基于轮廓波消噪的门限选取方法研究*

简单地回顾了轮廓波变换的基本原理和基于轮廓波变换的消噪方法;与小波消噪门限选取原则相比较,得出了轮廓波变换消噪的门限选取原则和参考阈值,指出参考阈值的选取应该低于小波最优门限3σ,并给出一些不同门限下小波消噪和轮廓波消噪的实验结果。实验和理论分析表明,基于轮廓波变换的消噪方法在门限选取上略不同于小波的3σ原则,合理的门限参数应当是2.5σ。门限的选取从3σ下降到2.5σ,使得基于轮廓波变换消噪的峰值信噪比提高0.3 dB左右,视觉效果也有一定程度的改善。     

基于第二代轮廓波变换的消噪方法

提出一种基于第二代轮廓波变换的消噪方法,该方法在阈值选取上采用基于自适应冲激响应的多尺度多方向阈值,在硬阈值处理之后采用自适应维纳滤波。该方法充分利用了第二代轮廓波变换在频域和时域的局部化、多尺度、多方向和低冗余特征;能够利用更多较小的轮廓波变换系数以减轻轮廓波硬阈值消噪带来的纹理效应,并能更好适应人类的视觉特征。实验结果表明提出的消噪方法在峰值信噪比和视觉效果上都优于第一代轮廓波和小波的消噪效果。     

尺度不变V变换信号消噪

传统的小波变换方法用于信号的逼近、重构和消噪,通常会引起信号失真,例如在信号奇异点处的Gibbs现象,这是由于小波基函数的连续特性所引起的.该文提出一种新的尺度不变V变换(SIVT),可用于信号重构和消噪,并能有效消除信号逼近过程中的Gibbs现象.V系统是Haar小波基函数的扩展,并且是一种不变集上的多小波.信号消噪的困难点在于奇异点处的局部信号重构.该文通过对信号奇异点的分析,创新地提出采样信号局部尺度变换结合正交变换的方法(称为尺度不变V变换)进行信号消噪重构.实验结果表明该文方法消噪重构的信号比基于小波变换重构的信号有着更好的效果和更高的信噪比值.尺度不变V变换的理论表明了这种新的技术框架在某些信号重构问题上比小波变换方法更具优势.     

基于轮廓波变换的织物疵点图像消噪新方法

为了实现织物疵点图像的有效消噪,使其更有利于特征提取和疵点检测,提出了基于轮廓波变换的织物疵点图像消噪新方法。综合考虑轮廓波方向子带能量的大小与织物疵点图像轮廓细节之间的关系,对Donoho多尺度分解阈值进行修正,改进了Donoho多尺度分解阈值对图像细节"过扼杀"的缺点。实验结果表明,对织物疵点图像进行基于轮廓波变换改进阈值消噪时,该方法更好地保留了织物疵点图像的轮廓细节,峰值信噪比显著提高。采用改进的轮廓波Donoho多尺度分解阈值消噪后的图像,可以更好地应用于织物疵点图像的特征提取和疵点识别。     

基于二进小波变换和软阈值改进的信号消噪

软阈值消噪是信号消噪中的标准算法.理论上,软阈值方法在最小最大误差方面是近 似最优的.研究表明,通过结合系数消噪和软阈值方法,可以达到更低的误差下界.由于离散小 波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,采用了具有平移不变 性的二进小波变换.实验结果表明,文中所提算法的消噪结果具有更高的信噪比和更光滑的外观.     

基于Neyman-Pearson信号消噪方法的改进

本文介绍了运用小波变换进行信号消噪的原理，阐述了基于阈值的正交小波变换消噪法，对运用Neyman-Pearson准则进行阈值选定的方法作了改进，使其适合多尺度分解的小波变换，并将电子测量中的38准则用于对噪声强度的估计运算中，实验证明该种方法取得了较好的实用性。     

改进阈值消噪算法的小波包实现

小波包变换是一种时频分析的方法,在分析中高频方面优于小波变换,将其应用于滚动轴承振动信号中噪声的消除。本文在经典的小波软、硬阈值消噪方法的基础上,提出了一种基于小波包分析的改进方法。Matlab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,而且其消噪效果比小波消噪方法要好。     

一种小波和脊波联合去噪方法

由于小波变换不能有效地处理图像中的奇异线,而脊波变换能很好地弥补这一不足,提出了一种基于图像分块的小波和脊波联合去噪方法。该方法把噪声图像分成一定尺寸的图像块并选择其中的同质块和非同质块;利用小波去噪方法处理同质块,而非同质块用脊波去噪方法处理得到去噪后的图像;用维纳滤波器进一步处理去噪后的图像。实验表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,能有效地保留图像的边缘细节信息。     

改进离散平稳小波变换在压力信号消噪中的应用

提出基于离散平稳小波的改进自适应降噪方法,并将该方法应用于压力信号消噪,取得了优于传统小波消噪的效果。方法利用平稳小波的冗余特性,解决了传统二进小波变换降噪方法在奇异点存在振荡效应的不足,同时将尺度系数的噪声与各层噪声强度不同纳入分析。利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪。将该方法应用于压力信号消噪,并与传统离散二进小波进行比较,证明了方法的可行性和有效性。     

