基于层间和层内相关性的局域自适应双变量收缩小波去噪

图像小波系数存在很大的相关性．该文考虑到小波系数层间相关性,引入双变量概率分布模型．基于贝叶斯估计理论,得到了相应的非线性阈值函数(双变量收缩函数)．基于小波系数层内相关性,利用双变量收缩作者提出了局域自适应收缩去噪算法．在实验中,将该文去噪结果与Donoho‘s hard thresholding、BayesShrink和HMT作了比较,实验结果显示该文算法能获得更好的去噪效果．     

基于层间特性的多级小波收缩去噪算法

该文提出了一种新的基于层间特性的多级小波收缩去噪算法．该算法根据图像小波系数的层间相关特性来确定各层的收缩阈值,并将这些收缩阈值用于图像去噪．实验表明：该算法比传统的算法能更有效地减少噪声,获得更高的PSNR．同时,新的算法还能减少高质量图像中的噪声．     

自适应联合小波去噪算法

对于传统小波去噪方法,由于选用了单个的小波基,很难兼顾图像的平滑区域、边缘和纹理部分。而对于多小波基的去噪方法,尽管选择多个具有不同性质的小波基,但已有的文献中只是简单地取其算术平均,没有很好地体现小波基的多样性,造成了丢失细节与过平滑的后果。针对图像的非均匀性以及每个小波基支撑区间的不同,提出了一种自适应联合小波去噪算法,对图像中的不同区域和每个小波基处理的不同结果赋予不同的权系数,这样就充分发挥了每个小波基的作用,取得了满意的实验结果。     

自适应联合小波去噪算法

对于传统小波去噪方法,由于选用了单个的小波基,很难兼顾图像的平滑区域、边缘和纹理部分。而对于多小波基的去噪方法,尽管选择多个具有不同性质的小波基,但已有的文献中只是简单地取其算术平均,没有很好地体现小波基的多样性,造成了丢失细节与过平滑的后果。针对图像的非均匀性以及每个小波基支撑区间的不同,提出了一种自适应联合小波去噪算法,对图像中的不同区域和每个小波基处理的不同结果赋予不同的权系数,这样就充分发挥了每个小波基的作用,取得了满意的实验结果。     

一种基于能量分布特性的小波去噪算法

目前对于保持图像细节、滤除噪声,普遍采用空间域、频率域滤波．在空间域滤波,尽管能够有效地限制噪声,但是同时模糊了图像细节．因此,在频率域滤波的方法越来越引起关注．在小波频率域中,我们常常采用Donoho阈值方法处理小波系数来以此去除噪声,保留图像细节,然而该方法同时也一定程度上模糊了图像细节．小波变换具有良好的时、频局部化性能,图像经过多级小波变换得到不同分辨率的子图个数,各高频子图上的小波系数具有相似的能量统计分布特性．也就是说随着分解层数的增加,分辨率最低子图的小波系数范围最大,而高分辨率子图上大部分数值接近于0．因此,该文提出了一种新的基于能量分布特性的小波去噪算法(WCED)．     

一种改进的基于图像阈值的小波去噪算法

介绍了传统小波阈值去噪方法的去噪原理,结合图像本身的特性,提出了一种新的阈值选取方法,将改进阈值和改进阈值函数同时应用于降噪,经实验证明,此综合改进可保持稳定的降噪效果.     

基于收缩阈值的小波去噪法

信号去噪是信号处理中的常见问题。本文介绍的基于收缩阂值的小波去噪法为该问题的解决提供了一个方便有效的途径。该方法采用小波分解、小波系数阈值修正及小波重构三步即可达到良好的去噪效果。     

基于信号去噪的小波算法研究

小波作为一种数学函数,被应用在很多领域,从信号去噪的角度对小波进行分析研究。首先给出小波的理论介绍,接着在matlab中通过实验对前面的理论进行进一步的阐释,最后鉴于FPGA的查找表的特点和DA算法的思想,硬件实现小波算法。     

基于小波去噪的改进灰色自适应变形预测

针对变形量的预测问题,研究了基于小波去噪的改进灰色自适应预测模型.由于监测变形体时很多因素会使测量数据与实际变形数据有偏差,因此首先利用小波去噪方法对变形监测数据序列进行去噪处理,然后再利用灰色自适应模型预测变形量;并对模型的初值进行了修正.最后对一组基坑变形监测数据实例进行分析,表明该方法比单一灰色预测模型更加有效.     

基于贝叶斯估计的平稳小波去噪

提出了一种基础平稳小波变换的图像自适应去噪方法.以Laplace分布作为图像平稳小波系数的分布模型,利用贝叶斯最大后验估计原始图像的小波系数达到去噪的目的.实验结果表明,用该方法去噪能得到较高的峰值信噪比和较好的视觉效果.     

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.     

基于小波变换的图像去噪技术

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。本文全面介绍了小波变换在图像去噪中的应用现状和方法分类,并对当前存在的几类去噪方法进行了分析比较,以利于对该领域的进一步研究。     

自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较...     

基于小波变换的信号去噪研究

基于小波变换对信号去噪进行了深入地分析和研究，结合去噪原理讨论和比较了实际应用中对小波基及阈值规则的合理选取问题。实验结果表明，利用该去噪方法能实现对各种信号的去噪，且效果比较明显。     

基于4种改进阈值函数的小波去噪

针对4种传统阈值函数的共同不足,联系到脉冲噪声可由函数仿真模拟,又由函数的特殊性,对传统的4种阈值函数分别做了改进.仿真实验结果显示:所做改进不仅可以除去高斯白噪声,而且可以除去脉冲噪声.     

基于贝叶斯估计的图像去噪算法研究

本文提出了一种基于贝叶斯最大后验概率估计（Bayesian MAP）的图像去噪方法。通过 Matlab软件仿真,对均值滤波、中值滤波、小波阈值去噪和本文提出的图像去噪方法进行分析比较。实验表明：本文提出的方法根据图像和噪声的特点,在小波变换之后,对其中的高频系数进行贝叶斯最大后验概率估计,比其他几种图像去噪方法更能提高去噪后图像的峰值信噪比,更好地保留了图像的细节特征,取得了较好的视觉效果。     

基于广义高斯模型的局部自适应遥感图像去噪研究

根据图像各子带系数的相关性,提出一种局部自适应的图像小波系数的统计算法,并应用于遥感图像的去噪研究.首先将图像的小波分解系数视为服从广义高斯分布(GGD)的随机变量模型,然后在小波软阈值去噪的基础上,根据图像小波系数在空间上具有聚集性的特点,提出了一种新的局部自适应的算法,结合最大后验概率(MAP)参数估计,用于恢复带噪图像.该算法用于岷江上游植被和土壤类型典型地区—毛儿盖实验区遥感图像的去噪,效果理想,同其他的图像去噪算法相比,它具有较高的峰值信噪比(PSNR)和更好的视觉效果.     

基于小波包分析的能量阈值消噪

白噪声的方差和幅值随着小波尺度的增加而减小,而信号的方差和幅值与小波变换无关.按照信号能量的观点,提出一种基于小波包分析对图像的高频系数和低频系数同时进行能量阈值处理的消噪方法.同小波分析相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果.