基于二维小波变换的爆堆矿岩边缘检测

根据爆堆图像灰度分布的特点,并结合小波变换应用于边缘检测的基本原理,采用能够检测局部突变能力的B样条小波用于爆堆岩石的边缘检测。通过推导,给出B样条小波滤波器,并根据滤波器设计出了基于二维小波边缘检测算法。在小波边缘分割中自主设计了自适应阈值检测算法,该算法能很好地去除图像的噪声,并保留了图像的边缘。     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

一种基于椒盐噪声图像的加权滤波算法研究

针对中值滤波和其改进算法虽然能够在很大程度上改善噪声带来的影响，但是使图像边缘变得模糊这一问题，提出一种滤除椒盐噪声的加权滤波新算法。该算法定义中值相似度和空间临近度函数，并采用双阈值，根据阈值的范围，采用不同的方法获取权值。使用该算法对图像进行加权滤波不仅能够有效地去除椒盐噪声，而且尽可能的保存完整的图像边缘信息。     

采用零树结构分类小波系数的红外图像降噪

红外图像易受噪声污染,为了改善红外图像的质量,提出了一种基于零树结构分类小波系数的红外图像降噪算法.该算法利用小波零树结构表达尺度间的相关性,通过空间自适应阈值将小波系数进行分类,并根据不同类系数的统计特性采用不同的先验分布模型,在贝叶斯框架下实现降噪.实验结果表明,本文算法在峰值信噪比(PSNR)指标上优于传统算法;从视觉效果来看,该算法在有效去除图像噪声的同时能较好地保持空间细节,可以满足当前红外图像降噪的需求.     

基于阈值判断的自适应中值滤波算法

针对标准的中值滤波算法在去除噪声与保留图像细节方面难以取舍的缺陷,在自适应中值滤波算法的基础上提出了一种改进的基于噪声点检测的自适应中值滤波算法.该算法在进行噪声点检测时采用了一种阈值判断法,充分利用了当前像素点与邻域像素点的灰度值之间的关系.结果表明,在噪声浓度较高时仍然可以区分噪声点与边缘点,滤波的同时有效地保护了图像的细节.     

基于奇异谱分析的心音信号小波包去噪算法研究

针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。     

基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

二代小波包变换在爆破振动信号去噪分析中的应用

在提升算法及小波包变换原理基础上,构造了基于插值细分的小波SGW(6,6);介绍了基于最优提升小波包基分解的阈值去噪算法,将实测爆破振动信号通过二代小波包分解,对小波包系数进行阈值量化,再对阈值处理后的系数进行重构,成功地实现了爆破振动测试信号中的噪声去除。为将二代小波包变换引入到爆破振动效应分析研究领域奠定了基础。     

基于小波系数变换的小波阈值去噪算法改进

小波阈值去噪是近年兴起的一种较好的去噪算法,其一关键点在于准确的选取阈值将细节信号和噪声信号区分开来。提出了一种算法对小波系数进行变换,将难以区分信号和噪声的区域放大,以利于阈值的选取,从而达到改进小波阈值去噪的目的。通过使用传统阈值去噪算法和该改进算法进行仿真,结果表明改进算法对去噪指标SNR、SME（平均方差）都有所改善。另外本文实验也表明改进算法可以更好的去除噪声,且较好的重现原信号的细节特征。     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点，在大尺度下设置阈值，去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上，采用自适应阈值的方法，克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明，与单一阈值去噪方法相比，该方法不仅可以保留图像边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB。     

柴油机振动信号的分形特征及故障诊断

把小波包降噪与关联维数相结合用在柴油机故障诊断中,讨论了关联维数计算中相关参数的选取。首先对柴油机缸盖振动信号进行小波包降噪处理,通过自相关函数法求延迟时间,用饱和关联维数法确定最小嵌入维数,并用改进的G-P算法求关联维数。分析发现,小波包可以有效降低噪声干扰,柴油机在不同工况下具有不同的关联维数,该方法可有效应用于柴油机的故障诊断中。     