基于小波变换的信号消噪及其在软测量中的应用

介绍采用小波变换的方法实现对信号的消噪，且与BP神经网络相结合应用于丙烯腈转化率软测量中。实验表明基于小波变换的信号消噪比传统的消噪方法更有效。     

基于平稳小波变换的图像去噪方法

正交小波阀值消噪方法已广泛地应用于图像噪声抑制，目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果，然而对于图像中噪声幅度较大的情况下，正交小波变换阀值消噪会使图像边缘失真，甚至图像模型，提出的平衡小波变换的图像消噪方法，可以有效地降低噪声，同时又较好地保持图像边缘细节，与正交小波变换阈值降噪方法相比，有明显优越性。     

基于第二代Bandelet变换的彩色图像去噪算法

针对目前最新发展的Bandelet变换的特点,本文提出了基于第二代Bandelet变换的彩色图像去噪算法,充分利用彩色图像内在的几何正则性,自适应获得彩色图像的最优表示,通过噪声强度设置阈值,并利用软阈值函数实现彩色图像去噪。通过MATLAB实验结果表明,使用该算法去噪后的彩色图像,无论在主观视觉效果上还是客观质量指标上都比小波和第一代Bandelet算法有显著提高。     

基于Contourlet变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题。Contourlet变换具有多尺度多方向性,将其引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出了一种基于区域统计融合规则的Contourlet变换多聚焦图像融合方法。先对不同聚焦图像分别进行Contourlet变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行反变换得到融合结果。文中给出了实验结果,并对融合结果进行了分析比较,实验结果表明,该方法能够取得比基于小波变换融合方法更好的融合效果。     

小波变换在车流量检测雷达信号去噪中的应用

分析了车流量检测雷达中频信号的特点,探讨了小波变换在中频信号去噪中的应用;分别采用小波变换阈值法、平移不变量法和小波变换模极大值法对中频信号进行了去噪处理并对这三种方法的去噪性能进行了分析;实验结果表明,三种方法均能有效的抑制噪声,其中小波阈值法去噪效果较好,计算速度很快;平移不变量法去噪效果略优于小波阈值法,但计算速度较慢,模极大值法虽然取得了最好的去噪效果,但计算速度很慢;综合而言,小波变换阈值法最具实用价值。     

SAR图像的NSCT域自适应收缩相干斑抑制

提出了一种基于Nonsubsampled Contourlet（NSCT）变换域自适应收缩的SAR图像相干斑抑制算法。首先将SAR图像分解至NSCT域,其次对NSCT系数进行Pizurica自适应收缩。利用NSCT变换的良好的方向选择性及平移不变性,同时结合Pizurica自适应收缩的方向空间相关性及其局部噪声度量,自适应地得到各方向的高频子带系数对应的收缩因子,修正NSCT系数,最终将修正后的子带系数通过NSCT逆变换获得经过斑点噪声抑制的图像。实验结果表明,与小波域软阈值和Contourlet域软阈值算法相比,该算法在有效抑制SAR图像斑点噪声的同时能更好、更清晰地保持图像的边缘细节特征。     

基于Contourlet变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题。Contourlet变换具有多尺度多方向性,将其引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出了一种基于区域统计融合规则的Contourlet变换多聚焦图像融合方法。先对不同聚焦图像分别进行Contourlet变换．采用低频系数取平均,高频系数根据区域统计值决定的融合规则。再进行反变换得到融合结果。文中给出了实验结果．并对融合结果进行了分析比较,实验结果表明,该方法能够取得比基于小波变换融合方法更好的融合效果。     

基于变换域的条带噪声去除方法

为解决线扫描图像中的条带噪声干扰问题,提出了傅里叶变换与小波分解相结合的变换域条带噪声去除方法。首先对图像进行多尺度小波分解,将包含条带噪声的小波子带与包含图像信息的小波子带分离;然后对含有条带噪声的小波子带进行傅里叶变换,并对变换系数进行带阻滤波以消除条带噪声。利用实际采集的带有条带噪声的棉花异性纤维图像进行仿真实验,结果表明:傅里叶变换与小波分解相结合的方法,去噪效果明显优于单独使用傅里叶变换或小波分解的方法,既能有效地去除图像中的条带噪声,又能较好地保持图像的细节信息。     

基于提升小波的试井信号降噪研究

在油气井试井数据传输中,由于接收信号被噪声污染,从而影响了通信可靠性。小波变换因具有独特的时频多尺度分析特性而应用于信号降噪,但一代小波运算量大。采用运算量小的提升小波对试井信号降噪,给出了db2提升小波降噪的具体结构,在此基础上,与离散傅里叶滤波和匹配滤波两种降噪方法进行了比较。仿真结果表明,采用db2提升小波降噪效果明显,峰值信噪比高,且运算量小,有利于硬件电路的实现。     

基于NSCT的红外图像小目标检测技术

红外图像小目标检测是精确制导武器的关键技术之一。将小波或Contourlet多尺度分析用于红外小目标检测具有一定的局限性。无下采样Contourlet变换（NSCT）是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解。提出了一种基于NSCT的红外小目标检测算法。该算法首先对图像进行NSCT变换;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量间的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现红外小目标的检测。与基于小波变换的红外小目标检测算法进行了比较。实验结果表明,该算法能较精确地检测出红外小目标,优于基于小波变换的方法。