一种基于双树复小波变换的图像去噪算法

针对图像处理的需求,提出一种基于双树复小波变换的图像去噪算法。该算法对图像进行双树复小波变换,对变换后的系数利用最大似然估计和维纳滤波进行去噪,采用最大后验概率来估计双树复小波的方差,利用维纳滤波得到去噪后的系数,通过双树复小波反变换得到去噪后的图像。在分解层计算方差时,均采用在4×4的结构元素内基于最大值和次大值坍缩后的邻域来计算方差。实验结果表明,该算法的PSNR对比其他文献提高0.2 d B左右,运行时间减少5 s。     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。     

基于尺度间和尺度内相关陛的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法。首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像。仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法。     

基于尺度间和尺度内相关性的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法.首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像.仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法.     

基于小波变换的红外图像去噪

提出一种基于新型阈值函数的小波域红外图像去噪法,其阈值函数表达式简单且连续,既克服了硬阈值函数不连续的缺点,又克服了软阈值函数中估计小波系数与含噪小波系数间存在恒定偏差的缺陷。同时新的阈值函数还有效地利用了小波系数的成串性,即在小波系数的估计计算中考虑了邻域小波系数的大小。仿真结果表明,在去噪红外图像视觉效果和峰值信噪比两个方面,文中提出的去噪法优于已有的各种门限去噪法和Matlab-wiener2滤波算法。     

伪彩色红外图像的小波自适应去噪算法

针对噪声污染的伪彩色红外图像,提出了一种小波自适应去噪算法.该方法首先将图像分解为R,G,B颜色分量图像,对每幅图像进行小波变换.根据变换后的不同细节子图的小波系数在区域及方向上具有的不同相关性,用不同的窗口对不同细节图像系数的方差进行估计,然后对小波系数进行一种改进的阈值处理,得到结果图像.结果表明,该方法能有效去除噪声,同时较好地保持了图像的边缘和细节.     

基于总体最小二乘的 Shearlet 自适应零值绝缘子红外图像去噪

提出一种基于总体最小二乘（Total Least Square）和 Shearlet 变换相结合的零值绝缘子红外图像自适应去噪算法。首先利用 Shearlet 变换对原始图像进行分解,得到各尺度各方向的 Shearlet 系数;然后考虑到不同尺度 Shearlet 系数之间的相关性,利用总体最小二乘准确估计了各层的 Shearlet 系数;最后对处理后的系数进行 Shearlet 反变换重构得到去噪图像。实验结果表明,该方法与小波去噪法和Bayes 估计去噪法相比,能够在有效去噪的同时,更好地保留了图像边界和纹理信息。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真,提出了一种基于平稳小波变换的图像去噪方法.使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘,如果小波系数被标记为边缘,则保持其系数不变,否则采用基于邻域的方法进行系数收缩.当噪声方差较大时,收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点,借助次大尺度高频分量将其去除,对处理后的小波系数进行平稳小波反变换得到去噪图像.实验结果表明,本文方法能够在去除噪声的同时较好地保持图像的边缘,是一种有效的图像去噪方法.     

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生Gibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。     

基于小波局部统计特性的图像去噪方法

本文提出一种利用图像在小波域上局部统计特性的自适应去噪方法。首先在LMMSE准则下,推导出小波系数在局部区域的恢复公式。为进一步精确地估计理想小波系数的局部方差,本算法提出利用尺度间和子带内的相关性,即利用粗尺度下小波系数的局部方差预测精细尺度下相应位置的小波系数为噪声成分的概率,以及常规估计下的小波系数的局部方差是否小于某个门限值判断其是否为噪声成分。然后以这些局域窗内非噪声成分系数估计理想小波系数局部方差。实验结果表明,本算法与传统算法相比,对图像质量有进一步地改善,尤其是对细节丰富的图像表现地更为突出。     

基于尺度乘积和相关性的图像去噪

为了去除图像的噪声,提出了一种基于尺度乘积和尺度相关性的平稳小波交换图像去噪方法.在传统小波系数估计的基础上,考虑到尺度间的相关性,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数.针对单纯利用尺度间相关性去噪造成的图像边缘失真问题,在不同尺度小波系数形成的系数向量中引入了小波系数乘积,不但可以较好区分边缘信息和噪声信息,而且提高了原有算法的去噪能力.仿真结果表明,该图像去噪算法能有效去除图像噪声,较好保持图像边缘,在峰值信噪比和视觉质量上都有较大提高.     

