基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

一种基于粗集与小波的声呐图像降噪方法

声呐图像具有低对比度和边缘恶化的特点,传统的声呐图像散斑噪声降噪方法又不能较好的保持图像边缘和细节,因此提出了一种新的基于粗集与小波的声呐图像降噪方法。该方法通过考察散斑噪声的统计特征,利用粗集中的等价关系将声呐图像划分为若干子图,对子图进行对数变换后完成小波变换,采用自适应阈值函数处理小波系数,应用小波逆变换和指数变换得到降噪后的子图,将降噪后的子图进行叠加得到最终的降噪图像。通过新算法在实际声呐图像中的应用,实现了在保证降噪效果的同时能够较好地保持图像边缘及细节特征,验证了算法的有效性。     

双向凝胶电泳图像降噪方法研究

双向凝胶电泳图像在成像过程中会受到噪声干扰,影响图像质量,严重阻碍图像分析和蛋白质识别.为了提高图像质量,对图像降噪方法的研究是十分必要的.笔者比较了几种常用的滤波方法(空域滤波和小波滤波)对凝胶图像的降噪效果.通过比较各种小同的降噪方法,探索适合凝胶图像降噪的方法.     

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...     

一种新的多小波自适应阈值降噪方法研究

为了能更好恢复强噪声中的微弱信号,提出一种多小波的自适应阈值降噪方法。该法首先将多小波引入降噪,克服传统单小波的不足,可以匹配信号中不同的特征信息;其次,在传统软、硬阈值降噪方法的基础上,提出了一种自适应阈值算法,克服每一级尺度上都采用同一阈值的缺点。将本方法和多小波软阈值法、D4小波自适应阈值法进行降噪对比实验,显示该方法不仅有效消除了信号噪声,尤其重要的是更好地保留了原有用信号的信息特征。     

基于小波变换的信号降噪处理

在介绍小波变换的消噪原理和方法的基础上,研究了影响小波变换降噪效果的两个主要因素：小波基函数和分解尺度。通过模拟的方法对同一信号分别采用db小波和sym小波进行降噪处理;以及用相同的小波基函数,采用不同的分解层数,对其降噪处理。     

一种基于小波的白噪声消除方法

介绍了小波变换的基本理论，研究了信号和白噪声在小波变换下的不同特性，在此基础上提出了一种新的基于小波变换的白噪声消除方法．仿真结果证明，这种方法具有很好的去噪声效果．     

基于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理。首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程。其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数。在分析对比小波降噪阈值的不同选取方式后,采用广义交叉确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分。最后给出了基于该方法小波变换的随钻测试数据降噪的详细步骤,对实测的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑,证明了本方法的优越性。     

心电信号的降噪处理及其评价研究

为抑制心电信号中存在的噪声干扰,以利于准确提取反映心电信号的特征信息,文章提出应用一维离散小波变换实现对心电信号的降噪处理方法.通过对MIT/BIH心电数据库中的心电信号进行仿真,研究结果表明,该方法能够有效地去除心电信号中的噪声,对实现心电信号特征信息的提取具有一定的实用价值.     

一种高斯噪声组合滤波方法

为了有效滤除高斯噪声,提出了一种组合滤波方法.该方法首先通过定义新的维纳滤波模板进行预处理,以滤除一部分噪声;然后将图像进行二维小波分解,保留低频成分,对高频成分根据其噪声分布特征设计出新的形态学滤波模板分别进行滤波,并进行小波系数重构;最后通过设计一种新的小波增强函数,以提高图像的清晰度,最大限度保留图像细节信息.实...     

混沌背景下噪声分布估计的一种新方法

从广泛的意义上分析了混沌动力学系统和噪声的局部相关性,并由此提出了一种分析信号确定性的方法,导出一个对噪声极其敏感的指示参数D,并用此参数来刻划系统确定性的程度.最后得出一种估计混沌动力学系统中背景噪声分布的新方法.     

光照和噪声条件下的人脸识别

讨论了光照和噪声条件下的人脸识别问题，提出了基于Gabor滤波器对人脸图像提取Gabor特征并与EFM MAP-2相结合的人脸识别方法。实验证明，该方法在非均匀光照和噪声条件下比其他传统的人脸识别方法具有更好的鲁棒性。     

一种基于小波的图像去噪方法

利用小波变换的特点,对传统小波萎缩去噪方法进行改进,在不同分解尺度和方向上采用不同的阈值对图像进行去噪处理,取得较好效果.     

