InSAR干涉纹图噪声抑制算法的比较及改进

干涉纹图中的噪声影响着InSAR的图像质量,使得相位解缠无法进行或者使生成的DEM精度降低。为了获得高质量的InSAR纹图,必须对噪声进行有效抑制,同时保持空间分辨率。文中探讨了InSAR干涉纹图的噪声抑制方法,提出了一种新的干涉纹图的滤波方法。并采用了真实数据验证了方法的有效性。     

InSAR干涉纹图噪声抑制算法的比较及改进

干涉纹图中的噪声影响着InSAR的图像质量,使得相位解缠无法进行或者使生成的DEM精度降低.为了获得高质量的InSAR纹图,必须对噪声进行有效抑制,同时保持空间分辨率.文中探讨了InSAR干涉纹图的噪声抑制方法,提出了一种新的干涉纹图的滤波方法.并采用了真实数据验证了方法的有效性.     

基于小波域HMT模型InSAR干涉图噪声滤波研究

相干斑噪声是InSAR干涉图固有的,且InSAR干涉图对相干斑噪声十分敏感,为了得到精度更高的干涉测量产品,需要对干涉图进行相干斑噪声滤波。针对InSAR干涉图中相干斑噪声的统计特性,提出了一种基于小波域HMT模型的InSAR干涉图滤波算法,对InSAR干涉图的实部和虚部分别进行处理。试验研究结果表明,该方法在有效抑制相干斑的同时,还能有效地保持相位的细节信息和条纹的边缘结构,而且大大地减少了残余点的数量,有利于提高InSAR干涉测量的精度。     

基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定闲值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阂值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定阈值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阈值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

基于小波相位的噪声抑制方法研究

对弱小运动目标检测时,其图像信噪比很低,检测前需先进行噪声滤除.针对这一问题,提出一种基于单一尺度小波相位信息的噪声抑制新方法.利用同一尺度内噪声相位的突变性以及与邻近像素点相位的不连续性,将点相位系数与3×3窗口模板的窗相位系数之差和阈值做比较,判断是否为噪声.实验结果表明:图像信噪比得到显著提高,并较完整地保留了图像边缘和细节.     

基于小波变换的抑制复位噪声技术研究

分析了用于光纤陀螺的Y波导相位调制器在复位时,调制相位漂移对光纤陀螺系统特性的影响;紧接着测试了高精度光纤陀螺的毫秒输出,有一个和阶梯波复位同频的噪声,该噪声由Y波导的复位引起;为了实现对复位噪声的抑制,设计了一种基于FPGA的小波滤波方法;选取合适的小波基和分解层数;使用Verilog HDL编程语言实现小波滤波器在光纤陀螺闭环程序中的嵌套;通过实验比较,小波滤波具有明显的抑制复位噪声的效果,证明了小波滤波方案的有效性。     

基于小波分析的噪声抑制和数据压缩综合技术：SAR图象的噪声抑制与数据压缩

本文给出了－种基于小波分析方法的噪声抑制技术，它具有运算简便，能在保持原图精度的同时有效地降低斑点噪声影响的优点。更重要的是，它将噪声抑制与数据压缩过程同时进行．在对ＳＡＲ雷达图象的处理取得了良好的效果。     

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。     

基于小波变换的图像自适应阈值去噪算法

针对传统小波阈值去噪算法的不足,提出了一种新的自适应阈值去噪算法.该算法引入了一个新的阈值函数,利用GGD模型对小波子带内的系数进行建模,再根据小波子带系数的局部邻域信息进行方差估计,从而得到自适应最优阈值.实验结果表明,该算法在峰值信噪比和主观视觉效果上都比传统小波阈值去噪算法具有明显改善.     

