高空间分辨率卫星图像的薄云去除

为了有效地去除高分辨卫星图像中薄云的影响,提出了一种基于Mallat小波变换的薄云去除方法。对图像进行Mallat小波分解得到高频细节部分和低频近似部分,根据云噪声在分解系数中处于低频部分而地物信息占据相对高频部分的特点,在小波变换多尺度分析的基础上,算法在最大尺度低频图像上按照云厚度掩膜值对云区进行线性处理;对于高频子带图像根据尺度的不同运用非线性增强算子进行不同程度的增强,从而提高图像的清晰度,减小残留云的影响,之后将重构后的图像进行中值滤波以减少高频云的影响。针对高分一号卫星图像进行了实验。实验证明,该方法在去除薄云的同时很好地保留了图像细节及边缘信息,去薄云效果优于传统小波变换法。     

图像小波变换实现及EZW编码理论研究

根据图形小波知识,对于图形小波变换实现采取的技术—这个Mallat算法给以深入研究,同时基于Mallat算法采取VC++编程的方法来对图像小波变换进行分析与研究。Mallat算法是将信号处理中的滤波器和计算小波系数联系在一起,组建成塔形分解算法,这样小波系数相关计算简单化了。嵌入式小波零树系数编码(EZW)是将小波变换的各子带系数表示为零树结构。EZW是一种简单而有效的图像编码算法。使用这种算法,编码者可在任一点结束编码,所以允许精确达到一个目标比率,而这时仍能产生同样的图像。有很好空间的小波变换——频域局部特性,关于图像这个可以有效地进行处理。     

基于Mallat分解与Contourlet方向滤波的图像压缩

小波变换以其多分辨率分析和时频局域特性在信号处理中得到了广泛的应用.二维Mallat小波分解只能将图像分解为平滑、水平细节、垂直细节、对角线细节等四个部分.大多数图像特别是自然图像存在丰富的方向信息,然而Mallat分解只能对水平、垂直、对角线三个方向分析图像细节,所以在分解方向上存在不足.Contourlet变换除了具有和小波一样的多尺度、时频局部性,还具有方向性和各向异性.但是这种方法变换后数据量大于原始数据,存在冗余.将Mallat分解和Contourlet中的方向滤波相结合,提出了一种新的图像压缩方法,保持了二维Mallat分解的无冗余性,并且充分利用了Contourlet的方向性.仿真实验表明这种方法优于单独采用Mallat分解和Contourlet变换.     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理。然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并／串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性。提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪。试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波。     

改进的基于小波变换和FARIMA模型的网络流量预测算法

提出了一种改进的基于小波变换和FARIMA模型的网络流量预测算法,先对经过预处理的流量进行小波分解,再进行Mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后合成流量。该算法较之传统的首先用FARIMA模型对小波系数进行预测再进行小波重构的算法减小了预测误差。仿真实验也验证了改进算法的预测准确性。     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理.然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并/串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性.提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪.试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波.     

基于压缩感知的SAR图像压缩与重构方法

结合合成孔径雷达(SAR)图像特点,提出了一种基于压缩感知的SAR图像压缩与重构方法,并给出了具体的方法及详细流程.该方法首先将原始SAR图像进行分块处理,同时,利用离散小波变换(DWT)对分块结果进行稀疏处理,利用近似QR分解后的随机高斯矩阵对稀疏处理结果进行低维线性观测,实现了SAR图像的稀疏化表征与压缩.文中讨论的改进的正交匹配追踪(OMP)算法,与传统的OMP算法相比,改进的OMP算法在保证重构精度的前提下,可有效提高收敛速度.最后,通过离散小波反变换等处理获得最终的SAR图像重构结果.仿真实验结果证明所提方法的有效性与可行性.     

