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.     

改进小波阈值图像去噪算法

图像去噪问题一直是图像处理领域关注的问题之一。在图像去噪过程中,由于软阈值函数获得的去噪估计系数与原小波系数具有的恒定差,进而影响了重建图像的质量。为了有效地解决这一问题,在软阈值函数的基础上,本文提出了一种新的阈值函数用于图像的去噪重建。同时,新提出的阈值函数也有效地解决了硬阈值函数的不连续性问题。为了增加新阈值函数的灵活性,新阈值函数中添加了两个调节因子。实验结果表明,本文的阈值函数优于经典的软、硬阈值函数,有效地解决了软、硬阈值函数存在的缺陷,获得的重建图像质量和峰值信噪比有显著提高。     

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。     

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.     

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。     

基于改进阈值函数的二维小波变换图像去噪研究

在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阚值去噪方法的基础上,用一种改进的阈值函数和二维小波变换相结合的方法,克服了硬阚值法不连续性和软阈值法有偏差的缺点.该方法能在不同尺度的多方向中采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高图像信噪比,改善视觉效果.仿真实验结果表明,该方法去噪效果明显,将在各类图像去噪处理中发挥作用.     

基于连续阈值函数的小波去噪方法

文章分析传统软、硬阈值函数在图像去噪中的缺陷,提出了一个基于连续阈值函数的小波去噪方法.采用不同阈值函数的去噪方法对图像进行去噪处理,结果表明:基于连续阈值函数的方法的去噪效果优于其他非连续阈值函数的去噪方法.     

自适应小波阈值函数的指纹图像去噪

针对指纹图像的特点,对传统小波阈值去噪方法中采用的软、硬阈值函数作了改进,并建立了多项式拟合模型,实现了参数α的自适应选取.仿真实验表明,该模型去噪效果优于软、硬阈值函数,且与最优α值去噪图像的峰值信噪比的相对误差在1%以内,对噪声强度的变化具有较强的自适应性.     

改进的小波阈值函数在心率检测中的应用

基于人脸视频图像的心率检测是根据血液的运动使人脸皮肤颜色发生细微的变化,提取出含有脉搏信息的信号,从而得出心率值的方法。由于受背景光照、环境温度等因素的影响,在提取心率信号的过程中不可避免地带有噪声,导致检测的心率值不准确。针对这一问题,提出了一种改进的小波阈值函数并应用在心率检测中。改进的小波阈值函数既满足阈值函数的连续性,又避免了软阈值函数恒定偏差的问题,同时通过调节参数能灵活地调节阈值函数,从而实现了对心率准确、有效地估计。实验表明,改进的阈值函数去噪优于软、硬阈值函数,心率检测准确、有效。该方法在监测生命健康、监控运动安全、防止疲劳驾驶等领域有着很好的应用前景。     

基于改进阈值的MRI图像降噪

针对传统硬阈值函数的不连续性和软阈值函数存在恒定偏差的不足，提出一种新的具有连续性、渐近性和灵活调节性的改进阈值函数。具体地，首先选取改进的固定阈值并经过实验选择合适的小波基，然后通过增加调节参数来降低阈值函数的恒定偏差，最后通过实验模拟验证了本文方法在图像相似性评价标准上去噪效果的优越性。     

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。     

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Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

基于一种新型小波阈值函数的信号去噪

在小波硬阈值函数和软阈值函数的基础上,提出了一种新阈值函数.该函数综合了硬阈值函数和软阈值函数的特征,并且具有良好的数学特征.选择合适的参数,其可以适应不同的情况.采用局部阈值规则选择阈值,通过仿真实验,验证了新阈值函数对去除高斯噪声的有效性.     

基于改进的小波阈值的电能质量信号去噪

针对硬阈值去噪效果不理想,软阈值去噪比较平滑使得信号产生失真的问题,提出了一种新的阈值去噪方法.采用对阈值门限进行改进并结合软阈值的去噪方法对电能质量信号进行处理,实现其去噪的功能.实验仿真表明,新的阈值去噪算法对电能质量信号进行去噪处理后的信噪比增益和均方误差相对于其他文献都有所改善.     

基于多小波变换的图像去噪改进算法

在介绍多小波理论的基础上,提出一种基于多小波的自适应图像去噪算法,该方法根据多小波系数在不同子带、不同方向上的特性自适应选取不同的最佳阈值,然后再与图像的分解尺度函数因子结合起来。实验表明,与单小波和其它使用不同预处理过程的传统多小波去噪方法相比,该方法有效地去除了白噪声,进一步提高了图像的峰值信噪比（PSNR）和最小均方误差（MSE）。     

基于软阈值小波痕迹图像去噪算法及应用

针对痕迹图像的结构特点及传统图像去噪中所存在的问题，提出了一种基于软阈值的小波图像去噪方法．首先将痕迹图像经过小波分解得到一系列不同程度上的子带图像，再根据噪声和图像信号的不同特性，在不同尺度的子带图像上进行软阈值滤波，最后进行小波重构，得到去噪后的图像．实验结果表明，该算法可较好的保留图像信号的边缘特征，改善图像的视觉效果．     

分数阶小波时频域的图像去噪新方法

为了提高图像的质量以及满足后续图像处理的需求,提出了一种基于分数阶小波时频域的图像去噪新方法。该方法通过二维分数阶小波变换将图像映射到分数阶小波时频域内,在时频域内实现图像的去噪处理,最后通过分数阶小波逆变换实现图像的重构。图像去噪实验结果表明:采用该方法去噪后的图像输出峰值信噪比明显提高,在抑制噪声的同时可以有效保持图像细节。