基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于小波变换的自适应阈值图像去噪技术研究

主要研究了基于小波变换的图像去噪技术在图像去噪过程中的阈值选择问题,对图像信号进行小波变换得到小波系数,选择合适阈值处理小波系数,再将处理后的小波系数经过小波逆变换得到重构后的去噪图像。仿真实验通过对基于小波变换的软阈值去噪、硬阈值去噪以及自适应阈值去噪方法对图像进行处理,达到对图像的降噪效果。仿真实验证明,基于小波变换的自适应阈值去噪技术去噪结果最优,能够清楚地保留图像中的细节,无锐化、过度平滑的现象,且它的信噪比、峰值信噪比的值为最大、均方误差的值最小,从而提升了图像的整体质量。     

一种基于小波的图像去噪方法

利用小波变换的特点,对传统小波萎缩去噪方法进行改进,在不同分解尺度和方向上采用不同的阈值对图像进行去噪处理,取得较好效果．     

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。     

图像小波去噪的算子描述

给出了一种基于二维离散小波变换的图像去噪方法,并用算子的形式加以描述,通过对小波变换系数进行阈值处理实现图像的去噪。讨论了不同的阈值选取方法和阈值策略。并提出了一种自适应局部阈值法。用均方差衡量去噪性能,实验结果证明,用自适应局部阈值法去噪好于全局阈值法去噪。     

一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

超小波多阈值估计的图像去噪新方法

为了能够更好的保留图像的有用信息,更精确的去除图像的噪声,提出了基于超小波多阈值的自适应图像去噪方法.该方法先通过超小波变换对图像进行多尺度,多方向分析,然后采用WindowShrink和BayesShrink相结合的去噪方法,充分利用原始图像和噪声的信息实现了图像的降噪处理.仿真结果表明,文中方法无论峰值信噪比还是去噪图像的效果都优于小波变换.     

利用方向特性实现非下采样Contourlet变换阈值去噪

系数阈值是流行的去噪方法,其中阈值方式与大小的选择是一个重要的技术问题．依据非下采样Contourlet分解系数尺度内与尺度间的相关性,考虑到相同尺度内不同方向上系数分布的聚集性依赖图像自身发生变化,提出一种利用方向特性实现非下采样Contourlet变换阈值去噪策略．对于被加性高斯白噪声污染的图像,实验中将利用方向特性实现非下采样Contourlet变换阈值去噪策略方法与小波阈值去噪、Contourlet变换去噪方法和非下采样Contourlet变换去噪方法进行了比较,结果表明利用方向特性实现非下采样Contourlet变换阈值去噪策略的峰值信噪比结果相比这些方法平均高出0.5~3.3dB,在边缘特征方面保持了良好的视觉效果．     

基于小波变换的地震映像法资料去噪研究

本文介绍了小波分析方法在地震映像法资料去噪处理中的应用研究。首先,通过对球体模型进行射线追踪,得到了球体反射点与反射时间。然后,在MATLAB环境中采用一维小波变换和二维小波变换分别对地震映像资料进行去噪效果研究,进行阈值滤波试验结果表明Bal．sparsity_norm（sqrt）阈值计算方法的处理效果较好。通过一维小波变换和二维小波变换的对比分析,对于二维地震图像的处理,二维小波变换处理效果较佳。在此基础上,采用二维小波分析阈值滤波法,对中国地质大学数理楼西侧路面下方防空坑道的地震映像法资料进行了处理,取得了较好的去噪效果。     

小波分析用于织物疵点检测的图像增强研究

对采用小波分析去除噪声来进行疵点图像的增强以用于织物疵点自动检测进行了探索。借助MATLAB小波分析工具箱,研究了小波分析在对疵点图像进行去噪等图像增强方面的实际应用,并对全局阈值降噪和分层阈值降噪两种方法做了比较。实验结果表明,小波变换可以较容易地分离出噪声或其他不需要的信息;小波分析用于疵点识别的图像增强,能有效地消除噪声,去除织物纹理的影响,分层阈值法在此应用上更优于全局阈值法。     

