自适应阈值小波在指纹图像去噪中的应用

目前指纹识别技术具有很广泛的应用,但通常指纹图像含有混合噪声,而传统小波阈值去噪算法对含有混合噪声的图像去噪时,存在混合噪声去除不彻底的问题,为此提出了一种改进的自适应阈值和连续型低误差阈值函数的小波去噪算法.首先,算法对含有混合噪声的指纹图像进行一次中值滤波去噪.然后,设计了一种新的自适应阈值,小波分解层数越大新阈值就会越小,就能更好地体现噪声信号在进行小波分解时减小的特征.最后,设计了连续型低误差改进阈值函数,改进的函数是连续的,并且阈值达到极限时误差为0.改进后的算法使得估计的小波系数更加接近真实系数,重构后的图像更接近原始图像.实验结果表明,该算法对含有高斯噪声和椒盐噪声的指纹图像处理时,相比于其他算法,得到了更好的峰值信噪比和均方误差数值,去噪后的指纹图像纹理显示更加清晰.     

一种改进小波阈值函数的图像去噪方法研究

性质良好的小波阈值去噪方法在图像去噪领域中应用十分广泛.考虑到传统硬、软阈值函数存在不连续和恒定偏差的缺陷,基于均方根插值阈值函数引入一种改进的阈值函数图像去噪方法.该方法通过调节参数,能够更好地适应不同图像不同噪声的去噪需求,且对于图像的边缘细节信息能够处理得更好.试验结果表明,改进阈值函数图像去噪方法较之现有方法具有更小的均方误差、更高的峰值信噪比、更高的结构相似性和更小的梯度幅值相似度偏差,去噪效果更优.     

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Tetrolet变换的自适应阈值去噪

提出一种新的阈值函数,在Tetrolet变换域中利用此阈值函数通过最小均方误差进行自适应图像去噪.此方法主要优点是利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中利用新阈值函数通过LMS算法来对图像自适应去噪.实验结果表明:该算法具有更高的峰值信噪比和更好的视觉效果,是有效可行的.     

小波阈值图像去噪算法改进

对小波阈值收缩图像去噪算法进行了研究,在软阈值函数的基础上提出了一种改进的阈值函数,算法中采用BayesShrink阈值和SureShrink阈值,一定程度上抑制了SureShrink阈值的"过保留"小波系数.与传统方法(软阈值函数法(BayesShrink阈值)、软阈值函数法(SureShrink阈值)、硬阈值函数法以及半软阈值函数去噪法)相比,在处理边缘点不多的图像时,改进的阈值函数方法处理后的图像具有更高的峰值信噪比(PSNR)和信噪比(SNR),并具有更低的均方误差(MSE),图像更加清晰.     

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。     

信噪局部方差自适应的小波阈值滤波

为了在去除高斯噪声的同时更有效地保持图像的边缘和细节,提出了信噪局部方差自适应的小波滤波方法.根据图像与高斯噪声的小波系数的分布特征,提出了一种信噪局部方差自适应的阈值.同时,鉴于无噪图像的小波系数具有平滑连贯性,提出一种连续的、可微的且无限逼近原小波系数的阈值函数.阈值依据信噪强度对信号系数与噪声系数进行区分,阈值函数依据阈值对小波系数进行量化处理,以去除噪声.实验结果表明,所提出的方法对图像去噪所得的PSNR(peak signal to noise ratio)和SSIM(structural similarity index)值以及图像的视觉效果,相对于现有的小波去噪方法有较大的提升,在彻底去除高斯噪声同时,更有效地保持图像的边缘和细节.     

基于小波阈值的浮动车数据消噪算法

研究通过小波函数选取等策略来构造一种适合于浮动车原始数据去噪的小波阈值去噪算法.数据去噪是浮动车数据进行交通信息研究的基础性工作,小波分析对于掺杂噪声信号的数据去噪有不可比拟的优势,本文通过构造新的阈值及阈值函数进而以信噪比、均方误差为指导对浮动车数据的去噪结果进行分析来确定小波基函数及小波分解层数,以此研究出针对于浮动车数据的小波阈值去噪的有效算法.通过本文构造的小波阈值算法使得浮动车数据去噪前后与遥感微波检测器（RTMS）数据的相关性提高10%以上,能够有效去除浮动车数据中的噪声.      