基于小波包变换的非局部均值去噪方法

在非局部均值滤波的基础上,为了更有效地去除图像噪声,提出一种基于小波包变换的非局部均值去噪算法。首先对图像进行小波包变换,通过小波域系数估计图像的高斯噪声参数,然后计算经小波包分解后高频子带内小波系数的相似度,并以此作为权值来对小波系数进行调整,最后通过小波包逆变换对图像进行重建。实验结果表明与传统的非局部均值去噪算法相比较,该算法能在去噪的同时有效地保持图像的边缘细节等信息,取得更好的去噪效果。     

基于小波变换和稀疏表示的图像去噪

传统小波阈值去噪在对图像进行去噪时,并不能很好地保留图像的细节纹理等边缘信息部分.针对这一不足,结合了稀疏表示相关的理论,提出了一种基于小波变换和正交匹配算法相结合的图像去噪算法.首先选取小波函数对含噪图像进行处理,分离出图像的高频和低频小波系数,然后对高频系数结合正交匹配追踪算法,通过多次反复迭代求得高频稀疏分量,再结合低频分量,用逆小波变换得到恢复图像.实验结果表明,在相同的噪声条件下,该算法能取得较好的峰值信噪比(PSNR),获得更好的视觉效果.     

基于小波变换的图像去噪

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。针对传统去噪方法的缺陷,从理论上推导了二维小波分解和重构具体算法,研究了小波图像去噪的基本理论和方法,在此基础上利用Matlab7．0．1对含有两种不同高斯白噪声的图像进行了仿真实验,实验表明,基于小波变换的图像去噪可以有效地提高图像的去噪效果。     

基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性,提出了基于模极大值小波域的去噪算法。该算法先用Adhoc算法求出信号的模极大值,再根据模极大值小波域的定义求出信号的模极大值小波域,从而得到信号的小波系数,然后逆变换得到信号。实例分析表明：该算法能有效消除噪声,与交替投影模极大值算法相比,该算法在原理上更简单,程序实现更容易,去噪速度更快,能满足在线监测的要求。     

临床心电信号工频干扰小波去噪方法对比分析

针对临床心电信号存在的工频干扰,基于小波变换方法,从实用性角度对比分析了三种去噪方法;频域强制去噪法:先对小波系数进行傅立叶分解,将受噪声干扰严重的系数置零,再进行小波重构;此法得到的信号较光滑,但有可能丢失有用信息;能量阈值去噪法:根据提前设定的能量恢复指数,得到预定阈值作为门限,保留一定的细节系数和全部近似系数重构小波;此法简化并优化了传统阈值的选取,较好保留了信号中的突变部分;默认阈值去噪法:其可信度较低,但仍可满足非高精度数据处理的要求;在实际临床应用中,可根据实际情况和处理精度选取合适的去噪方法,为进一步研究临床心电信号预处理奠定基础。     

基于提升小波的自适应阈值图像去噪

介绍了提升方法(Lifting Scheme)的基本原理,给出了用提升方法构造传统小波的实现方法.在提升小波分解变换的基础上,研究一种自适应阈值的图像去噪方法--AdaptThr Shrink去噪法.这种方法是基于Bayes框架,在不同子带和不同方向上选择不同的最佳阐值.结合软阈值法对图像进行去噪,与传统方法相比,此种方法提高了去噪后图像的峰值信噪比(PSNR),而且使图像更加清晰.基于提升小波的自适应阈值图像去噪法实现简单、计算速度快、去噪效果好.     

基于提升小波的自适应阈值图像去噪

介绍了提升方法（Lifting Scheme）的基本原理,给出了用提升方法构造传统小波的实现方法。在提升小波分解变换的基础上,研究一种自适应阚值的图像去噪方法——Adapt Thr Shrink去噪法。这种方法是基于Bayes框架,在不同子带和不同方向上选择不同的最佳阈值。结合软阈值法对图像进行去噪,与传统方法相比,此种方法提高了去噪后图像的峰值信噪比（PSNR）,而且使图像更加清晰。基于提升小波的自适应阈值图像去噪法实现简单、计算速度快、去噪效果好。     

基于正交小波变换的信号降噪算法研究

提出了一种基于正交小波变换的信号降噪方法,深入研究了小波变换中的信号分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以取得较好的去噪效果。     

基于自适应小波阈值收缩算法的冲击消噪

冲击信号属于非平稳随机信号,在分析冲击信号之前信号消噪非常重要.基于Donoho提出的小波阈值收缩算法,提出了一种新的自适应于原信号的折中收缩函数.不同于经典阈值消噪算法,新算法克服了硬阈值算法造成的信号不连续的缺点,也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差.应用结果表明,自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果.