基于小波变换的图像去噪算法研究

图像去噪通常采用的是低通滤波的方法,但是它在消除图像噪声的同时,也会消除图像中部分有用的高频信息。各种图像去噪方法性能的优劣,其实质就是在去噪和保留有用高频信息之间进行权衡。论文概括描述了小波理论及其优缺点,着重介绍了阈值收缩法并分析了其存在的不足,分析了阈值函数选取方法,并采用MATLAB进行仿真实验,实验结果表明,使用软阚值函数进行图像降噪,较之硬阈值,通常可获得更好的效果。     

基于小波变换和KICA算法的图像盲分离

盲源分离技术在污染图像恢复与重构中起着重要的作用。近年来出现了多种盲分离算法,在无噪声的情况下,KICA(核独立分量分析)的分离方法最好。但在有噪声的情况下,传统的方法对于有噪混合图像的分离效果不佳。针对这一问题,提出了小波去噪与KICA相结合的算法对有噪混合图像进行去噪分离。仿真实验结果表明这种方法能有效地降低噪声的影响,能较好地实现了图像的分离。     

基于小波的图像去噪技术

本文介绍了小波分析去噪的基本原理,研究了基于小波变换的图像去噪方法;考虑到小波相关去噪方法的优缺点,给出了基于尺度乘积与阈值相结合的去噪方法,并进行了试验验证。结果表明,与常用的图像去噪方法相比,基于尺度乘积与阈值相结合的去噪方法可以很好地保留图像的细节信息,性能优于其他方法。最后,基于对小波去噪问题的理解,提出了对小波去噪方法的一些展望。     

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。     

基于GHM多小波和贝叶斯估计的图像去噪算法

图像信号滤波是数字图像处理领域的重要技术之一。传统的滤波方法存在去除噪声却引起图像边缘模糊的问题，利用GHM多小波变换分析图像信号和噪声的性态，结合贝叶斯估计方法进行非线性阈值和重构，实现了图像信噪分离的目的，提高了信噪比。仿真结果表明，该方法能够有效地抑制噪声，且较好地保留了图像细节。     

基于小波分析的图像去噪应用

小波分析是傅立叶分析思想方法的发展与延拓,它具有良好的时频局部化特征、尺度变化特征和方向性特征,这使其在图像处理中得到了广泛的应用。本文讨论了小波分析的基本理论,并将其应用于图像的去噪处理。从仿真和模拟实验可知,小波分析用于图像处理具有压缩比大、信息提取灵活方便、去噪效果好等优点。     

一种基于小波变换的图像去噪方法

小波去噪方法中最早被提出的是小波阈值去噪方法,它是一种实现简单而效果较好的去噪方法。本文通过小波系数进行阈值处理,在小波变换域中去除低幅值的噪声和不期望的信号,然后运用小波逆变换,从而得到了去噪后的重建图像。     

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.     

基于新阈值函数的小波图像去噪研究

构造了一个新的阈值函数,并采用这个阈值函数来对含噪声图像进行去噪处理。仿真实验结果表明,采用新的阈值函数的去噪效果在峰值信噪比意义上优于传统的软硬阈值方法。     

基于小波变换和FASTICA算法的有噪混合图像盲分离

简要介绍了独立分量分析的基本数学模型和算法,在此基础上,探讨了独立分量分析在有噪混合图像分离中的应用,提出了一种将小波阈值法去噪与独立分量分析相结合的多通道含噪盲信号分离算法,该算法在对混合含噪图像进行独立分量分析之前,使用小波阈值去噪去除含噪混合图像中的噪声.实验结果表明,该方法能有效地降低噪声信号的影响,较好地恢复了原始图像,解决了传统的独立分量分析方法无法实现加性噪声的多通道含噪盲信号分离的缺陷.     

一种改进的小波域语音去噪方法研究

分析了信号和噪声在小波域的不同特征表现，并根据语音中浊音和清音的特点，提出了一种改进的多尺度多阈值的小波域语音去噪方法．该方法采用软限幅函数对浊音和清音信号的小波变换系数作不同的阈值处理，既抑制了噪声，又减少了语音段信息的损失，提高了信噪比．仿真结果表明，这是一种有效的语音增强方法．     

一种小波去噪方法的几点改进

Mihcak M.K,IEEE Signal Processing L etters,1996 ,6 (12 ) :30 0 30 3提出了小波去噪方法 L AWML(L AWMAP) ,并得到了非常好的去噪效果。该文针对其过保留小系数的特点提出了引入阈值处理以减少重建毛刺和提高去噪后信号的压缩率 ;根据小波系数子带能量分布的特点 ,提出对不同尺度不同子带选择不同邻域来提高方差估计的准确性 ;根据子带的方向选择性 ,提出用长方形代替正方形邻域的改进方案。通过实验证明了这些改进可以有效地弥补原先 L AWML (L AWMAP)方法的不足 ,得到更好的去噪效果.     

基于改进的小波阈值的电能质量信号去噪

针对硬阈值去噪效果不理想,软阈值去噪比较平滑使得信号产生失真的问题,提出了一种新的阈值去噪方法.采用对阈值门限进行改进并结合软阈值的去噪方法对电能质量信号进行处理,实现其去噪的功能.实验仿真表明,新的阈值去噪算法对电能质量信号进行去噪处理后的信噪比增益和均方误差相对于其他文献都有所改善.     

小波去噪的几种方法

利用小波方法去噪 ,是小波分析应用于工程实际的一个重要方面。该文介绍了几种常用的小波去噪方法 ,分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。将上述几种方法分别用于叠加了高斯白噪声的仿真信号的去噪处理 ,并通过对几种方法优缺点的比较 ,为小波去噪的方法选择提供了一个参考依据。     

平移不变量小波去噪方法的研究

在小波去噪的方法中,应用最为广泛的是Donoho等人提出的非线性小波变换阈值法.但在有些情况下,如在信号的不连续点处,运用阈值法去噪会产生伪吉布斯(psuedo-Gibbs)现象.在阈值法基础上加以改进的平移不变量小波去噪方法不仅能有效的抑制伪吉布斯现象,而且能减小原始信号和估计信号之间的均方根误差(RMSE).通过仿真实验可以看出,该方法比阈值法有更好的去噪效果.     

基于一种新型小波阈值函数的信号去噪

在小波硬阈值函数和软阈值函数的基础上,提出了一种新阈值函数.该函数综合了硬阈值函数和软阈值函数的特征,并且具有良好的数学特征.选择合适的参数,其可以适应不同的情况.采用局部阈值规则选择阈值,通过仿真实验,验证了新阈值函数对去除高斯噪声的有效性.     

基于小波变换的图像阈值去噪算法研究

介绍了小波阈值去噪的原理,分析传统的软硬阈值函数的不足,对阈值函数的选取和阈值的估计进行了改进,提出了一种新的小波阈值去噪方法。实验结果表明,本算法明显提高了图像的峰值信噪比,即能较好的抑制噪声,又能很好的保留图像的特征和边缘信息。     

汽车振动信号去噪分析中的小波参数选择

对振动信号阈值去噪中的小波母函数、阈值大小以及系数的量化方法的选择进行了研究。根据去噪性能的信噪比增益和去噪因子2个评价指标,对Daubechies小波系和Symlets小波系的30种小波母函数进行了筛选,选取db13和sym11小波作为较优小波母函数;介绍了自适应阈值的计算方法,在此基础上分析了传统软硬阈值方法的优缺点,提出了一种改进的阈值方法,并将它们应用于仿真信号和实际汽车振动信号的去噪,取得了较好的去噪效果。     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.