基于新的阈值函数的小波阈值去噪方法

在分析了硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新的阈值函数,仿真实验结果显示,与硬、软阈值去噪方法相比,基于新的阈值函数的小波阈值方法能够得到较小的均方误差,并提高了重建信号的信噪比,且去噪后的信号与原始信号的近似性也较好.     

加权门限模型

门限模型(Threshold Model)是描述非线性系统的一种行之有效的数学模型。由于门限的划分,在不同区域内建模的可用数据就会减少,使模型参数的估计精度降低。本文提出的加权门限模型改变了一般门限模型把不同区域的参数截然隔离的做法,采用加权的方法将不同区域的参数估计值结合起来,从而提高了模型参数的估计精度,减少了模型的预报误差和残差。     

Bootstrap门限向量误差修正模型中门限同积SupLM检验

对门限向量误差修正模型提出了基于原假设为线性非同积关系的一种门限同积SupLM检验。给出了理论证明的检验门限同积关系存在性的SupLM检验的理论证明,以及相关的bootstrap算法。模拟实验得到比较好的检验水平和功效,进一步将其用于研究几种美国国库券收益率的关系,发现它们之间存在明显的门限同积关系。     

基于角色的多密门限体制

Shamir门限体制可以用来解决多个人共享一个密钥的问题。但是,如果有多个密钥需要让一组成员的部分或者全部成员共享,如果还用Shamir门限体制来解决,就会导致每一个共享方案都需要一个门限体制,也就是说每个成员必须保存一个或多个身份密钥,这显然是不方便也是不安全的。我们利用基于角色的访问控制(RBAC)的思想,提出了一种新的多密门限体制方案,其显著的优点就是在保证安全性的前提下,每一个参与者须且仅需拥有一个身份密钥。因此,该方案不仅具有RBAC的所有优点,而且对于共享者来说也非常方便。     

广义门阈分解理论

基于传统中值滤波的分析和实现方法，进一步导出了广义门阈分解ＧＴＤ（ＧｅｎｅｒａｌｉｚｅｄＴｈｒｅｓｈｏｌｄＤｅｃｏｍｐｏｓｉｔｉｏｎ）理论，研究了有关性质和实现问题。其效果不仅大大地简化了理论分析和硬件实现，而且也进一步完善了非线性滤波的有关理论。     

多维门限GARCH模型

提出了一个新的多维ARMA-TGARCH(autoregressive moving average-threshold generalized autoregressive conditional heteroskedasticity)模型,研究了这个模型的结构性质和参数估计的渐近性质.首先,给出了该模型存在严平稳和遍历解,以及平稳解存在高阶矩的条件.其次,在二阶矩存在的条件下,证明了参数拟最大似然估计的相合性.最后,给出了参数拟最大似然估计的渐近正态性.     

阈值电压的图象解释

本文对二进制数字基带传输系统的阈值电压进行了图象上的解释，从而使该概念的意义更加清晰。     

函数在特殊点的导数

详细论述了如何求分段函数在分界点处的左右导数,及如何判断分段函数在分界点处是否可导,并且举例说明了并非所有初等函数的导数都可用求导法则与求导公式求得。     

空间规划中的“门槛分析”

门槛分析是一种定量研究国土开发与规划的可行性评估方法,本文对此进行了讨论,并探讨了门槛分析在制定远景规划,区域发展环境容量等方面的应用。     

图像的亮度矩和阈值分割

简要介绍图像的亮度矩以及在保持图像亮度矩不变的条件下对图像进行两级阈值分割的方法,并对这种方法得到的方程组采用最小二乘法进行求解,以减小噪声干扰,得到较为精确的阈值。