基于提升小波分解曲波变换的雷达影像消噪法

利用提升法对传统小波进行提升,将提升小波对雷达影像进行分解,形成子带影像,再将子带影像进行脊 波变换,并对变换结果进行消噪处理,然后进行脊波逆变换和提升小波重构,得到新的雷达影像。试验结果表 明:基于提升小波分解的曲波变换比传统小波分解的曲波变换对雷达影像消噪效果好,同时与传统的均值滤波 相比效果更好。     

多小波描述的通用隐马尔可夫树模型图像去噪算法

小波域通用隐马尔可夫树(uHMT)模型充分利用了实际图像内部的自相似性,仅用9个参数(与图像的大小和小波的尺度数目无关)就可以完全确定实际图像的隐马尔可夫树(HMT)模型,极大地简化了隐马尔可夫树模型,但这使得图像去噪的精度降低。多小波描述在图像去噪方面取得了较好的效果。利用通用隐马尔可夫树(uHMT)模型和多小波描述各自在图像去噪方面的优势,将两者结合起来,提出了一种称之为多小波描述的通用隐马尔可夫树模型(M-uHMT)的新的图像去噪算法。仿真结果表明,这种算法的去噪效果优于典型的去噪算法。     

图像痕迹比对方法的应用研究

针对图像痕迹人工对比过程中精度和效率较低,提出一种基于特征点的平均绝对差算法进行图像痕迹检验．使用空间直角坐标系中的平移和旋转变换,建立图像误差分析模型,对三维数据进行修正．通过小波分析的消噪理论选取门限阀值处理,建立小波消噪模型,对数据进行了消噪处理．     

小波分析及其去噪应用

基于小波变换的特点,分析了小渡变换用于去噪的原理和方法,重点探讨了小渡闽值去噪的原理和方法,并对小波分析和小渡变换去噪在某些具体领域的应用情况作了简单介绍。     

虚拟仪器中基于小波包变换的信号去噪

阐述了小波包去噪的原理及算法,介绍了虚拟仪器中应用小波包变换对信号的去噪方法.在LabVIEW平台中通过Matlab Script节点的方式实现了小波包变换对信号的去噪.通过仿真对小波包去噪与小波去噪效果进行了比较,结果表明,小波包去噪效果较好.     

一种新型的小波阈值图像去噪方法

对含噪图像小波阈值去噪方法中经典的阈值函数选取方式以及阈值选取方式的相关性能进行比较分析,在此基础上,构造出一种新的小波阈值去噪函数。新定义的阈值函数通过增加一个参变量来克服硬阈值函数不连续的缺点和软阈值函数高阶导数不连续的缺陷。理论分析和实验结果均表明,构造的小波阈值去噪函数具有更好的适应性和去噪效果。在图像含有强高斯噪声的情况下,新型阈值去噪方法相对软阈值法其峰值信噪比可以提高4dB到6dB。     

小波分析在弓网动态参数检测中的去噪应用

对小波和二进小波进行了简单的介绍，在此基础之上，分析了基于小波变换的信号降噪的处理技术，将小波分析应用在高速电气化铁路弓网动态参数的信号降噪处理中，并利用仿真结果验证了该方法的降噪效果．     

基于总变分与小波变换的图像去噪算法

针对标准的ROF模型在去噪时边缘信息对噪声敏感且易模糊的缺陷,提出了一种改进的图像去噪新方法．在新算法中引入各向异性的扩散函数,并利用小波变换的模替代梯度算子的模来检测图像的边缘,从而使新模型具有很好的鲁棒性并根据图像的特征进行平滑,因而更好的保护边缘信息．数值实验表明,新算法使峰值信噪比平均提高约1.5dB,在视觉效果上也有很大改善．     

基于小波变换的脑电信号降噪方法的研究

通过小波变换方法对左右手运动想象脑电信号进行降噪.在对各种小波阈值降噪方法(固定阈值形式Sqtwolog及硬阈值法;使用Birge-Massart惩罚函数的阈值形式及软阈值法;使用分层阈值及改进的阈值法)的讨论比较之后,给出一种改进方案.然后对不同降噪方法处理后的脑电信号用概率神经网络进行分类.最后对分类效果进行比较,证明了此改进方案具有可行性.