一种新的小波图像去噪方法

为了有效去除图像噪声,同时又能尽可能多的保留图像的边缘信息,文章提出了一种新的基于边缘检测的自适应阅值小波图像去噪方法。该方法将与边缘相关的小渡系数和与同性区域相关的小渡系数区别对待。将检测到的边缘点与非边缘点对应的小波系数,利用邻域相关性,分别采用不同的收缩因子进行收缩。实验仿真结果表明,与其它传统方法相比,本文方法不仅抑制噪声能力强,而且很好地保留了图像的边缘特征,具有更好的重建视觉效果。     

强噪声环境下高速列车内语言清晰度评价与分析

为了对高速列车车内强噪声环境下的语言清晰度进行定量分析,利用最新语言传输指数间接测量方法及其与汉语语言清晰度的关系,得到不同运行速度和语音声级下车内不同位置的语言清晰度.结果表明,受电弓下部车内位置语言清晰度状况最差;该位置的语言清晰度随速度呈线性规律变化,随语音声级呈二次非线性规律变化.采用多元非线性回归分析,建立以语音声级和列车运行速度为自变量的车内语言清晰度的关系式.试验测试结果与计算结果的标准差为1.75%,拟合优度为0.963,表明该关系式可以较好地模拟三者之间的相关关系.与基于语言清晰度指数的评价方法相比较,该评价方法所需的客观参量测量更简单,更具应用价值.     

泛在信息社会环境下的信息异化及其控制

随着信息技术的不断进步,人类正从信息社会进入到泛在信息社会。由于泛在信息社会的特点,信息异化现象日益突出。本文论述了泛在信息社会的内涵及特征,剖析了在泛在信息社会环境下,信息异化现象的表现,并从法制建设、信息市场、信息技术、信息素养教育、信息社会环境等诸方面提出了相应的控制策略。     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号,提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先,利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后,利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明,本方法能够提高信噪比并降低均方误差,并在信号结构失真时恢复其原始吸引子形态,去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

基于复合稀疏去噪的沙漠地震噪声消减

沙漠地震噪声既含有低频噪声又含有高斯白噪声,一般方法很难同时去除这两种噪声,针对此问题提出了使用复合稀疏去噪同时压制沙漠地震噪声中的低频噪声和高斯白噪声的方法。在复合稀疏去噪中将平方损失作为损失函数的保真度约束,将信号和信号一阶导数的 L1 范数作为损失函数的稀疏约束,然后通过最小化损失函数去除信号中的高斯白噪声。为同时去除低频噪声,复合稀疏去噪中联合使用了低通滤波器,即可一次性去除低频噪声和高斯白噪声。分别对模拟地震数据和实际地震数据进行仿真实验,实验表明该方法可有效地同时压制沙漠地震数据中的低频噪声和高斯白噪声,复合稀疏去噪的保幅略好于带通滤波器,去噪后带通滤波器会产生较严重失真,而复合稀疏去噪的失真较小。     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的.为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪.由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强.仿真结果表明:该去噪方法优于传统小波阈值去噪方法.     

基于主成分分析的光伏热斑红外图像混合噪声去噪方法

为了解决光伏板热斑故障检测时受噪声影响的红外图像分辨率低而导致热斑区域难以识别的问题,提出一 种基于主成分分析的红外图像混合噪声自适应去噪方法。 该方法通过自适应窗口预处理算法将获取的热斑红外 图像进行初步去噪,滤除图像中的低密度椒盐噪声,减小噪声信号对后续选取降噪训练集时所造成的影响;然后, 采用基于块匹配的主成分分析法对预处理后的图像信息进行降维处理,提取信号的主要特征,降低噪声滤除时的 计算复杂度;最后,使用线性最小均方误差估计对图像进行二次去噪处理,滤除残余噪声;此外,在二次去噪之前重 新计算图像噪声水平,使最终的去噪图片获得了更好的视觉效果。 实验结果表明:该方法能够有效去除光伏热斑 红外图像中的混合噪声,客观评价指标显示噪声较小时,图像结构相似性可保持在 0. 9,在高密度噪声影响下,峰值 信噪比相较于修正的阿尔法均值滤波算法平均提高 2 dB,实际视觉效果中保留了图像细节特征,可以明显观测到 热斑区域。