基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性，提出了基于模极大值小波域的去噪算法。该算法先用Adhoc算法求出信号的模极大值，再根据模极大值小波域的定义求出信号的模极大值小波域，从而得到信号的小波系数，然后逆变换得到信号。实例分析表明：该算法能有效消除噪声，与交替投影模极大值算法相比，该算法在原理上更简单，程序实现更容易，去噪速度更快，能满足在线监测的要求。     

基于最优小波包基的模极大值法信号消噪研究

给出了对信号进行基于熵准则的最优小波包基分解的基本原理,在此基础上提出了使用模极大值法进行信号消噪的基本原理.通过计算Lip指数确定信号中的奇异点,然后根据噪声和有用信号的模极大值随着小波分解尺度的增大而呈现出的截然不同的特性剔除噪声,从而实现消噪.通过对一含有噪声的信号进行消噪验证了该方法的优越性.     

小波模极大值滤噪法在示波计时电位信号处理中的应用

将小波模极大值滤噪法用于处理含噪示波计时电位信号。研究了信号中有用信息频带大小和噪音频带大小对滤噪结果的影响。示波计时电位信号经小波模极大值滤噪法处理后，切口宽度和相对深度变化很小，切口相对深度的相对误差仅为1．3％。实验结果表明：该方法适合于对信号中有用信息频带较窄且位于低频的信号滤噪或有用信息频带与噪音频带(即有用信息的频率上限与噪音的频率下限)有一定差距的含噪信号中高频噪音的滤除。     

基于小波变换模极大值的信号奇异性检测

奇异性信号往往带有一些重要信息,小波是奇异性检测的一种有力工具。本文通过小波变换模极大值法对信号的消噪处理和奇异性检测,并对几种常见小波进行不同奇异性信号的检测效果对比,并实际应用于电压骤变信号的分析。     

小波变换极大值在数据压缩中的应用

传统利用小波变换进行数据压缩的方法是基于小波变换的多分辨率滤波技术。结合小波变换的多分辨率特性,提出利用二阶样条小波变换模极大值压缩数据的方法。并在此基础上采用设定阈值消除幅值比较小的模极大值点的方法对信号进一步压缩。理论和仿真表明,利用小波变换模极大值压缩比率大、重构精确,对于平稳信号更是可以获得传统方法无可比拟的极大压缩比。     

改进小波包分析在雷达图像消噪中的应用

针对VDR雷达图像在采集、数字化和传输过程中常受到各种噪声的干扰,不利于对图像进行分析、观察和压缩的问题,提出采用改进小波包分析算法进行图像消噪处理,小波包分析具有比小波更精确的局部分析能力,但由于小波包分解的隔点采样会产生严重的频带混叠现象,文中对小波包分析算法进行改进,利用信号的频移特性,将信号进行移频处理,消除频带混叠现象,达到高质量去噪的目的;通过VDR雷达图像消噪实验证明,上述改进算法好于小波包消噪方法,更优于小波消噪方法,具有更为广泛的应用价值。     

动态触觉传感器检出信号的小波消噪新方法

基于平稳离散小波变换(SDWT)研究了一种改进阈值消噪方法：给出了一种新的跨尺度阈值计算方法；使用将软、硬阈值估计的细节系数进行加权平均的细节系数估计方法；通过补充大尺度细节系数降低消噪误差的方法。与经典的软、硬阈值方法比较，大量的仿真试验说明本文的方法在信号畸变、误差、光滑度等性能指标之间取得了合适的折衷。将此方法应用于动态触觉传感器检出信号的消噪，提高了检出信号的信噪比，显著减小了误差和信号畸变，取得了显著的性能改进。     

一种小波变换模极大值的扩散模型

遥感图像的噪声分析、评估和滤波一直是遥感图像处理的一个重要研究领域。近年来,基于非线性扩散模型的图像去噪方法因其在对图像进行去噪的同时,对图像的特征信息具有一定的保护作用而受到遥感图像应用领域的关注并成为研究热点。针对P-M方程和ALM模型在去除遥感高斯噪声时所存在的对图像强边缘附近的噪声难以去除和可能造成奇异点的模糊或丢失等问题,将小波变换模极大值进入到扩散模型中提出一种新的非线性扩散模型,并给出模型的离散化算法。该模型有效地克服了P-M模型和ALM模型在图像去噪过程中的不足,在有效去除噪声的同时,很好地保留了遥感图像的边缘和纹理细节信息。实验结果验证了所提出模型的有效性和稳定性。     

小波变换在脉象信号消噪处理中的应用

首先简单介绍了小波变换消噪的原理,然后分别利用小波变换和傅里叶变换,对临床采集的脉象信号进行了消噪处理.结果表明,利用小波消噪能够有效地保留脉象信号中的尖峰和突变部分,最大限度地反映了原信号本身的特性,消噪效果较好.     

