非下采样Contourlet自适应的地震信号插值方法

为了提高地震数据的重构效果,提出了一种基于非下采样Contourlet变换（NSCT）自适应阈值的插值方法。该算法对缺失地震数据进行变换,并利用NSCT变换系数计算N次迭代对应的阈值。每次迭代时自适应选取阈值对各方向各尺度的NSCT系数进行处理,利用未缺失地震数据填充到反变换后的缺失地震数据中,完成缺失地震数据的重构。实验结果表明,利用NSCT变换的平移不变性和自适应阈值处理,对均匀丢失和随机丢失的地震数据进行插值重构,能得到更好的插值效果。     

改进的小波阈值语音去噪算法

小波阈值去噪算法简单,计算量小,但是硬阈值函数的不连续性会造成信号的振荡,软阈值函数太过光滑会造成信号高频信息丢失.基于两种阈值函数存在的缺点,在小波变换理论基础上研究了一种改进的小波阈值语音去噪算法,提出了一种改进的阈值函数,同时也提出了修正阈值的修正系数.最后通过MATLAB仿真结果证明该方法在一定程度上可以去除噪声,减少信号的振荡,保留原信号的特征尖峰点信息,降低了信号的失真,更好地估计原始信号,明显改善了语音质量.     

小波阈值去噪中新的阈值函数的研究

基于小波变换的阈值去噪算法,需采用阈值函数对小波系数进行非线性的处理。本文在分析了硬阈值函数和软阈值函数各自特性的基础上,提出了一种新的阈值函数,该阈值函数克服了软、硬阈值函数的缺陷,连续、可导,且减小了偏差,函数中调节因子m可以改变阈值函数的趋向,使阈值函数具有较大的灵活性。仿真结果表明新的阈值函数的可行性及有效性。     

基于非下采样Contourlet系数尺度相关性的图像增强算法

针对传统图像增强算法对边缘类型划分过粗的问题,文章提出一种基于非下采样Contourlet系数尺度间相关性的图像增强算法。该算法由非下采样Contourlet单尺度系数得到噪音阈值、增强阈值和强边缘阈值,再基于对非下采样Contourlet系数尺度间相关性的分析,以归一化尺度积与单尺度系数的比值作为新的参数进一步划分边缘类型,并结合单尺度系数得出相应增益。对比测试结果表明算法能有效地提高图像对比度、去除噪音,在避免过增强的同时,对边缘视觉效果的改善更明显。     

基于小波变换的新阈值函数语音去噪方法

针对硬阈值函数不连续性、软阈值函数中存在恒定偏差的问题,基于2种改进的阈值函数,构造了一种新阈值函数,提出了一种基于小波变换的新阈值函数语音去噪方法。分别用硬阈值处理方法、软阈值处理方法及新阈值处理方法对系统信号和纯净语音信号进行去噪仿真实验。实验结果表明,新阈值去噪方法能减小信号失真,使重构信号逼近原始信号,达到了良好的去噪效果,比传统方法更具优越性和有效性。     

平稳小波变换和新阈值函数用于心电信号去噪

心电信号采集过程中容易受到基线漂移、工频和肌电等噪声的干扰.为了提高心电信号的信噪比,结合平稳小波变换,在使用小波阈值去噪法去燥过程中,提出一种有别于常用软硬阈值函数的新的阈值函数.通过分析实测数据验证新阈值函数,结果表明,该方法更加有效地抑制了心电信号中混入的基线漂移、工频和肌电噪声,且较好地保留了原始心电信号的特征.     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法．尽管Donoho对软阈值去噪提出了一个计算阈值的公式，但它并不适合双haar小波，针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法，实验证明此阈值的选取是有效的。     

一种新的小波阈值去噪算法及仿真

针对传统软、硬阈值函数和现有的大部分研究文献中所设计的阈值函数存在的缺陷,提出了一个新的阈值函数,该函数在整个小波域内(包括阈值点处)连续可导,且除阈值点外高阶可导,便于各种数学处理。另外可以通过参数调整来获得有效的阈值函数,从而达到比较理想的去噪效果。然后在以信噪比为主要评价标准的前提下提出了一种新的确定小波最优分解层数的自适应算法,该算法简单实用,可确定最优分解层数以达到最佳信噪比。最后,在MATLAB环境下进行了仿真实验,仿真结果表明,该算法能够获得比较好的去噪效果,具有广阔的应用前景。     

基于小波变换的阈值语音信号去噪

介绍了小波变换在语音去噪方面的应用概况.详细阐述了阈值法中的软阈值和硬阈值方法及它们的不足之处,并针对其缺点提出了软硬阈值折衷法去噪算法.最后,通过实验证明了该算法的优越性.     

