基于小波变换的低频子带图像去噪方法研究

小波阈值去噪方法是研究最为广泛的方法之一,基于此方法提出了许多改进算法。然而,这些改进的小波阈值去噪算法都没有对低频子带进行处理。本文采用自适应中值滤波对小波变换的低频子带进行处理,而对高频子带采用通用阈值去噪算法。实验结果表明噪声方差越大（即噪声污染越严重）,重构图像PSNR提高的越多;对于噪声方差较小及细节较少的图像来说,重构图像的PSNR不是很理想。     

基于改进遗传算法的图像小波阈值去噪研究

论文提出了一种基于改进遗传算法的图像小波阈值去噪方法。从理论上分析了小波阈值去噪的原理,并采用改进遗传算法来求小波变换各子带的最优阈值,计算时无需噪声方差等先验信息;通过综合交叉和随机变异,避免了人为确定交叉率和变异率,从而使算法更加稳健,在提高搜索效率的同时减少陷入局部最优的机会。实验结果表明,与普通的小波阈值去噪方法相比,该方法能较好地改善去噪后图像的视觉效果,提高峰值信噪比。     

基于小波变换的图像去噪算法的实现

图像的有效去噪是图像信息预处理的关键步骤,该文描述了利用正交小波变换和软阈值方法对数字图像的去噪的实现算法。它主要包含正交小波变换、阈值去噪与小波反变换部分,其中,正交小波反变换是指对包含噪声的数字图像进行正交小波变换,得到小波系数;阈值处理是指对小波系数进行软阈值处理,去除噪声;正交小波反变换是指对去噪后的小波系数进行正交小波反变换,得到去噪图像。此外,为了减少图像边缘失真,进行了滤波处理。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

基于小波变换阈值的茶叶病害图像去噪方法研究

茶叶病害图像在实际采集和传输过程中因受到各种噪声的干扰而使图像的质量下降,直接影响后续的图像处理效果.因此图像去噪是图像处理中的一个重要环节.提出基于小波变换阈值的茶叶病害图像去噪方法,对阈值函数和分解层数的选取进行了研究,引入信噪比、均方差和峰值信噪比作为评价去噪效果的性能指标辅助选择小波基函数.为实际使用小波变换阈值去噪方法提供了参考依据.     

基于噪声方差估计的小波阈值图像去噪新方法*

大多数小波阈值去噪方法需要根据噪声方差来计算相应的阈值,所以噪声方差的估计将直接影响阈值去噪的效果。在两种常用的小波域噪声方差估计方法的基础上,提出一种新的阈值求取方法,实验证明这种方法能在一定程度上提高去噪图像的信噪比,并且提高运算速度。     

一种基于非下采样Contourlet变换的自适应阈值去噪方法

文章提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整Bayes去噪阈值。实验结果表明：与小波阈值去噪方法对比,非下采样Contourlet自适应阈值去噪算法在保留图像边缘细节的同时,不仅能明显提高图像的SNR值,而且还减少了Gibbs现象。     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

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。     

小波包滤波在齿轮故障诊断中的应用

为快速准确地判断齿轮故障的类型,提出了小波包滤波和神经网络相结合进行齿轮故障分类的方法。介绍了小波包去噪的原理和神经网络的设计方法,对阈值算法和神经网络优化算法作了改进,得到了不含噪声的信号和准确的故障分类方法。仿真结果表明,基于小波包滤波的神经网络方法具有更高的准确性和稳定性,可以满足工业故障诊断的要求。     

一种改进的小波域去噪算法

在D.L.Donoho和I.M.Johnston提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的双变量阈值函数。采用新的阈值函数的去噪效果无论在视觉效果上,还是在信噪比增益上和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。并且进行了仿真实验,其结果表明了该方法的有效性和优越性。     

一种改进的小波域阈值去噪算法

在D.L.Donoho和I.M Johnston提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的双变量阈值函数.采用新的阈值函数的去噪效果无论在视觉效果上,还是在信噪比增益上和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点.通过仿真实验结果,表明该方法的有效性和优越性.     

图像对比度增强的小波变换法

提出一种基于离散正交小波变换和非线性增益的图像对比度增强方法。对图像进行离散正交小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强。实验结果表明,论文提出的方法在有效地增强图像对比度的同时,又能很好地抑制图像中的白噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。     

基于RBF神经网络和小波分析的水质异常检测方法

快速准确地检测出自然或人为事件下的水质异常,对保护水环境和保障公众健康具有重要意义。针对水质背景数据波动大时异常检测性能不理想的问题,提出一种基于RBF神经网络和小波分析的水质异常检测算法。通过引入RBF神经网络预测水质,对预测值和真实值相比较得到的残差序列进行滑动窗口小波去噪,对各时刻偏离原点的距离与特定阈值比较后判定水质是否异常。以某水源水库在线监测氨氮值为研究对象验证算法,实验结果表明:与时间序列增量方法比较,算法具有更高的异常检测率和较低的误报率。     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

基于BP神经网络的数字调制识别方法

针对低信噪比条件下通信信号调制类型识别困难的问题,提出一种新的基于瞬时信息的数字调制识别方法。该方法采用改进的小波阈值消噪算法对信号的瞬时信息进行消噪处理,从而增大不同调制信号间特征值的差异,再采用弹性反向传播(RPROP)算法训练的BP神经网络对MASK,MFSK,MPSK,MQAM等7种调制信号进行分类识别。仿真结果表明:该算法在信噪比低至2dB时,能使所有调制信号均达到96%以上的正确识别率,极大地改善了低信噪比下的识别性能。     

Typhoon cloud image enhancement and reducing speckle with genetic algorithm in stationary wavelet domain

By employing discrete stationary wavelet transform (SWT), generalised cross-validation (GCV), genetic algorithm (GA), and non-linear gain operator, an efficient de-noising and enhancement algorithm for typhoon cloud image is proposed. Having implemented SWT to a typhoon cloud image, noise in a typhoon cloud image is reduced by modifying the stationary wavelet coefficients using GA and GCV at fine resolution levels. Asymptotical optimal de-noising threshold can be obtained, without knowing the variance of noise, by only employing the known input image data. GA and non-linear gain operator are used to modify the stationary wavelet coefficients at coarse resolution levels in order to enhance the details of a typhoon cloud image. Experimental results show that the proposed algorithm can efficiently reduce the speckle in a typhoon cloud image while well enhancing the detail. In order to accurately assess an enhanced typhoon cloud image's quality, an overall score index is proposed based on information entropy, contrast measure and peak signal-noise-ratio (PSNR). Finally, comparisons between the proposed algorithm and other similar methods, which are proposed based on discrete wavelet transform, are carried out.     

小波去噪方法的仿真研究

介绍了小波软门限和硬门限法上噪的处理方法．分析了采用不同的小波进行软门限去噪的效果,比较了软门限去噪和硬门限去噪的特点。仿真结果表明,对高斯白噪声的上噪处理,选用db8小波比用syml和haar小波可以得到更好的去噪效果,软门限法优于硬门限法．     

Wavelets and non-linear principal components analysis for process monitoring

A non-linear principal component analysis (PCA) algorithm is proposed for process performance monitoring based upon an input-training neural network. Prior to assessing the capabilities of the monitoring scheme on an industrial dryer, the data is first pre-processed to remove noise and spikes through wavelet de-noising. The wavelet coefficients obtained are used as the inputs for the non-linear PCA algorithm. Performance monitoring charts with non-parametric control limits are then applied to identify the occurrence of non-conforming operation prior to interrogating differential contribution plots to help identify the potential source of the fault. Encouraging results were achieved.