图像Mallat算法边界延拓问题的研究

在小波变换图像编码中由于图像信号是有限长信号,在Mallat算法中必须对信号边界作适当延拓才能实施滤波运算,而且边界处理的好坏直接影响图像编码后重构的质量,故边界延拓处理是Mallat算法实现的一个研究问题。首先分析了图像编码Mallat算法中对图像信号进行边界延拓的原因和常用的一些基本方法,给出了对称延拓处理后信号重构的理论和方法,并在理论和仿真的基础上给出了边界延拓方法选择的一般原则。     

基于双树复小波变换的多聚焦图像融合算法研究

针对传统离散小波变换图像融合算法在图像特征表达上存在的不足,采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分解与重构,并对高频子带应用基于局部相似性度量的加权平均与选择相结合的融合策略。通过对实验结果的主客观分析,证明该方法得到的融合图像效果较好,优于基于传统小波变换的算法和局部能量取大的算法。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于小波变换微弱生命信号提取的研究

利用小波变换研究微弱生命信号提取问题,简要介绍Mallat算法,采用小波阈值去噪法对强噪声背景下微弱生命信号进行去噪研究,并简要介绍阈值的估计方法,通过实例,利用MATLAB仿真验证小波变换在微弱生命信号的提取中可取得良好的效果。     

基于小波分解的计算机图像去噪算法

计算机图像在形成过程中较易受到外界因素的干扰而形成噪声,对图像质量噪声较大的影响,小波分解可对图像信号在频域中进行细致的划分,选择合适的阈值可实现图像去噪的目的。文中分别对图像质量,小波分解、Mallat算法和小波阈值去噪进行阐述,并利用Matlab仿真软件对应用小波分解的图像信号进行去噪。仿真结果表明,该方法具有较好的图像去噪效果。     

基于复合脊波变换的图像去噪

脊波变换是在小波变换的基础上提出的多尺度分析方法,对于图像中直线状和超平面的奇异性问题,脊波变换比小波变换有更好的处理效果。应用数字复合脊波变换去除嵌入在图像中的白噪声,并使用一个简单的复合脊波系数的硬阈值来实现。实验结果表明,这种算法比VisuShrink算法、普通脊波算法和Wiener 2滤波器图像去噪的去噪效果更好,同时复合脊波算法也能应用于图像去噪和模式识别特征提取。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

小波变换在数字图像处理中的应用

小波变换在数字图像处理中的应用是小波变换典型的应用之一。由信号分析中傅里叶变换的不足引出小波变换,然后简单介绍了小波变换的定义和种类,分析了小波变换的性质和Mallat算法,总结了小波变换在数字图像处理中的四种应用：基于小波变换的图像压缩、图像去噪、图像增强和图像融合,分析了四种应用的过程及特点,同时进行了相应的Matlab试验与仿真。试验结果表明,小波变换在数字图像处理中的应用切实可行、简单方便、效果好、有很强的实用价值,有较好的应用前景。     

一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

一种改进的小波阈值裂纹图像去噪法

文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进,一方面改进闽值公式,寻求最优的阈值,获取更好的边缘保护,从而达到图像原始信息完整性;另一方面通过优化阁值函数获得改进的阚值方法,提高小波系数阈值判断的准确性,获得更好的去噪效果。实验结果表明,与通常的方法相比较,能更好的去除数字图像噪声、保护图像边缘,获得更好的峰值信噪比、边缘保持指数和更好的视觉效果,达到去噪要求。     

利用HSSIM和残差比阈值的3维激光扫描图像去噪

为了更好地实现3维激光扫描图像的去噪,提出一种融合直方图结构相似度(HSSIM)和残差比阈值的改进稀疏去噪算法。利用初始化过完备字典进行稀疏分解,以相似因子代替重构误差作为保真项,利用残差比阈值作为正交匹配追踪算法的迭代终止条件对图像进行去噪,获得了去噪后图像的峰值信噪比及HSSIM指标。结果表明,与基于db2小波变换、多尺度曲波变换和离散余弦变换的去噪方法相比,该算法能获得更好的峰值信噪比和HSSIM数据。在有效去除图像噪声的同时还能更有效地保留图像的细节特征。