间歇混沌合成1/f噪声的相关特性分析

本文利用非线性随机微分方程来合成间歇混沌信号,针对该信号表现出的1/f噪声特征,在不同消失矩的小波基下进行相关特性分析.仿真结果发现,在功率谱的中间频段内,该信号的功率谱密度表现出典型的1/f噪声特性,其小波变换系数方差与相应的小波尺度呈对数线性关系;且在该频段内,部分尺度下该间歇性信号的小波变换系数的相关性随小波基的消失矩的增大而减小,在另一部分尺度下该相关性则随着消失矩的增大而增大.实验结果表明,随小波消失矩的增大,并非在所有尺度下小波变换对该间歇性信号均具有去相关作用.论文讨论了小波变换系数的方差和尺度的关系,详细分析了小波变换系数的相关性随小波消失矩的变化趋势.     

1/f类分形信号的最小二乘法参数估计

根据含噪1/f类分形信号的小波变换系数方差随尺度变化的特点,该文提出了一种估计1/f类分形信号参数的新方法,即对其小波系数方差进行简单的变换,使1/f类分形信号参数估计满足最小二乘法参数估计的条件。仿真实验结果表明,该方法可以有效地从加性白噪声背景下估计出1/f类分形信号的,2等参数,从而使1/f类分形信号与加性白噪声分离。     

Estimation of 2-D noisy fractional Brownian motion and itsapplications using wavelets

The two-dimensional (2-D) fractional Brownian motion (fBm) model is useful in describing natural scenes and textures. Most fractal estimation algorithms for 2-D isotropic fBm images are simple extensions of the one-dimensional (1-D) fBm estimation method. This method does not perform well when the image size is small (say, 32x32). We propose a new algorithm that estimates the fractal parameter from the decay of the variance of the wavelet coefficients across scales. Our method places no restriction on the wavelets. Also, it provides a robust parameter estimation for small noisy fractal images. For image denoising, a Wiener filter is constructed by our algorithm using the estimated parameters and is then applied to the noisy wavelet coefficients at each scale. We show that the averaged power spectrum of the denoised image is isotropic and is a nearly 1/f process. The performance of our algorithm is shown by numerical simulation for both the fractal parameter and the image estimation. Applications to coastline detection and texture segmentation in a noisy environment are also demonstrated.     

基于小波变换的MSK信号码速率盲估计

针对最小频移键控调制信号的码速率估计问题,提出一种基于Haar小波变换的MSK信号码速率盲估计方法。首先对接收信号作傅里叶变换得到信号频谱,对频谱频点分析粗估计信号的码速率,接着通过粗估计的码速率选取短时傅里叶变换窗函数长度和3个小波尺度,利用短时傅里叶变换得到信号瞬时频率变化,再利用小波的边缘检测特性对信号瞬时频率序列相位跳变点检测,最后对检测结果作频谱分析,估计频率得到MSK信号的码速率。仿真结果表明,高于信噪比门限时本算法可以对MSK信号码速率有效估计。     

Wavelet domain image resolution enhancement

A wavelet-domain image resolution enhancement algorithm which is based on the estimation of detail wavelet coefficients at high resolution scales is proposed. The method exploits wavelet coefficient correlation in a local neighbourhood sense and employs linear least-squares regression to estimate the unknown detail coefficients. Results show that the proposed method is considerably superior to conventional image interpolation techniques, both in objective and subjective terms, while it also compares favourably with competing methods operating in the wavelet domain.     

时间尺度的多分辨率综合

本文根据小波分析的基本原理,对原子钟信号进行多分辨分解,将分解后的小波变换系数进行加权平均,得到不同小波尺度综合原子时的加权平均小波变换系数,然后由小波变换的重构条件,反演综合时间尺度,由于对原子钟信号进行小波分解,利用不同尺度的小波变换系数的小波方差进行加权平均,这样既要考虑不同原子钟在稳定性方面的差异,又顾及同一台原子在钟在不同小波尺度的变化特性,最后根据陕西天文台国家授时中心的实测数据对这种     

Multiple-step local Wiener filter with proper stopping in wavelet domain

In this paper, we propose an adaptive multiple steps local Wiener filter image denoising algorithm in the wavelet domain. This algorithm can be considered as a discretized implementation of adaptive heat diffusion equation, and is carried out by multiple successive steps. The denoised output from one iteration is taken as the input to the next. The proper iteration number is determined by total denoising amount which is measured by noise variance. The selected local window sizes are also relatively stable. The experimental results show the effectiveness of the proposed method.