噪声背景下fBm的小波分析及H参数的估计

分析了在加性白噪声背景下ｆＢｍ的小波系数的二阶统计特性，得出了同一尺度上小波系数序列的平衡性结论。同时分析了噪声Ｈ值的影响，并提出了一种根据小波系数估计Ｈ值的改进算法，实验表明，该算法能有效地抑制噪声的影响，估计的原信号的Ｈ值来。     

基于小波域显著性修正的SAR图像相干斑抑制

提出了一种基于小波域统计建模与小波系数显著性修正相结合的斑点噪声滤波方法．通过对数变换将乘性噪声模型转化为加性噪声模型，将对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模，采用EM算法来估计模型参数．利用贝叶斯最小均方误差准则来估计“干净”的小波系数，在贝叶斯最小均方误差估计的基础上引入基于显著性准则的小波系数进行修正，显著性准则采用小波系数的模极大值准则作为判据，通过小波逆变换与指数变换获得抑制斑点噪声后的图像．实验表明，所提出的方法能够有效地抑制SAR图像中的斑点噪声，同时能够很好保存边缘细节结构与强散射中心．     

小波变换在指纹图像增强中的应用

针对小波变换在指纹识别中的应用，提出了一种基于小波变换的图像增强算法，利用低频系数图像在小波域估计指纹纹线方向，抑制了高频噪声对纹线方向的影响，实验表明，该算法对纹线模糊的指纹图像增强效果明显。     

小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上，应用小波变换技术对SAP图像进行分析处理。使用“小波局部软阈值算法”来计算阈值，对高频小波系数进行阈值确定。求得估计小波系数，对其取小波反变换后，去除SAP图像中的Speckle噪声。实验结果表明此方法对去除Speckle噪声十分有效，可以在含有Speckle噪声为背景的图像去噪中应用。     

基于小波分析的方向滤波算法研究

针对采集到的指纹库中存在指纹过湿,以及存在高频噪声的问题,提出了一种基于小波分析的方向滤波算法。该算法在小波域利用低频系数图估计纹线方向,抑制了高频噪声的影响,实现了小波域低频图的方向滤波。最后利用小波逆变换实现方向滤波后的指纹图像的重构,试验表明,该算法对低质量指纹图像的增强效果明显。     

小波基下的多分辨率SURE阈值信号估计

根据小波阈值估计理论，通过最小化风险的估计，可计算自适应于数据的阈值，提高估计的信噪比。分析了噪声和信号在小波分解下的特性，提出了小波基下自适应于每一尺度的多分辨率SURE阈值算法，并采用该算法对被噪声污染的信号进行了估计，阈值T选取统一阈值，噪声的标准差由中位公式求出。仿真结果表明，与传统的小波阈值法相比，该算法明显地提高了估计的SNR。     

基于小波变换的分开-合并图像分割

小波变换具有良好的“时间—频率”局部化特性及多尺度变焦距特性对于二维图象的小波变换,其梯度模值提供了图像的边缘信息在大尺度时,图像边缘稳定,但存在有位移小尺度时,边缘定位精确,但易受噪声影响噪声和边缘都具有较高的空间频率噪声的能量小,在大尺度下,其小波变换系数值小边缘的能量大,在大尺度变换下,其小波变换系数值大由多尺度小波变换系数的变化情况,估计边缘的类型采用多尺度小波变换系数作为四分树结构的分开—合并法图像分割的一致性度量从而在大的图像块中,去除噪声的影响,在小的图像块中,以小波变换的局部极大值精确定位边缘,根据边缘信息进行分开—合并法图像分割实验表明,算法得到满意的结果     

基于SVD/小波的MEMS陀螺误差分析及降噪处理

陀螺仪作为导航系统的核心传感器,其输出信号的精度对导航结果有着重要的影响。针对微机电系统(micro electro mechanical system,MEMS)陀螺成本低、应用广泛但精度低、噪声大的使用现状,选取小波分析方法对MEMS陀螺信号进行误差分析,针对误差分析结果提出了一种小波分析结合奇异值分解(singular value decomposition,SVD)的降噪方法以剔除微弱噪声信号。针对小波分析存在的小波分解层数和小波系数难以选取的问题,提出一种自适应选取小波分解层数和变换小波系数的改进小波算法;通过引入SVD以改进小波变换检测微弱信号中噪声的劣势问题,设计双轴电动转台的静、动态试验,静态试验进行信号的误差分析,动态试验验证改进算法的精度,得出改进算法比之传统小波算法降噪性能提升的结论。     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质，提出了一种基于小波多尺度乘积的信号去噪算法，该算法首先对信号进行多尺度二进制小波变换，通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时，也能保留信号的重要特征。     

基于双变量收缩函数与小波系数增强的SAR图像去噪

在充分考虑斑点噪声模型特殊性的基础上,将双变量收缩函数与小波系数显著性增强相结合,提出一种新的用于SAR图像的斑点抑制算法.将双变量收缩函数与双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后,通过最大后验概率估计出滤波后图像的小波系数,再采用小波系数的模极大值准则对系数进行显著性增强,突出图像的边缘特征和点特征.仿真实验表明,与其他传统的去噪算法相比,该算法具有更好的去噪效果.     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。     

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)．     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

基于小波变换的多层次图像增强算法

提出了基于小波变换的多层次图像增强算法.首先对图像进行4级小波分解,得到尺度系数和多个层次的小波系数;然后对不同层次的小波系数采用不同的增强算法进行处理,并对图像的尺度系数采用多尺度方法进行处理;最后用得到的小波系数和尺度系数进行逆变换得到增强后的图像.试验结果证明,该算法具有优于传统增强算法的增强效果和抗噪性能.     

基于小波变换的图像增强算法

结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强算法,该算法先区分小波域中由细节及噪声产生的高频系数,对由细节产生的信息进行增强,对噪声进行抑制·解决了通常算法中增强细节信号的同时也放大了噪声这个问题·实验表明,该算法在得到很好的图像增强的同时,能很好地抑制噪声,对于多噪声环境下的弱细节信号能达到很好的增强效果·     

基于平稳小波和重构相空间的快衰落信道预测算法

为了解决快速衰落信道的预测问题,提出了一种非线性预测算法.该算法基于多径快速衰落信道所具有的混沌行为,将快速衰落信道系数分解为与原序列等长的尺度系数和小波系数,并利用坐标延迟理论,重建尺度系数和各级小波系数的相空间,再根据混沌吸引子的稳定性和分形性,在相空间中对尺度系数和小波系数进行预测,进而通过平稳小波重构算法,实现了快速衰落信道的非线性预测.与无小波算法相比,该算法更适于对噪声环境下的较大时间范围进行预测.对时间跨度为65 9ms的衰落系数进行了预测,仿真结果表明,在信噪比为10dB时,预测结果明显优于无小波变换算法.     

广义高斯分布及其在图像去噪中的应用

指出了图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.研究了用广义高斯分布(GGD)对图像子带小波系数进行建模以及GGD模型的参数估计问题,在此基础上设计了一种基于贝叶斯估计的子带自适应阈值去噪算法,通过仿真实验对该算法和经典的小波阈值去噪方法进行了去噪性能的比较和讨论.