基于噪声方差小波阈值去噪算法研究

为了克服小波阈值去噪中硬阈值小波系数不连续和软阈值估计小波系数与分解小波系数之间恒定偏差的缺点,改进的阈值去噪方法被相继提出。文章根据高斯白噪声和信号在小波变换以后得到的小波系数呈现不同的特性,基于噪声方差提出一种新算法。最后通过MATLAB仿真验证该算法在信噪比、均方根误差、相关系数、信噪比增益4个去噪指标的效果。     

信号相位匹配噪声估计的小波去噪方法

多数小波阈值去噪方法需要根据噪声方差来计算相应的阈值,所以噪声方差的估计将直接影响阈值去噪的效果.提出了一种新的相位匹配的噪声方差估计方法,利用该方法实时地逼近当前噪声,建立新的噪声的阈值求取方法.通过实验证明该方法能够大幅度提高信噪比,可以取得非常好的去噪效果.     

基于噪声方差估计的小波阈值图像去噪新方法*

大多数小波阈值去噪方法需要根据噪声方差来计算相应的阈值,所以噪声方差的估计将直接影响阈值去噪的效果。在两种常用的小波域噪声方差估计方法的基础上,提出一种新的阈值求取方法,实验证明这种方法能在一定程度上提高去噪图像的信噪比,并且提高运算速度。     

基于PCA的图像小波去噪方法

目前使用的各种小波去噪方法基本上都是建立在对噪声方差精确估计的基础上，而对噪声方差的精确估计是很困难的．提出了一种采用主分量分析（PCA）提取小波系数的主要特征，通过对小波域中噪声能量的估计来实现去噪的新方法．首先利用PCA对小波高频子带进行局部特征提取；然后以主分量对小波系数进行重建的平均能量作为局部噪声能量的估计；将原小波系数的能量减去噪声能量，就得到去噪后的小波系数；最后用小波逆变换对剔除噪声分量后的小波系数进行恢复得到去噪后的图像．本文算法无需对噪声方差进行估计，因而更具实用价值．本文算法与“软阈值”、“硬阈值”去噪方法相比，峰值信噪比（PNNR）提高了2～8dB．实验证实了本文算法良好的去噪性能。     

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。     

非高斯噪声背景下小波阈值算法分析

针对小波阈值算法以高斯噪声为研究背景的局限性,为解决硬阈值函数不连续和软阈值函数估计小波系数和分解小波系数存在恒定偏差的问题,在非高斯噪声背景下提出一种新的小波阈值算法。新阈值函数从Garrote阈值改进而来,引入了高阶幂函数。该算法首先对加入一类非高斯噪声的信号进行小波分解,然后根据新的阈值函数对每层高频小波系数进行量化,最后用小波分解的低频系数和处理过的高频系数重构信号。在非高斯噪声背景下进行的仿真结果表明,新阈值函数去噪相对于软阈值、硬阈值、两类改进阈值以及Garrote阈值在信噪比和最小均方误差上都得到了改善。     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像。这种方法与全局Donoho软、硬阈值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显。它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑。仿真实验证明,该方法是一种有效的图像去噪方法。     

基于小波的信号阈值去噪算法研究

阈值去噪的方法就是在小波分解后的各层系数中,对模大于或小于某阈值T的系数分别处理,然后对处理完的小波系数再反变换重构出经去噪后的信号.在阈值去噪中,阈值函数体现了对超过和低于阈值的小波系数模的不同的处理策略以及不同的估计方法.     

重复利用噪声信息的图像去噪的研究

该文主要考虑利用图像噪声再生技术来提取图像细节.其思想是利用被滤除的噪声信号进行回收再利用.通过对噪声信号和初步去噪信号进行小渡变换.比较它们的小波系数,当噪声信号的小波系数达到一定的阈值时,将噪声信号的小波系数保留叠加至初步去噪信号的小波系数,然后利用传统的软阈值去噪的方法来进行图像的去噪,从而达到既能够去除噪声,又能保留图像细节的目的.实验证明,该方法较传统的方法在去噪和细节保持上有改进.     

新小波阈值函数在医学图像去噪中的应用

为了提高小波阈值去噪算法中的软阈值和硬阈值以及已有改进阈值函数存在的不足,提出了新的分层阈值函数的方法。该算法首先对噪声图像进行分解,从而得出小波系数。然后用改进的阈值函数对高频部分系数进行分层阈值处理。最后根据所得估计的小波系数在小波基的条件下,对图像进行重构,得到去噪后图像。该阈值函数具有优良的数学特性,通过对医学图像仿真实验结果表明,该算法去噪的效果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,所以该算法在解决实际去噪问题中值得推广与应用。     

基于噪声方差估计的伪造图像盲检测方法

针对不同来源合成伪造数字图像提出了一种盲检测方法,不同数字图像背景噪声存在差异,因而伪造图像区域噪声方差不同。从待测图像小波分解后的高频子带中去除相应边缘区域的高频干扰,改进了噪声方差估计算法,并对所得噪声图像进行分块处理估计每一个分块的噪声方差,将方差相近的块进行融合,最后比较图像中纹理接近的同质区域,找出方差异常的位置。通过实验研究了方差估计精度,对不同来源的伪造图像进行了检测,结果表明算法提高了图像噪声方差的估计精度,在图像纹理接近的同质区域中可以定位图像的伪造区域。     

基于神经网络的多变量时间序列预测及其在股市中的应用

首先分别由开盘价、最低价、最高价和收盘价序列经小波变换得到在大尺度上的各自逼近序列,并由这些逼近序列进行相空间重构,得到各自重构相空间内的点,即矢量列.然后将这4个矢量列组合成一个维数更高的矢量列,作为神经网络的输入,对其进行训练.最后用训练好的网络对2000年初的牛市行情中的上证指数波动趋势进行预测,结果令人满意.     

