基于邻域相关性的小波图像自适应软阈值降噪

提出了一种新的基于邻域相关性的自适应软阈值降噪方法.软阈值函数的构造充分考虑了待阈值化小波系数与其圆形邻域小波系数的相关性,同时结合自适应的贝叶斯阈值进行噪声滤除.并与NeighShrink、VisuShrink、SureShrink以及wiener2法进行比较试验,结果表明,本研究所提出的方法可以获得较之其它的方法更好的降噪效果.     

基于小波包变换的尺度自适应阈值图像降噪

针对传统小波变换易引起图像边缘模糊的不足,研究了基于小波包变换的尺度自适应阈值图像降噪。利用小波包变换可以同时对图像的高频和低频部分进行进一步的细分,因此可以更好地保留原图像信息的优势,更进一步,克服通用阈值的缺陷,软阈值函数的构造充分考虑了不同尺度层次上的系数的不同特点,产生尺度自适应阈值。通过对加噪图像的实验可以看出,与传统方法相比,本文方法不仅降噪效果有很大的改进,而且有很好的视觉效果,峰值信噪比也有较大幅度的提高。     

基于小波阈值收缩的图像降噪

采用双正交小波,利用VisuShrink阈值和BayesShrink阈值,分别通过硬阈值函数和软阈值函数对混入高斯白噪声的图像进行去噪实验.结果表明,硬VisuShrink阈值的降噪效果好于软VisuShrink阈值,软BayesShrink阈值的降噪效果好于硬BayesShrink阈值,并且BayesShrink阈值只有在软阈值函数下才能取得很好的降噪效果.     

基于平稳脊波变换的图像降噪

有限脊波变换在Radon变换域中用正交小波处理点奇异,而正交小波变换不存在冗余性,因此在应用有限脊波变换进行图像降噪时会产生Gibbs现象。为了解决Gibbs条纹干扰问题,本文在有限脊波变换的基础上提出一种新的基于平稳脊波变换的图像降噪方法,其关键是引入一维平稳小波变换来代替正交小波变换对Radon系数矩阵进行处理。实验结果表明,与基于有限脊波变换的图像降噪方法相比,本文提出的算法具有更优的降噪性能,可使图像降噪后保持更好的边缘特征和视觉效果,振铃效应得到改善。     

基于coif-5小波的心音自适应阈值降噪方法

为改善小波阈值及阈值函数在心音信号降噪处理中性能,通过使用coif5小波做5层小波分解,抑制分量极少的层次的系数,保留有用分量层次的系数,然后引入相关统计参量进行阈值自适应估计,并按提出的阈值函数对有用分量层次系数阈值化处理,最后通过处理后的系数重构出降噪信号;所提方法与硬阈值、软阈值、线性中间阈值函数降噪性能进行了对比,并采用了三类评价指标做出了有效评价。实验结果表明：提出方法降噪后的SNR更高、RMSE更小、听诊MOS更高。可见,提出方法降噪性能更优。     

基于小波变换的射线图像降噪及MATLAB仿真

针对射线图像噪声大、对比度低的特点,采用小波阈值法进行降噪处理。通过利用MATLAB进行射线图像去噪仿真测试,结果表明,利用小波阈值法具有良好的降噪效果。     

小波系数局部特征的自适应图像降噪算法

在Visu Shrink和基于Bayes准则的Bayes Shrink去噪方法的基础上,提出一种基于小波系数局部特征的自适应图像降噪算法.该算法从含噪图像的HH1子带估算噪声信号的标准差,并据此优化小波分解所需的级数;然后,根据小波系数的局部特征,自适应地选择不同子带不同方向上的最佳阈值,运用软阈值函数对图像进行降噪.与传统方法相比,该方法不仅提高图像的峰值信噪比,使图像更清晰,而且具有实现简单、运算速度快的特点.     

