基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于小波变换的激光雷达回波信号去噪方法研究

提出小波变换法去除激光雷达回波信号中的噪声,通过建立模型,选择合适的小波基、分解层数和阈值,利用Matlab仿真发现选择sym4、db6小波的五层分解法去噪效果较好,对提高激光雷达的有效探测距离和探测性能有较大的参考价值。     

基于小波变换的混合阈值去噪的方法研究

基于小渡变换单一阈值去噪方法由于其采用固定模型进行阈值估计,在某种情况下去噪效果较好,但是在特定工程中去噪效果常常不能令人满意.文章提出一种基于小波变换的混合阈值去噪方法,对不同阈值加入权重,通过目标函数优化权重,计算出较理想的阈值.仿真结果表明,与传统方法相比,该方法有较好的去噪效果并能够保留细节特征.     

基于小波变换的一种去噪方法

介绍信号奇异性以及它的小波描述，基于B样条理论推出一种多尺度小波变换，采有软阀值判决方式，提出一种简单，实用的小波去噪方法。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于小波变换域上的KL变换的地震信号去噪方法

基于相邻地震道的有效波在波形及能量上有较强的相关性及改变各个频率成分的信噪比．有益于提高分辨率的观点，本文提出了基于小波变换域上的KL变换去噪方法．该方法的主要思想是：将地震记录进行小波分解，形成地震记录的分时、分频小波包剖面，然后利用相邻道相关的性质，用KL变换进行去噪，再将各个小波包剖面重构为去噪后的地震剖面．理论记录计算及实际地震剖面的处理结果表明：基于小波变换的分时、分频KL变换去噪方法能有效地提高地震剖面的信噪比和分辨率．     

基于小波变换的超声图像去噪算法研究

在超声无损检测中,图像在生成和传输过程中常常因受到各种噪声的干扰和影响而质量下降,这对缺陷的识别和定位将产生不利影响。在对超声检测信号和噪声的种类及特点进行深入分析的基础上,运用小波变换阈值去噪的理论,对四种不同的噪声(高斯噪声、泊松噪声、椒盐噪声和斑点噪声),分别运用软阈值去噪法、硬阈值去噪法及NeighShrink去噪法进行去噪,发现NeighShrink去噪法去噪后的图像性噪比提高最多,边缘模糊也最小。用这三种去噪法对超声B扫图像进行去噪,验证了NeighShrink去噪法对于超声B扫图像具有最出色的去噪效果。     

基于水下图像小波变换的图像阈值去噪方法的研究

水下图像污染过程和机理十分复杂,不同的水下环境噪声也不尽相同。在此尝试用小波阈值去噪方法对水下图像进行去噪,力求改善图像质量。小波阈值去噪是信号处理中一种重要的去噪方法,针对常用硬阈值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Matlab中的仿真试验结果表明,新阈值方法的去噪效果无论在视觉效果上,还是在信噪比上都优于传统的硬阈值和软阈值,充分体现出小波阈值去噪方法的优越性。     

小波变换去噪法在语音增强中的应用

本文论述了小波变换去噪原理和几种典型的语音去噪方法及语音增强的实现过程.     

基于伪中值滤波和小波变换的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

基于小波变换的图像去噪方法研究

图像去噪问题是一个古老的难题,也是当前研究的热点问题,而图像小波去噪算法在图像去噪方面虽然已取得了一定进步,但在这一领域仍然有许多问题需要研究,为了进一步提高图像去噪质量,改善图像视觉效果。在此通过在小波阀值萎缩法、基于混合模型的小波去噪法、小波去噪与其他算法相结合的三类方法中分别选用了三种典型算法即VisuSh?rink法、基于高斯混合模型小波去噪法、中值滤波与小波去噪相结合的算法,对当前基于小波变换图像去噪这三类典型问题进行了研究。研究表明对于单一的噪声,用相应某种算法,就可能取得较理想效果。而对于混合噪声,单独的一种算法取得的效果是比较差的,只有采用几种算法相结合才能取得较好的效果,因而在此也为图像去噪指明了以后的研究方向。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。     

一种基于小波变换的偏微分方程图像去噪方法

针对纹理图像在去除噪声时,纹理信息容易被磨光,尤其是纹理的线状结构很容易被破坏的问题,提出在小波域改进耦合P-M扩散与相干增强扩散的方法,并用改进的方法对不同的小波子带进行扩散,然后重构,得到去噪图像.数值实验结果表明,本文方法在达到一定降噪效果,保持区域内部较好光滑性的同时,对保持纹理信息、纹理的线状结构及纹理的光滑有很好的效果,说明该方法对纹理图像去噪有较好的效果.     

基于小波变换的空间目标图像去噪方法

通过对空间目标图像的特性进行分析,提出一种针对星空背景图像在保留恒星同时去除混合噪声的方法.该方法首先利用小波局部模极大值的多尺度相关性检测出图像边缘,再利用基于梯度分析的改进阈值方法对非边缘小波系数进行萎缩,最后由小波系数重构去噪后图像.实验证明该方法能够有效地去除高斯和椒盐混合噪声,使图像峰值信噪比提高5-10dB,并较好地保留图像边缘和有效恒星信息.     

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。     

基于中值滤波和小波变换的图像去噪

针对混合噪声的特点,提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波,然后再通过小波阈值法对噪声进行去除,达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价,结果表明:这种方法改善了图像质量,去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法,可以有效的去除混合噪声。     

小波变换和粗糙集的图像增强方法

提出一种基于小波变换和粗糙集的图像增强方法,其思想是先把待处理图像采用小波分解成4个子图像,然后再对分解后的小波系数利用粗糙集进行处理,以改善图像的视觉效果,最后采用小波逆变换得到增强图像.该方法很好地区分了图像低频分量和高频分量对图像增强的不同影响.实验结果表明,该方法图像增强效果好,去噪能力强,能较好地保持图像的边缘细节信息.     

基于模糊划分的曲波和小波降噪算法研究

针对曲波降噪方法在获得高质量图像的同时会出现一些虚像的问题,提出了一种用来抑制虚像的基于模糊划分的降噪算法?算法基于结果图像的曲波和隐藏马 尔科夫树的降噪方式设计,图像经过模糊划分后,模糊窗口的性能可以估算,而基于曲波和小波结果图像的图像融合权值可以由模糊窗口的性能确定?试验结果证明,文中算法能有效地提高结果图像的视觉效果并能明显地抑制结果图 像的虚像?     

基于整数小波变换与快速递推GCV的静止图像去噪

基于整数小波提出一种用于自然景物图像去噪的快速递推广义交叉验证(FR-GCV)算法,首先对图像做整数小波变换(IWT),计算小波图像中小波系数的分布概率,然后利用整数递推,降低了GCV函数计算复杂度。最后通过小波系数下采样和阈值上界限定进一步降低了算法复杂度。实验结果表明,FR-GCV算法对自然景物图像去噪耗时比GCV算法降低了90%以上。FR-GCV算法能够快速求取去噪最优阈值,在静止图像去噪领域具有较强的实际意义。     

基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。