一种用于复小波变换的有效系数阈值

构造了用于抑制局部放电信号中白噪声的复小波,并分析了现有几种小波阈值的不足,根据局部放电的小波变换系数具有模极大值的特点,提出了有效小波系数阈值法．用有效小波系数阈值法对4种模拟局部放电信号和实验室实测局部放电信号进行去噪研究,并与史坦的无偏似然估计阈值法和极大极小原理选择阈值法进行了比较,结果表明有效小波系数阈值法具有自适应功能,抑制白噪声比较彻底。提取的局部放电信号失真较小．     

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。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

基于MATLAB的数字图像小波变换算法比较

小波变换是数字信号处理中非常有力的一种工具,本文通过阐述基于MATLAB的小波变换的软阈值 降噪方法,旨在展示小波变换在图像噪音消除方面的实际运用以及前景．通过使用傅立叶变换算法和小波变 换算法对同一幅图像进行降噪处理的比较,可以看出:小波变换的主要特点就是能够提供局部细化与分析的 功能,小波变换降噪算法具有很强的实用性．     

一种基于小波变换的地震图像增强方法研究与应用

对数字图像增强方法进行研究,详细分析了小波变换中选择硬、软阈值的原理,并根据地震数据特点,对小波阈值进行了改进。经过大庆油田多地区地震图像的验证,新的阈值函数可以有效去除高斯白噪声和脉冲噪声,对图像增强效果显著。     

基于小波变换的离子迁移谱信号处理技术

针对离子迁移谱信号受到噪声干扰的现状,本文提出利用小波阈值降噪的方法对离子迁移谱原始信号进行降噪处理.建立了基于小波变换的阈值降噪模型,以图谱中的1ng TNT信号为实验对象,对阈值计算原则、阈值处理方法以及小波基的选择进行了优化.结果表明：采用sym5小波,将原始信号进行3层分解后,根据固定阈值原则（Universal）获得的阈值,按照软阈值方法对小波系数进行处理并重构,原始信号中的噪声可以得到有效抑制.     

海洋重力异常数据处理中小波阈值选择规则分析

分析了信号在小波Mallat算法条件下表现形式,采用小波阈值方法对经过小波变换后的重力异常信号的高频部分进行处理.分析了3种小波阈值选择规则,并将其应用到海浪波动等背景干扰因素引起的海洋重力异常畸变消除中.根据重力异常状态方程,采用通用阈值选择规则、最小最大准则阈值选择规则和无偏风险估计阈值选择规则进行了海洋重力异常数据仿真处理.理论分析和仿真处理表明:采用通用阈值选择规则、最小最大准则阈值选择规则和无偏风险估计阈值选择规则都能在一定程度上消除海洋重力异常畸变,但在相同背景条件下,通用阈值选择规则和最小最大准则阈值选择规则的性能优于无偏风险估计阈值选择规则.     

一种基于小波变换的多阈值分割算法的研究

本文研究了基于小波变换的多阈值图像分割算法。通过小波变换将图像的直方图分解为不同层次的小波系数,然后利用小波多分辨率分解,将直方图曲线进行平滑去噪,依照给定的分割准则和小波系数选择阈值门限,最后采用从粗到细的过程分割图像。算法证明合理。     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点，提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换，根据变换后各帧的特点．采用不同的方法分别进行消噪；对变换后的低频帧进行帧内二维小波变换，在小波域中采用自适应阈值进行消噪；对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好。     

基于小波熵的心音信号去噪算法研究

心音信号在采集过程中,易受到干扰混入噪声,常采用小波变换进行心音信号的去噪处理。传统的小波阈值去噪,未根据心音和噪声的特性选择阈值,导致去噪效果不甚理想。针对小波阈值选择问题,提出基于小波熵的自适应阈值选择方法。基于小波熵阈值、极大极小阈值和固定阈值,分别对正常心音、第二心音分裂和含S4的心音信号去噪仿真分析。结果表明,在同信噪比条件下,本文算法的输出信噪比较大而均方根误差较低,该算法的去噪效果优于其他两种小波阈值去噪算法。     

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.     

带钢表面缺陷图像的小波阈值降噪研究

以典型带钢表面缺陷图像为例,采用小波阈值降噪方法研究带钢表面缺陷图像的小波阈值降噪规律,并论述了带钢表面缺陷图像阈值的选择和小波基的选取.结果表明,图像经过小波变换后具有低熵性、多分辨率和选基灵活性等特点,使得小波阈值降噪提高了图像的信噪比、改善图像的质量,并且增强图像的清晰度.     

基于最大信息熵的小波图像去噪算法研究

去噪算法在图像处理的过程中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于最大信息熵的小波去噪算法,根据最大信息熵的理论确定了改进型阈值和改进型加权阈值函数中的加权因子。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与Donoho提出的小波阈值去噪算法的去噪效果相比,具有更好的去噪性能。     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

基于分级策略的自动人眼检测与定位

针对小波阈值法中的小波变换只能将图像分解到有限方向, 而不能较好地表征图像多方向性的问题, 用改进混合小波 方向滤波器组（HWD:Hybrid Wavelet Directional filter banks)变换代替单纯小波变换, 使在图像分解过程中更好地表征图像的多方向性, 保存更多的图像信息; 在分析小波阈值去噪原理的基础上,改变隶属度函数, 构建HWD隶属度的权系数, 从而避免因小波系数间存在幅值交叉使小波阈值法的应用受到限制。改进的HWD在损失最少图像小波系数的前提下, 能最大限度地置零噪声小波系数。实际工程图纸去噪研究表明, 改进的小波阈值法可在去除一定噪声的前提下, 保留更多的工程图纸细节信息。     

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。     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

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。     

基于小波变换的图像降噪方法的研究

在介绍了图像噪声和小波阈值化降噪的原理后,根据小波系数不同的特点选取阈值,运用MATLAB中的小波工具箱,对一个含噪图像进行阈值降噪。实验结果表明,此方法可以有效地降低噪声,并较好地保留图像的细节。