基于峰度检验和小波包分解的海洋平台脉冲噪声处理方法研究

海洋平台处于复杂的环境中,不仅受到风浪流的作用,而且还受到平台本身各种机器运转的影响,所以在平台上采集的信号一般都不可避免地包含大量噪声。其中,脉冲噪声是振动响应数据处理中经常遇到的干扰,严重影响了后续损伤敏感特征的提取。为了更好地消除脉冲噪声对特征提取的不利影响,引入了一种峰度检验和小波包阈值联合的降噪方法。将测得的原始信号进行峰度检验,确定脉冲噪声的影响区间,对区间内的信号进行小波包阈值降噪处理,并对处理后的小波包系数进行重构得到降噪信号。针对某在役导管架平台的实测数据,验证了该研究提出的降噪方法的有效性。结果表明,该方法改善了受脉冲噪声影响的加速度信号的质量。     

基于多假设检验的新型小波滤波算法

小波阈值滤波是信号处理领域的重要方法,根据信号和白噪声在小波空间上传播的特性,提出了一种基于多假设检验确定小波滤波阈值的新算法。将小波阈值处理过程看作一个多重假设检验过程,FDR（False Discovery Rate）准则的step-up和step-down过程均能控制FDR在给定的显著性水平,综合这两个过程形成了FDR step-up-down过程并应用于确定小波滤波阈值。仿真实验表明,算法能够灵活调整显著性水平的大小来达到滤波后所希望的效果,以信噪比和均方误差作为衡量指标,本方法滤波效果与hearsure方法相当,优于BH FDR及sqtwolog方法。讨论了显著性水平的选取对滤波效果的影响,指出显著性水平的大小与信噪比的改善并非线性关系,提出了合理选取显著性水平的思路。     

改进EMD-小波分析的转子振动信号去噪方法

针对低信噪比转子振动信号的去噪问题,提出了EMD和小波分析相结合的去噪方法。首先对含噪信号进行EMD处理,利用连续均方误差准则对IMF分量进行高低频区分。然后设定不同的阈值,利用小波分析对高低频IMF分量进行有用信号的提取,将提取的信号和低频IMF分量叠加重构,实现降噪。为了验证所提方法的有效性,进行了数字仿真和转子振动信号降噪分析,结果表明,所提方法整体上优于EMD和小波阈值去噪方法。     

基于小波包的振动信号去噪应用与研究

小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力。基于小波包变换的优良时频分析特性,论述小波包分析的基本原理,研究小波包在振动检测信号消噪处理中的应用,给出应用小波包变换对基于MSP430F449单片机的信号采集电路所检测到的振动信号进行消噪处理的实例。结果表明小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法能够更好地去掉高频部分,从而达到有效去除信号中噪声的目的。     

西石门铁矿爆破振动衰减规律研究

西石门铁矿中二采区与西石门村西片距离较近,最近水平距离仅有190m。中二采区采矿生产爆破作业对西石门村村民的生产、生活造成一定的影响。为了解爆破振动的影响程度,预报爆破振动速度值,在西石门村西片进行了5次爆破振动监测。沿采场至村子的直线方向上从村西到村东布置5个测点,共测得18组有效数据,拟合出西石门村西片区域爆破振动速度预测公式。理论校验分析和实验证明该公式是合理的。     

小波消噪阈值算法优化

在研究小波固定阈值消噪方法,讨论阙值估计经验公式的基础上,针对加性噪声小波变换后的统计特征,提出了一种自适应闽值优化算法,该算法可以较准确地估计噪声水平,在消噪的同时保留语音信号中的弱特征成分。通过仿真实验验证,优化算法较传统算法能够更加有效地消除语音噪声,获得最大信噪比。     

Improving performance of wavelet-based image de-noising algorithm using complex diffusion process

Abstract

Image enhancement and de-noising is an essential pre-processing step in many image processing algorithms. In any image de-noising algorithm, the main concern is to keep the interesting structures of the image. Such interesting structures often correspond to the discontinuities (edges). In this paper, we present a new algorithm for image noise reduction based on the combination of complex diffusion process and wavelet thresholding. In the existing wavelet thresholding methods, the noise reduction is limited, because the approximate coefficients containing the main information of the image are kept unchanged. Since noise affects both the approximate and detail coefficients, the proposed algorithm for noise reduction applies the complex diffusion process on the approximation band in order to alleviate the deficiency of the existing wavelet thresholding methods. The algorithm has been examined using a variety of standard images and its performance has been compared against several de-noising algorithms known from the prior art. Experimental results show that the proposed algorithm preserves the edges better and in most cases, improves the measured visual quality of the de-noised images in comparison to the existing methods known from the literature. The improvement is obtained without excessive computational cost, and the algorithm works well on a wide range of different types of noise.