小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上，应用小波变换技术对SAP图像进行分析处理。使用“小波局部软阈值算法”来计算阈值，对高频小波系数进行阈值确定。求得估计小波系数，对其取小波反变换后，去除SAP图像中的Speckle噪声。实验结果表明此方法对去除Speckle噪声十分有效，可以在含有Speckle噪声为背景的图像去噪中应用。     

基于小波阈值方法的电能质量扰动去噪分析

在小波变换的基础上。分析了硬阈值和软阈值去噪方法的不足。提出了一种新的基于小渡分解和小波重构的阈值去噪方法——软硬阈值折衷方法。谊方法将小波系数经过软硬阈值折衷法处理后。可以改善小波系数在阈值处的连续性，使重构信号不会振荡，又使变换后的重构信号与实际信号误差最小。通过仿真验证，该算法可以获得很好的去噪效果，消除扰动检测中的噪声影响，从而为噪声环境中电能质量扰动的检测和定位提供了良好的依据。     

基于小波变换的最优阈值图像去噪

小波图像去噪方法已广泛应用于图像去噪领域。在图像去噪中关键的一步就是阈值选取，阈值的选择直接决定去噪效果。本研究提出了一种基于小波不同子带选取最优阈值的小波去噪方法，该方法根据小波系数不同的特点选取阈值。实验结果表明，此方法可以有效地降低噪声，较好地保持了图像的细节。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系,针对小波系数估计中硬阈值方法和软阈值方法的缺点,通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法,提出了一种新的小波域局部自适应去噪算法.实验结果表明,该方法既可以去除噪声,又可以较好地保留图像的高频细节特征.     

一种新的基于小波变换的图像降噪算法

小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同子带不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值。实验表明,本方法能得到较好的降噪效果。     

一种基于二维小波块阈值数字图像去噪方法

小波系数在一个小邻域里具有相似性，若充分利用周围小波系数的信息，分块对小渡系数进行阈值去噪操作，可以在保持图像平滑的同时，尽量多地保留图像的细节信息。对Cai＆Silverman的方法进行分析，将其拓展到二维信号去噪，并提出一种基于小波块阈值数字图像去噪方法．实验结果表明，谊方法不但能保留更多的图像细节，而且具有较好的峰值信噪比。     

基于小波包变换的信号去噪应用研究

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理,可以有效地抑制噪声,很好的重构信号。在平均浮动阈值的基础上,通过计算机仿真,显示了平均浮动阈值下小波包变换信号去噪的效果,结果表明:此方法具有良好的效果。     

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。     

一维信号小波压缩的能量动态自适应阈值算法

提出了一种基于小波系数能量的动态自适应阈值算法,用离散小波变换对信号进行多尺度分解,依据小波系数在各层的能量分布以及每层小波系数的能量集中度,获取每层小波系数的压缩阈值。通过这种方法,可保留大部分小波系数能量,并兼顾压缩率性能。经仿真验证,本文阈值算法在多种小波和不同的分解尺度上的压缩性能稳定,与Birge-Massart策略阈值和全局阈值比较,在压缩率和保留能量综合性能评价上优于Birge-Massart策略阈值和全局阈值算法。     

基于小波包的图像降噪及Matlab实现

由于图像在实际应用中受大量干扰噪声影响,为了更好的利用含噪声图像,根据小波变换和噪声信号的能量分布特性,提出了一种先用小波包对含噪声图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,确定最优小波包基,再利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法,并与采用全局阈值降噪方法相比较;实验结果说明采用的方法可以有效地降低噪声,又可以较好地保持图像细节.     

基于多小波的局部背景隐马尔可夫模型图像去噪

小波域局部背景隐马尔可夫模型（LCHMM）可获得尺度内的相关性和局部的统计特征,并且复杂度小,多小波分析在图像去噪方面有很好的性能。利用多小波分析和局部背景隐马尔可夫模型各自在图像去噪方面的优势,将两者结合起来,提出了一种基于多小波的局部背景隐马尔可夫模型（M—LCHMM）图像去噪算法。算法主要有两步：局部背景隐马尔可夫模型去噪处理和均值处理。该算法简单有效,仿真试验表明M—LCHMM的去噪效果优于目前许多已有的去噪算法。     

广义高斯分布及其在图像去噪中的应用

指出了图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.研究了用广义高斯分布(GGD)对图像子带小波系数进行建模以及GGD模型的参数估计问题,在此基础上设计了一种基于贝叶斯估计的子带自适应阈值去噪算法,通过仿真实验对该算法和经典的小波阈值去噪方法进行了去噪性能的比较和讨论.     

基于图像局域特性的自适应贝叶斯小波收缩去噪算法

在小波去噪过程中,对小波系数进行统计建模,去噪效果会得到较大的改进.该文在贝叶斯萎缩去噪的基础上,提出了基于图像局域特性自适应阈值去噪算法.实验结果表明:新的算法比传统的算法能更有效地去除噪声,获得更高的PSNR.同时,图像中的边缘也保护得更好.     

一种基于互相关函数的小波系数相关阈值去噪方法

针对传统的小波系数相关去噪方法中,在对含噪信号进行小波变换后,各尺度上的小波系数会产生微小偏移的问题,提出了一种基于互相关函数的小波系数相关去噪方法.采用互相关算法,计算各个尺度与原始含噪信号产生的偏移量,再把偏移后的尺度进行相关分析,得出准确的突变信号;为了去除信号突变附近附带的少量噪声信号,再采用临界阈值去噪方法对...     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

基于高斯性检验的自适应小波去噪方法

针对软阈值和硬阈值去噪算法存在的缺陷，提出了一种基于高斯性检验的自适应非线性阈值去噪方法。该方法根据信号和噪声的模极大值特性自适应确定分解层数，引入高斯性检验选择软阈值和硬阈值方法对每层小波系数进行降噪处理。仿真结果表明，该自适应滤波方法简单有效、稳定性高，去噪后信号信噪比得到很大提高，且不同仿真信号结果都明显优于经典的小波去噪算法。     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

基于子波变换的图像多通道阈值降噪法

由于子波变换良好的信号能量集中性 ,近年来子波变换域的图像降噪受到人们重视 .子波变换域阈值去噪法因处理过程简单而得到广泛应用 .图像信息经过子波变换后在子波域分布的情况与子波基的选取有关 ,因此 ,不同的子波基在信噪分离上具有互补作用 .本文利用这种互补作用提出了两种子波变换域多通道阈值降噪方法 .根据噪声对图像影响与图像自身特征有关 ,以及子波变换域各子带子波系数之间的相关性 ,还提出了一种自适应的通道阈值设定方法 .实验结果表明 ,提出的算法在保持处理过程简单的同时 ,达到了更好的滤除噪声效果 .     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

一种基于粗集与小波的声呐图像降噪方法

声呐图像具有低对比度和边缘恶化的特点,传统的声呐图像散斑噪声降噪方法又不能较好的保持图像边缘和细节,因此提出了一种新的基于粗集与小波的声呐图像降噪方法。该方法通过考察散斑噪声的统计特征,利用粗集中的等价关系将声呐图像划分为若干子图,对子图进行对数变换后完成小波变换,采用自适应阈值函数处理小波系数,应用小波逆变换和指数变换得到降噪后的子图,将降噪后的子图进行叠加得到最终的降噪图像。通过新算法在实际声呐图像中的应用,实现了在保证降噪效果的同时能够较好地保持图像边缘及细节特征,验证了算法的有效性。