基于小波变换的高光谱图像消噪

本文主要针对高光谱图像的特点，利用波段间的几何信息高冗余性，通过小波分解去除高频的噪声和几何信息，保留低频的光谱信息。以其他波段的几何信息辅助噪声污染波段重构，经过相应的小波重构滤波器滤波，获得该波段图像的重建以进行消噪。     

基于小波模极大值和Neyman-Pearson准则阈值的图像去噪

首先给出了2维噪声的小波变换特性,分析图像小波变换模的极大值与小波分解级数j和李氏指数之间的关系,指出如何确定和保护图像的边缘;接着阐述了基于软、硬阈值的图像正交小波变换去噪法,然后提出一种基于Neym an-Pearson准则的小波阈值的确定,从而又提出了一种基于小波模极大值和Neym an-Pearson准则阈值的图像去噪方法,解决了图像去噪和保护图像边缘这个“两难”问题。针对期望图像叠加了不规则噪声的假设,对几种去噪方法做了定性比较,并给出了去噪性能的定量分析,仿真结果表明,此方法能提高去噪后图像的信噪比,使评价原图像与去噪后的图像近似程度的方差和相对熵为最小,同时能很好地保留原始图像的边缘信息。     

由小波变换模极大值重构信号的快速算法

信号在不同尺度上的小波变换模极大值包含了信号中的重要信息,因此研究如何由小波变换模极大值重构信号是很有意义的.本文提出了一种基于Hermite插值由二进小波变换模极大值重构信号的快速算法.数值试验表明,与Mallat经典的交替投影算法相比,本文算法可以在保证信号重构质量的前提下简化计算过程,提高计算效率,计算所需时间与交替投影算法相比大大减少,是一种实用性较强的信号重构算法.     

利用小波变换局部模极大值进行实时目标定位的应用

提出了一种基于小波变换局部模极大值的边缘检测方法．利用B样条小波构造出一个边缘检测算子，采用多孔算法进行边缘提取，减少了图像识别与测量中必要信息的丢失，并且提出了自适应阈值的方法，较好的解决了图像边缘的提取精度与对噪声抑制能力之间的矛盾．实验中对比了几种传统边缘检测算子和小波模极大值方法的在边缘检测效果、抗噪性和运算时间等方面的性能，本算法对加噪图像和模糊图像都获得比传统算法更好的检测效果，证明了基于三次B样条小波的局部模极大值方法检测目标边缘的有效性和正确性．     

利用小波变换极大值来检测信号奇异性

通过模型算例验证了信号的奇异性或局部正则性可以由其小波变换幅值随尺度参数的衰减性来刻画,即通过跟踪小波变换在细尺度下的局部极大模来检测[1];且在随机噪声的影响下,该方法仍然有效。     

基于小波模极大值的混合立体匹配算法的仿真

该文提出一种新的,利用小波模极大值的基于特征和区域的混合立体匹配算法。首先详细地叙述了如何利用小波模极大值提取图像边缘,并用该点的小波模极大值和幅角作为这些边缘点的特征描述。并在图像边缘立体匹配的过程中,将以前用于图像灰度域的互相关函数应用于小波域,边缘点的视差仿真图显示,该边缘匹配算法取得了很好的效果。然后,在基于区域的匹配中,利用边缘匹配的结果,减少了匹配互相关的搜索的范围,大大减少了计算量,增加了正确率。最后,将两个视差图结合起来,就得到了最终的稠密的视差图。     

肿瘤微阵列数据的小波模极大值特征提取

本文提出针对肿瘤微阵列数据的小波模极大值特征提取方法。首先求两类数据的Bhattacharyya 距离分布,初 步提取特征基因;接着进行小波分解,在频域上用小波分解高频系数检测基因突变点,低频系数逼近表征原始信号特征;然后 通过理论分析和构建SVM 分类器,经过多次实验选取小波基和尺度,提取特征基因。将该算法应用于数据集(1999 年Golub 所 用ALL 和AML),从中提取了5 个基因,分类测试准确率可达94.12%。可见该算法具有较高的可行性与有效性,能为肿瘤间差 异基因研究提供一定参考。     

小波消噪在微弱信号检测中的应用

从信号去噪的角度对小波变换作了分析,并且对用非线性小波从噪声中提取有用信号的算法作了对比研究,给出了几种方法的综合方法——变阈值消噪方法,以得到更好的消噪效果。应用对微弱检测信号的仿真试验验证了变阈值消噪算法的优越性。     

基于小波变换的图像阈值去噪的改进方法

基于Donoho提出的传统的阈值去噪方法,提出了一种新的阈值函数,并应用于图像的去噪.与Donoho的软阈值和硬阈值函数相比,这种新的阈值函数有更多的优点:可以实现能量自适应去噪;能够保存图像的边缘信息;函数的表达式简单,避免了硬阈值函数的不连续性;相比软阈值和硬阈值函数,新阈值函数更灵活.仿真结果表明,改进后的方法应用于图像去噪,无论是视觉效果还是信噪比都有了改善.     

小波变换在车流量检测雷达信号去噪中的应用

分析了车流量检测雷达中频信号的特点,探讨了小波变换在中频信号去噪中的应用;分别采用小波变换阈值法、平移不变量法和小波变换模极大值法对中频信号进行了去噪处理并对这三种方法的去噪性能进行了分析;实验结果表明,三种方法均能有效的抑制噪声,其中小波阈值法去噪效果较好,计算速度很快;平移不变量法去噪效果略优于小波阈值法,但计算速度较慢,模极大值法虽然取得了最好的去噪效果,但计算速度很慢;综合而言,小波变换阈值法最具实用价值。