基于统计特性的小波噪声抑制在低剂量CT中的应用

较高的照射剂量限制了X线断层成像(computed tomography,CT)技术在筛查及体检中的应用,目前临床常采用降低剂量的解决方案,但CT图像质量亦有明显下降。为提高低剂量CT的重建质量,提出了一种基于投影数据统计特性的小波去噪算法。通过分析低剂量投影数据的噪声特性,发现在投影域其噪声均值和方差接近非线性高斯分布,根据非平稳噪声在平稳小波域中的性质,结合贝叶斯估计方法对小波系数进行基于最小均方误差的自适应滤波,实现了图像信噪分离的目的。滤波完成后,采用常规滤波反投影(FBP)法重建CT图像。较传统算法,该方法具有较高的信噪比,实验结果表明,该算法能够有效地抑制噪声,且较好地保留图像细节。     

Noise reduction method for chaotic signals based on dual-wavelet and spatial correlation

In this paper, an effective noise reduction method is proposed to remove Gaussian noise embedded in chaotic signals. The proposed method has two major steps: an optimal choice of wavelet decomposition scales and an estimation of the wavelet coefficients; the former is determined by the noise residual ratio based on dual-wavelet, whereas the latter is analyzed combining with the singular spectrum analysis and the spatial correlation theory. The chaotic signals generated by Lorenz model as well as the observed monthly series of sunspots are, respectively, applied for simulation analysis, the experimental results show that the performance of the proposed method is superior to that of other methods.     

结合听觉掩蔽效应的时频自适应小波阈值增强

针对浊音、清音和噪声的不同特性,结合听觉掩蔽并使用随尺度变化的多阈值对语音信号进行处理.提出了多小波门限估计法,该方法针对不同声音成分,使用不同的与尺度有关的缩小因子调节门限值;通过估计各频带内的信噪比,实现了阈值的时频自适应变化;用巴克小波包分解法模拟人耳临界带特性,用小波谱减法对带噪语音进行预增强,采用Johnst...     

基于变换域的条带噪声去除方法

为解决线扫描图像中的条带噪声干扰问题,提出了傅里叶变换与小波分解相结合的变换域条带噪声去除方法。首先对图像进行多尺度小波分解,将包含条带噪声的小波子带与包含图像信息的小波子带分离;然后对含有条带噪声的小波子带进行傅里叶变换,并对变换系数进行带阻滤波以消除条带噪声。利用实际采集的带有条带噪声的棉花异性纤维图像进行仿真实验,结果表明:傅里叶变换与小波分解相结合的方法,去噪效果明显优于单独使用傅里叶变换或小波分解的方法,既能有效地去除图像中的条带噪声,又能较好地保持图像的细节信息。     

OM-LSA和小波阈值去噪结合的语音增强

针对OM-LSA(optimally modified log-spectral amplitude estimator)算法产生的残留噪声,提出了一种结合OM-LSA和小波阈值去噪的语音增强算法。首先,进行语音对数幅度谱估计;然后,估计残留噪声,利用带噪语音第一级小波系数和语音不存在时的增益函数进行估计,解决了常规方法对增强后语音噪声估计不准确的问题;最后,在小波域利用软阈值法对语音信号进行阈值处理。实验结果表明,提出的算法有效地去除了OM-LSA算法中的残余噪声,在分段信噪比(segmental signal-to-noise ratio,SegSNR)和对数谱失真(log-spectral distortion,LSD)等指标评价上有较大的提高。     

小波变换估计非线性扩散最优停止时间

Gilboa提出一种针对高斯噪声的基于信噪比(SNR)最优的迭代停止时间估计方法。该方法用一个噪声补丁来估计图像噪声与冗余(噪声图像与去噪图像的差)的协方差对冗余方差的导数,补丁是随机生成的纯高斯噪声图像,其均值为零并且方差等于噪声图像的噪声方差。在实际应用中图像噪声方差未知,补丁的噪声是随机的,不同噪声所得到的最后停止时间可能不同。针对这些问题,对该方法进行了改进。首先将图像进行小波变换;再利用小波系数的层间相关性去掉第1层斜向高频系数(HH1)中的边缘纹理信息,获得"纯"的子噪声;然后把子噪声作为补丁的噪声取代随机噪声。实验结果表明,改进方法不仅能解决随机噪声补丁的两个问题,而且去噪图像在峰值信噪比(PSNR)上有一定优势。     

基于Allan方差改进阈值的惯性传感器动态信号小波去噪

惯性传感器信号的去噪效果通常都是用Allan方差来评价,针对这个特点,提出了一种基于Allan方差噪声系数的小波阈值改进算法。先用提升小波将信号分解到不同频段,再用Allan方差计算各频带上的噪声系数,根据各频带噪声系数的大小确定其滤波阈值,再结合参数可调的阈值函数对各尺度信号进行滤波去噪。改进算法以去噪效果评价参数来修正阈值,具有很强的针对性。通过同其它常用的惯性传感器去噪方法做比较,证明该算法可以有效的随机噪声,提取出更加准确真实的惯性传感器动态输出。