基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

彩色图象的一种小波去噪方法

小波图象去噪已经成为目前图象去噪的主要方法之一。针对加了高斯噪声的彩色图象，通过选择合适的小波基使用小波萎缩法的阈值萎缩法进行去噪，取得了相对中值滤波和均值滤波更好的效果。     

采用小波构造的图像阈值去噪算法

通过分析小波阈值去噪的特点,采用定长紧支撑双正交小波参数化构造方法构造滤波器长度为(13-3),并具有2、4、6阶消失矩的零点偶对称双正交小波。针对全局阈值算法的不足,提出了自适应分层阈值去噪算法,由小波分解细节系数中噪声的衰减速度来计算分层阈值。仿真测试结果验证了构造的小波具有良好的去噪能力,并能保留更为完备的图像细节信息,说明结合自适应分层阈值去噪算法可以明显改善去噪图像的质量和信噪比指标。     

一种新的基于平衡阈值的小波去噪方法

小波阈值去噪在信号处理中提供了一种新的去噪方法，然而，软阈值和硬阈值在信号去噪方面存在各自的局限性．为了能在软硬阈值两种方法结合之间找到折衷的方法，提出了一种平衡阈值处理方法．它不仅有效地去除噪声，而且去除噪声后的信号较为光滑．仿真结果表明，平衡阈值方法在信号去噪中要优于软硬阈值方法．     

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.     

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。     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

一种基于新型阈值函数小波去噪方法

传统小波阈值去噪方法中,软阈值法连续性好,但保真效果差,而硬阈值法可保留更多信息,但是在分界点处会产生振荡,即伪Gibbs现象。为了提高信号的保真效果,减少振荡现象,提出了一种新的阈值函数,该函数阈值介于软阈值与硬阈值之间,且是连续函数。方法既减小了软阈值固定偏差带来的失真,又消除了伪Gibbs现象。仿真结果表明,新方法的信噪比与均方误差均优于传统的阈值去噪方法。     

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.     

一种新的自适应多阈值小波去噪算法

小波阈值法在图像去噪中应用较广泛,该方法最重要的一个环节是最优阈值的确定.为此,提出一种新的自适应多阈值的阈值计算方法.由于小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同尺度不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值.实验表明,使用本方法从RMSE和SNR两个客观指标上看,能得到更好的效果,同时更适合人眼的视觉特性.     

基于小波变换和模糊积分的遥感图像分类

遥感影像分类是遥感影像数字处理的一个重要内容。针对实地数据缺乏背景下的遥感影像分类研究,文中提出了一种基于小波变换和模糊积分的遥感影像分类方法。该方法针对遥感影像的纹理结构与成像条件的相关性,分别对多光谱影像的三个通道纹理图像做聚类,然后采用模糊积分技术融合三者结果得到最终的分类图像。实验结果表明本文方法的分类结果要优于任何单通道的聚类结果和光谱聚类结果,且其分类连通性优于有监督的光谱分类结果。     

图像小波去噪的算子描述

给出了一种基于二维离散小波变换的图像去噪方法,并用算子的形式加以描述,通过对小波变换系数进行阈值处理实现图像的去噪。讨论了不同的阈值选取方法和阈值策略。并提出了一种自适应局部阈值法。用均方差衡量去噪性能,实验结果证明,用自适应局部阈值法去噪好于全局阈值法去噪。     

一种基于压缩感知的图像去噪方法

提出一种新的图像去噪方法,即根据压缩感知理论,利用变换求出含噪图像的稀疏表示,运用算法重构出原始图像,从而达到去除噪声的目的.实验表明,该方法具有可操作性和可行性.     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

基于2D小波变换的图像消噪算法

利用2D小波变换对含噪图像进行消噪处理。基于小波变换具有的多分辨率特点,分析图像信号的局部特征,滤除掉含噪图像中的高频成份,达到降低噪声的目的。文中给出了含噪二维图像信号模型,以及利用2D小波分析对图像信号消噪的步骤。同时介绍了MATLAB6．5中小波分析支持的图像格式。经噪声图像仿真测试,小波变换中独立阈值法具有较好的消噪效果。     

基于小波包的遥感图像融合新算法

提出了一种基于正交小波包的局域方差遥感图像融合新算法．该算法利用正交小波包变换,把图像分解成不同尺度的低频和高频部分,采用小波包局域窗口和子区域窗口统计,把小波包系数分类成边缘和非边缘系数．在融合处理中,把低频图像的小波包系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应图像小波包系数的多窗口区域方差,来确定融合后高频小波包系数．实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,有效且优于其他图像融合算法．     

小波在遥感图像分析中的应用与发展

介绍了小波变换在影像压缩、多源遥感影像融合、影像去噪、影像边缘检测与纹理信息提取等方面的应用特点与效果,并对小波在遥感影像分析中的应用趋势,以及一些尚待解决和进一步研究的问题进行了探讨。     

图像阈值去噪中的小波特性分析及算法改进

选取合理的小波和阈值算法能够获得理想的图像阈值去噪结果;分析了小波正交性、消失矩以及滤波器结构等特性对图像阈值去噪的影响,提出了图像闽值去噪中小波特性的选取依据．按照噪声与图像信息在小波多尺度分解中传递特性的不同,提出基于信息量的自适应分层阈值算法;仿真结果表明,在进行图像阈值去噪时应优先选取双正交小波,且其消失矩阶数近似于图像的最高次奇异性,去噪小波的高通分解滤波器应具有偶对称性质,低通分解滤波器长度不宜过短．自适应分层阈值算法的图像去噪效果要明显优于全局阈值算法,图像信噪比能够提升至27．86（bior2．6,SNR0=20）;具有偶对称高通分解滤波器的双正交小波能够获得较好的图像去噪效果,其消失矩阶数应近似等于图像的最高次奇异性,基于信息量的小波自适应阈值算法在提升图像信噪比的同时,能够有效保留图像的细节信息．     

基于小波变换的遥感数据融合与边缘检测

介绍了小波图像的分解和重构方法以及小波融合过程。采用Symlet小波变换融合方法对西安地区鲸鱼沟 水库的TM4、TM5子图进行单尺度二维离散小波变换融合,并进行水库的边缘检测。对图像通过TM4分解的低 频图与TM5分解的高频图像融合再与TM4影像原图比较,融合图像提取细节效果明显优于TM4原图像。