一种新的多小波自适应阈值降噪方法研究

为了能更好恢复强噪声中的微弱信号,提出一种多小波的自适应阈值降噪方法。该法首先将多小波引入降噪,克服传统单小波的不足,可以匹配信号中不同的特征信息;其次,在传统软、硬阈值降噪方法的基础上,提出了一种自适应阈值算法,克服每一级尺度上都采用同一阈值的缺点。将本方法和多小波软阈值法、D4小波自适应阈值法进行降噪对比实验,显示该方法不仅有效消除了信号噪声,尤其重要的是更好地保留了原有用信号的信息特征。     

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.     

图像分割与平稳小波变换法融合红外与可见光图像

为改善红外与可见光图像融合后的视觉效果,提出一种基于图像分割和平稳小波变换的图像融合方法。首先,结合最大类间方差方法与边缘检测方法,将红外图像分割为背景部分和目标部分;然后利用平稳小波变换对红外图像的背景部分与可见光图像分别进行多尺度分解,低频部分采用区域空间频率取大融合准则,高频部分采用绝对值取大融合准则,对多尺度分解后的各层进行融合,再利用平稳小波逆变换得到融合结果;最后,对该融合结果与红外图像的目标部分采用加权求和的融合准则进行融合,得到最终的红外与可见光融合图像。实验结果表明,通过提出的方法进行红外与可见光图像融合,不仅很好地突出红外图像的目标信息,还较好地体现可见光图像的场景细节信息,视觉效果明显改善;其标准差、信息熵、互信息均优于拉普拉斯金字塔变换和小波变换等传统的融合算法。实验结果验证了方法的有效性。     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.     

信号的小波阈值法消噪及其在LabVIEW中的实现

介绍了基于小波变换的阈值消噪法,借助Lab VIEW平台,通过仿真试验,对软阈值和硬阈值消噪及采用不同的小波函数消噪进行了比较,证明了小波阈值法消噪的有效性。     

基于小波变换的信号去噪方法研究

介绍了几种常用的小波去噪方法及其原理,通过计算机仿真比较了这几种小波去噪方法的优缺点,为小波去噪的方法选择提供了参考。     

基于非采样Contourlet与全变差模型的图像去噪

分析非采样Contourlet与全变差滤波器在图像去噪中的特点,提出一种基于图像全变差模型的非线性扩散与非采样Contourlet相结合的自适应混合图像去噪算法.该算法在中、低频部分采用全变差扩散,在高频部分采用非采样Contourlet变换,并在此基础上用半软阈值法取代软阈值法.实验结果表明,该算法能够在降低复杂度的同时得到好的滤波效果.     

基于小波变换与阀值收缩法的图像增强去噪

提出了一种基于小波变换与阀值收缩法的图像增强去噪方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像,在不同尺度的子带图像上进行基于阈值收缩滤波的细节系数增强,再进行小波重构,即可得到增强后的图像。该方法可以有效地去除噪声,增强图像的平均梯度,改善图像的视觉效果。     

基于小波和阈值的图像压缩方法及实现

主要探究基于haar小波分析的图像的分解与重构，并用MATLAB6．5数学软件工具设计了不同阈值下的小波变换和重构图像过程，从中得出，选择合适的小波变换及其阈值的设置是一个至关重要的问题．小波选取的阈值越大，重构图像的失真程度越高，在相同阈值下，haar小波重构图像要比db9小波的重构图像文件小得多，因此haar小波是一种较为有效的图像压缩方法。     

一种新的几何约束自适应阈值图像去噪方法

文章提出了一种几何约束空间自适应阈值的图像去噪新方法。此方法基于非抽样小波变换的多分辨率分解,利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系。在BayesShrink阈值的基础上进行改进,采用空间自适应方法,为每一个小波系数确定自适应的阈值。在含噪系数的方差估计中,与以往的估计方法不同,不仅考虑到子带内小波系数之间的依赖关系,而且考虑了沿梯度方向的邻域内小波系数之间的依赖关系,使得含噪系数的方差估计更为准确。实验结果表明,与传统去噪方法相比,本文方法能更有效地去除噪声,具有更好的重建视觉效果。     

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。