线电监测系统中对信号进行后续处理的需求.     

小波边界处理及实时去噪

基于小波阀值去噪良好的去噪能力和简单的操作方法,提出了一种基于小波阀值去噪的实时去噪方法。首先针对实际应用中数据有限对小波变换边界的影响,推导出了左右边界延拓数目,通过边界延拓,减小边界效应的影响,使去噪能力得到进一步的提高。接着推导出受边界效应影响的数目,给出了实时去噪流程图,通过相应的数据滞后输出,去除边界效应对数据区间的影响,使得实时小波去噪能够取得与离线去噪一样的效果。最后对算法进行仿真,给出了仿真结果。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

基于8方向的数字图像去噪算法研究

由于受到成像方法等因素的影响,数字图像的边缘、细节等特征常常淹没于噪声信号中,给后续的图像特征提取、图像匹配等图像处理带来很大困难。因此,对图像进行去噪具有十分重要的意义,图像去噪也成为数字图像预处理中的关键步骤。首先介绍了中值滤波、维纳滤波、小波滤波的原理,针对中值滤波在图像去噪中存在的不足,提出新的数字图像去噪方——基于8方向的数字图像去噪方法,并通过实验仿真验证了其有效性。     

基于卡尔曼滤波的压缩感知弱匹配去噪重构

现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计,未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法.该算法不需已知稀疏度先验,通过引入Kalman滤波,在最小均方误差准则下,每次迭代都获得最佳信号估计;并以弱匹配的方式同时筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KFCS算法.     

基于EMD及FFT的激光雷达回波去噪算法

摘要：激光雷达回波去噪是激光回波处理的重要环节,好的去噪算法可以有效的减少信息的损失以及失真,并且可以有效的去除噪声带来的影响。经验模式分解将时域信号分解为几个不同频带尺度的时域信号分量,简单的舍弃噪声层以及过渡层会导致有效信号的损失。通过一种基于经验模式分解及傅里叶变换的激光雷达回波去噪算法,选取特定的固有模态函数并作傅里叶处理,以此来提高去噪的准确性,通过实际数据验证了其合理性与有效性。     

基于FPGA的小波去噪的硬件实现

为了解决传统频域去噪法在光信号处理中单分辨率的局限性,提出了具有多分辨性的小波去噪法,并通过对比验证其有效性。由于小波去噪实现对硬件的要求较高,采用现场可编程门阵列做硬件平台来实现基于分布式算法的小波运算,将复杂的乘法运算转化为简单的并行查表累加过程,提高了运算效率,完成了小波算法的硬件移植。最后设计了基于现场可编程门阵列的采集系统,并在其上进行了小波去噪的硬件验证。结果表明,小波去噪算法在现场可编程门阵列平台上得到了很好的实现,且去噪效果良好。     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。     

基于多通道GAN的图像去噪算法

针对图像采集和传输过程中所产生噪声导致后续图像处理能力下降的问题,提出基于生成对抗网络(GAN)的多通道图像去噪算法。所提算法将含噪彩色图像分离为RGB三通道,各通道基于具有相同架构的端到端可训练的GAN实现去噪。GAN生成网络基于U-net衍生网络以及残差块构建,从而可参考低级特征信息以有效提取深度特征进而避免丢失细节信息;判别网络则基于全卷积网络构造,因而可获得像素级分类从而提升判别精确性。此外,为改善去噪能力且尽可能保留图像细节信息,所构建去噪网络基于对抗损失、视觉感知损失和均方误差损失这3类损失度量构建复合损失函数。最后,利用算术平均方法融合三通道输出信息以获得最终去噪图像。实验结果表明,与主流算法相比,所提算法可有效去除图像噪声,且可较好地恢复原始图像细节。     

Wavelet domain denoising method based on multistage median filtering

There are two main problems in the threshold denoising method based on wavelet transform. One is the difficulty of threshold selection, and the other is the inconsistence of the dip and curved events in the low signal-to-noise ratio (SNR) seismic data after denoising. In image denoising, multistage median filtering can preserve the details of the signal. So we proposed a denoising algorithm in wavelet transform domain based on multistage median filtering. Using this method the flat region and the edge region are differentiated by the difference between the maximum mid-value and the minimum mid-value, which preserves the details, thus improves the denoising effect. The simulation data and the real data processing results reveal that this method has stronger ability in separating signal from noise than that of the threshold denoising method.