小波变换在虹膜图像消噪中的应用研究

针对虹膜图像中存在的斑点噪声,利用小波变换消噪的特点,将虹膜图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行消噪处理。结果表明小波指数方法是较优消噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

一种新的改进阈值的小波包图像去噪方法

介绍了小波阈值去噪的基本原理,针对软、硬阈值化方法在图像处理上存在的边界模糊和振荡等失真的不理想情况,采用了一个新的阈值化构造函数。该函数运用了阶次调节因子和振荡调整因子,能分别对作用对象进行动态修正,以获得较优的小波系数的阈值估计。仿真试验表明,采用该阈值化函数的小波包消噪方法能对带噪图像进行有效去噪,对比实验统计表明,其性能优于传统的阈值化方法。     

基于改进阈值的小波包图像去噪方法研究

介绍了小波包分解重构的算法及小波阈值消噪的基本原理,并针对软、硬阈值化方法存在的不足,构造了一个新的阈值化函数,该函数采用两个调节参量α和β,通过调整这两个参数,以获得较优的小波系数的阈值估计.经仿真实验表明,新的小波包阈值化方法能对含噪图像进行有效去噪,且较好地克服了原来软、硬阈值存在的振荡和边界模糊等缺陷.统计结果表明,其性能明显优于原有的软、硬阈值化方法,消噪效果较好.图2,表1,参11.     

基于小波变换的一种图像增强去噪算法

利用小波变换的自适应特征,将小波的多分辨理论应用于图像的去噪、增强处理中,针对传统的阈值去噪和子带增强的缺点,提出了一种改进的自适应图像去噪增强算法.该算法对图像的噪音进行了估计,采用软阈值和硬阈值相结合的处理方法,利用3次B样条插值函数的特性,设计一个平滑的过渡区,有效地避免了单独使用软阈值或硬阈值处理的缺点,保证了图像达到比较好的去噪效果;同时引入的增益因子,可以自适应地补充图像的弱信息.     

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。     

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.     

一种改进的经验模态分解消噪阈值函数

在已有的经验模态分解（empirical modede composition,EMD）阈值消噪的基础上,提出了一种新的EMD域可导阈值函数。新阈值函数简单且便于计算,具有连续性和高阶可导性,可有效克服硬阈值EMI）消噪时和消噪后EMD系数不连续的缺点;也可有效克服软阈值EMD消噪时和消噪后EMD系数与原始EMD系数之间存在着恒定偏差的缺点。实验结果表明,经可导阈值的EMD方法消噪后,可有效减弱含噪信号突变点处的Gibbs现象,消噪后信号具有更好的视觉效果。与经典的硬闽值和软阈值EMD消噪方法相比,所提出的方法在信噪比和均方误差两方面都有较好的提高。     

基于Matlab的小波包μ律绝对值阈值消噪算法的研究

为了消除夹杂在doppler信号中的噪声,在小波包领域中分析了传统的软、硬阈值消噪方法后,提出了一种能对doppler信号进行有效消噪的新方法,即小波包μ律绝对值阈值法。为了验证该方法的有效性, 在Matlab7.0软件中编写相关消噪程序并进行了仿真,证明该方法不仅能解决硬阈值消噪不连续的问题,而且还能解决软阈值法中阈值处理前后小波系数存在恒定偏差的缺陷,在消噪的同时能减少信息损失,因而其消噪效果明显优于传统的软、硬阈值法。     

改进的小波阈值消噪法应用于脉冲星弱信号处理

利用小波变换去除噪声的基本原理和方法及消色散方法对毫秒脉冲星极弱信号进行了提取,并对噪声进行了最佳阈值选取实验研究,实现了脉冲星弱信号消色散积累后的检测和抑噪.并研究了阈值函数的几种改进方案,进而对PSR 0437-4715信号用不同方法去噪后的结果进行了分析比较,认为采用改进的阈值函数对脉冲星信号处理较采用传统的软、硬阈值函数处理具有优越性.研究结果表明改进的小波阈值消噪方法是一种提高信噪比、展示噪声和突变信号的优越方法.     

Haar小波的离散化消噪方法及其应用

介绍一种Haar小波离散化消噪方法,并应用该方法进行信号和图像消噪处理.首先将信号或图像用该方法实现计算机的离散化抽样取点,然后结合小波阈值方对含噪信号或图像用Haar小波作消噪处理,并进行离散平滑,实现连续小波离散化处理.该方法对信号和图像的消噪处理的效果好,具有广泛应用的价值.