一种改进的小波变换阈值去噪法

对传统相关去噪方法进行了改进,把相关去噪方法和阈值去噪方法结合在一起,得到一种组合方法。该方法滤波之后得到的小波系数不仅连续性好,准确率高,而且易于重构信号。仿真结果表明,消噪效果有了明显的改观。     

基于几何多尺度方向窗的小波图像去噪

针对小波变换处理1-D信号十分有效，但处理2-D信号由于具有方向的缺失，不能做到最优逼近的问题，提出了基于几何多尺度方向窗的小波图像去噪方法．该方：去利用图像的几何特征，在小波域中按照最小逼近误差的原则，在初始化方向窗内寻找图像几何方向信患，并在峰值信噪比规则下合并不同大小方向窗内的几何方向．最终选择出图像的去噪方向．在获得每个方向窗内去噪方向的基础上，沿去噪方向作2-D向1-D系数投影，进而对产生的1-D信号作小波去噪，重构后即实现了对图像的去噪处理。     

基于小波域自适应高斯混合模型的图像去噪方法

提出了一种基于小波系数局部统计模型的图像去噪方法。该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间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。     

小波域中视频图像的Bayesian消噪

消噪是图像处理中的重要问题之一。正交小波的正交性保证了白噪声干扰图像的小波系数所包含的噪声是白色的。新近的研究表明视频图像的小波系数趋于Laplacian分布,用Bayesian估计对图像小波系数滤波可以达到消噪的目的。本文研究了Bayesian估计与线性估计两种消噪方法,实验表明Bayesian估计有较好的消噪性能。     

基于NSCT和矩阵F-范数的图像检索方法

介绍一种基于非下采样轮廓波Nonsubsampled Contourlet（NSCT）和矩阵F-范数的图像检索（CBIR）技术。首先对图像进行NSCT变换,然后将变换结果用矩阵F-范数构建特征向量,设计了两个特征向量相似度度量,最后给出加权相似度实现了图像检索。实验结果表明,该技术具有很好的检索率。     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效.基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失.实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用,主要通过阈值方法来有效的降低图像的噪声,但它的结果中会出现诸如伪吉布斯现象之类的情况.为消除此类情况,将平移不变量小波变换引入到小波图像降噪中,并结合阈值方法进行消噪处理,同时在阈值处理前对分解后的高频与低频系数进行适当放大,从而形成平移不变量与系数放大法的有机结合.经仿真实验,证明这种方法比一般的图像消噪方法有很大改进,特别是图像的均方误差有很大的降低,提高了信噪比.     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效. 基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失. 实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用，主要通过阈值方法来有效的降低图像的噪声，但它的结果中会出现诸如伪吉布斯现象之类的情况。为消除此类情况，将平移不变量小波变换引入到小波图像降噪中，并结合阈值方法进行消噪处理，同时在阈值处理前对分解后的高频与低频系数进行适当放大，从而形成平移不变量与系数放大法的有机结合。经仿真实验，证明这种方法比一般的图像消噪方法有很大改进，特别是图像的均方误差有很大的降低，提高了信噪比。     

多分辨率域HMT图像去噪增强算法

为了同时削弱wavelet的伪吉布斯现象以及Contourlet的划痕效果,该文根据多分辨率分析原理.在Wavelett域与Contourlet域建立统一的隐马尔可夫树(HMT)去噪模型,实现了对图像的有效去噪与细节增强.该方法具有多向选择性、图像信息并行处理、信息利用率高、多频率图像融合增强等特点.通过仿真实验与Wavelet、Contourlet和Wavelet HMT等去噪算法进行比较,验证了该方法的有效性和优越性.