一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系,针对小波系数估计中硬阈值方法和软阈值方法的缺点,通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法,提出了一种新的小波域局部自适应去噪算法.实验结果表明,该方法既可以去除噪声,又可以较好地保留图像的高频细节特征.     

基于小波自适应阈值的脑CT图像去噪研究

利用自适应小波阈值算法抑制脑部CT图像噪声,以提高图像质量.通过仿真实验,确定自适应滤波阈值与噪声强度的关系,然后采用真实脑部CT图像及自然图像进行验证,并与常用小波阈值算法比较.提出的算法能够抑制图像的加性白噪声,使峰值信噪比提高7～10 dB,同时更好地保留了图像细节及边缘信息.小波自适应阈值算法能够对不同噪声水平的脑CT图像及自然图像进行自适应处理,提高峰值信噪比,改善图像质量.     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

一个小波域上各向异性扩散去噪算法

目的 给出一个图像去噪的算法.方法 利用小波变换把图像分解为高频子图和低频子图,再根据子图像的特点,采用不同的各向异性扩散方法处理各个子图,最后重构图像.结果 各向异性扩散在图像平滑中,不但能够较好地抑制噪声,而且能够很好地保留图像原有的边缘和纹理特征,因而解决了图像去噪时高频部分和低频部分抑制噪声和保留边缘之间的矛盾问题.结论 与已有的方法比较,该方法不但能够有效地去除噪声,而且能够保持图像中的细节.     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

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。     

基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶-小波图像降噪方法.首先在傅里叶域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪.仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象.     

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.     

基于维纳滤波的小波图像去噪算法研究

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,形成噪声图像.图像去噪是图像处理领域中的一个重要环节.为了对含有高斯白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,提出一种基于维纳滤波的小波图像去噪算法,利用维纳滤波后剩下的信号来计算噪声的标准方差.仿真结果表明,与Donoho提出的鲁棒中值算法相比,该算法能够有效地抑制高斯白噪声,更好地保留图像的边缘细节.     

改进的软硬阈值法及其在地震数据降噪中的研究

采集的野外地震数据伴随有随机噪声干扰,需要将其消除。软硬阈值法能够压制地震数据的噪声信号,但是降噪效果并不理想。因此,提出了一种改进的软硬阈值算法用于地震数据降噪。首先利用软硬阈值法原理构建了一种新的阈值降噪法,并对新算法相关特性进行了研究,通过仿真实验确定了新阈值算法的小波基为sym 3,利用均方差和信噪比对新阈值降噪法的降噪效果进行了评价。最后,将新阈值降噪法用于实际地震数据降噪,结果发现新阈值降噪法能够去除地震数据中的随机噪声,降噪效果较软硬阈值法更理想。     

改进阈值函数在图像去噪中的应用研究

针对传统阈值函数在图像去噪中存在的缺点和阈值选取的不确定性,为进一步研究小波去噪处理算法,提出了一种新的改进阈值函数的去噪算法,分别对Circuit、Eight、Road 3幅图像采用传统的硬阈值、软阈值、半软阈值方法和文中方法进行Matlab仿真实验。对比分析,文中方法既获得了较好的视觉效果和更高的峰值信噪比,又克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点,且能够在消噪和保留原有信号的弱特征之间获得较好的平衡,明显地改进了传统硬、软阈值函数去噪算法存在的诸多不足,在实际应用中更为有效。     

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.     

阈值函数的选取对图像去噪的影响

摘要：在小波阈值去噪中,阈值函数的选取是非常重要的,阈值函数的不同选取直接影响到去噪的效果。本文在软硬阈值函数的基础上提出了一个阈值函数,仿真实验表明,利用本文阈值函数去噪,效果要优于软硬阈值函数。     

基于新阈值函数的小波图像去噪研究

构造了一个新的阈值函数,并采用这个阈值函数来对含噪声图像进行去噪处理。仿真实验结果表明,采用新的阈值函数的去噪效果在峰值信噪比意义上优于传统的软硬阈值方法。     

基于高斯性检验的自适应小波去噪方法

针对软阈值和硬阈值去噪算法存在的缺陷，提出了一种基于高斯性检验的自适应非线性阈值去噪方法。该方法根据信号和噪声的模极大值特性自适应确定分解层数，引入高斯性检验选择软阈值和硬阈值方法对每层小波系数进行降噪处理。仿真结果表明，该自适应滤波方法简单有效、稳定性高，去噪后信号信噪比得到很大提高，且不同仿真信号结果都明显优于经典的小波去噪算法。     

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.     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

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.