一种改进的自适应图像增强法

在去除噪声的同时，如何避免图像细节信息的损失和边缘的模糊，这是图像增强技术中的一个难点和关键问题．本文提出了一种自适应图像增强方法，即在对小波变换系数取阈值处理，并结合图像的自身特征对噪声和信号加以区分，通过对调整因子的设置来自适应增强图像边缘的方法．并用该法进行了实验仿真分析，取得了较好的增强效果，在降噪的同时保持了大部分细节及边缘信息．     

表面肌电信号的小波消噪改进算法

根据在不同尺度下信号和噪声的小波变换系数的相反特性，提出了一种改进的小波消噪算法来去除肌电信号中的噪声.利用Mallat算法对肌电信号进行小波分解，实质上就是将信号投影到尺度空间和小波空间，分别包含了信号的光滑通道分量和细节分量.兼顾软阈值和硬阈值量化方法的优点，利用两者的加权平均值滤除由噪声所决定的小波变换系数，从而在大尺度下补充细节信息并保持信号在奇异点的特征.利用保留下来的小波变换系数进行信号重构即得到消噪后的信号.实验结果表明，该方法可以有效去除噪声，兼顾了软、硬阈值的优点，保留了在模式变化过程中肌电信号细节部分的有用信息.     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。     

基于DCT及高频屏蔽窗的小波图像去噪方法

为精确估计噪声方差,提出一种基于离散余弦变换及高频屏蔽窗的去噪方法,利用离散余弦变换（DCT）对小波高频子带进行局部特征提取,在此基础上对由噪声引起的小波系数的幅值进行估计,从原小波系数中屏蔽噪声部分的幅值,并用小波逆变换对剔除噪声分量后的小波系数进行恢复,从而得到去噪后的图像．该方法避开了噪声方差的估计,并在去噪效果和保留细节方面要好于传统的阈值去噪方法．     

数据融合在SAR图像去噪中的应用

基于SAR图像统计特性的CMAP滤波器和基于小波变换的滤波器在SAR图像去噪的应用中表现出不同的特性：CMAP滤波器可以较好地进行斑点噪声的去除,但是图像细节信息丢失较多;而小波变换虽然可以较好地保持图像的细节信息,但是平滑效果并不理想. 文中将两种滤波方法的结果按照一定的融合规则进行融合,仿真结果表明,融合后的图像在较好地去除斑点噪声的同时,细节信息也得到了好的保留.     

遥感图像薄云的小波自适应阈值去除

可见光遥感图像最常见的薄云噪声严重地影响其解译的准确性,因此根据薄云噪声主要影响图像的低频信号,提出单波段遥感图像小波变换自适应阈值去云,图像经小波分解后,薄云噪声与地物信息在低频小波系数的阈值使用遗传算法以广义交叉验证GCV准则作为目标函数自动寻找,然后对小波系数进行阈值化去云。结果表明,该方法可有效去除薄云噪声并保留地物信息,使原来模糊的地物细节信息变清晰,信息熵最高,去云效果优于小波同态滤波,且明显优于同态滤波;不同尺度低频小波系数中薄云噪声与地物信息间的阈值,可用遗传算法和GCV准则有效地自动确定。     

小波变换与图像融合方法在遥感图像处理中的应用

依据小波变换理论,分析得出了图像经多层小波变换后,低层的细节系数频率高于高层细节系数,近似系数的频率最低。遥感图像景物的频率较高,云雾频率较低,高层的细节系数和近似系数包含了云雾信息,因此要提高图像的清晰度,就必须减少高层细节系数和近似系数,增大低层细节系数,去除云雾。为减少处理过程中信息量的丢失,将原图像和处理结果融合。实验表明,该方法能有效地去除云雾。     

图像小波系数的自相似性在图像去噪中的应用

讨论了图像小波系数的四叉树结构及统计规律,指出在四叉树各层节点的小波系数具有自相似性,利用这种自相似性建立混合高斯模型对小波系数进行描述;此外,四叉树层与层间的节点之间具有相关性,利用小波域系数间的自相似性信息和相关性建立隐式马尔科夫树模型(HMT),用于去除图像信号中的高斯白噪声,并利用Lenna图像进行试验仿真;与传统的低通滤波方法相比,该方法在滤除噪声的同时更好地保存了图像的细节和边缘信息.结论表明,隐式马尔科夫树(HMT)模型较精确的体现了图像的特征,具有较好的去噪效果.     

基于熵检测的图像噪声方差小波域估计

提出一种在小波域中基于熵值检测的图像噪声方差估计算法. 利用小波变换能显著降低图像信号的熵而并不改变高斯噪声熵的特性以及噪声熵值与噪声方差之间呈对数关系变化的规律,定量地分析了含噪图像在小波高频对角子带中系数的熵值随噪声幅值的变化规律,揭示出这种变化关系对图像具有较强的鲁棒性,从而利用这种变化关系,通过对含噪图像小波域熵值的检测对高斯噪声进行估计. 仿真结果表明,提出的算法能够有效估计出图像中噪声的方差,并且受图像细节影响较小,其性能优于现有其他算法.     

弦乐合弦声信号时频特征的小波包分析

利用小波包分析技术对弦乐合弦声信号进行时频分析，并采用Hilbert变换对小波分解系数时域重构信号进行包络线检波，得到了合弦声信号幅值的时频等高线相平面图．与传统傅里叶谱分析技术相比较，小波变换的时频相平面图能同时反映合弦声信号的构成频率成分及其时域特征．     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.     

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.     

基于视觉掩蔽的二维数字水印算法

提出一种基于视觉掩蔽的小波域二维数字水印新算法.该算法先将水印和图像进行多尺度分解,将分解的水印低频系数嵌入到具有相同尺寸的图像的低频系数中,重构得到水印图像,而水印分解中的高频系数将被保留,在水印检测过程中作为密钥使用.为了实现视觉掩蔽,在嵌入过程中,利用图像小波分解人眼的视觉系统特性,使得水印在不可见和鲁棒性都得到提高.检测水印时需要原始的未加水印的图像.实验结果表明,算法对压缩、加噪、线性滤波、剪裁等具有较高的鲁棒性.     

小波域CT/MRI医学图像融合新方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的小波域CT/MRI医学图像融合算法,利用平均梯度和方差两个指标来指导低频分量的融合;对高频分量采用基于梯度能量比加权的融合规则。实验结果表明,与传统的小波变换方法相比,此方法能够充分地将两种不同模式的信息融合在一起,很好地保留原始图像的重要特征,融合图像包含更丰富、更全面的细节信息,有效提高了医学图像融合的信息量。     

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.     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。     

对称小波变换用于非平稳信号检测和去噪

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于对称小波多层系数乘积的信号去噪算法,该算法首先对信号进行多尺度小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值,归一化和去除噪声小波系数;再利用归一的模极大值与相邻低层小波系数再次相乘作为对应层次的小波系数,逆变换得到去噪后的信号。实验仿真表明:该算法在有效去除噪声的同时,还能突出信号中的突变点。     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

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．