基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.     

小波包变换在煤与瓦斯突出预测中的应用

针对目前滤噪技术不能很好地使声发射监测得以准确预报的情况,进行了基于小波包变换的去噪研究.该研究利用信号的小波包分析、计算和最优小波包基选取的方法,通过计算机数值计算,模拟了强噪声下声发射信号检测,并通过Sym8小波包与小波变换去噪的比较,证明前者优于后者.用小波包变换进行消噪处理,噪声消除彻底,提高了预警准确性.     

高斯白噪声背景下图像去噪方法研究

主要针对在高斯白噪声背景下在信号与图像处理中,采用小波变换使图像去噪,对噪声的统计特性建模,对小波去噪的理论依据进行了深入分析。     

基于小波变换的地震数据去噪的研究

根据小波变换的原理,提出了将小波变换应用于地震数据进行去噪的方法.该方法利用有用信号和噪声的小波系数在时频域内的差异,选取有用信号的小波系数进行重构从而达到去噪的目的.采用时域400道数据,每道100个采样点的二维地震数据进行实验,结果表明:小波去噪法能取得良好的去噪效果,选取小波系数越多,恢复的信号强度越好,但也会相应的引入更多的噪声.     

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.     

一种基于小波变换的图像去噪方法

小波去噪方法中最早被提出的是小波阈值去噪方法,它是一种实现简单而效果较好的去噪方法。本文通过小波系数进行阈值处理,在小波变换域中去除低幅值的噪声和不期望的信号,然后运用小波逆变换,从而得到了去噪后的重建图像。     

小波变换去噪方法在无线电引信信号处理中应用的研究

介绍了小波变换的原理和基于门限值的小波去噪方法,讨论了傅里叶分析与小波分析方法.针对模拟产生信号和试验测得的导弹含噪声回波信号分别用FFT分析方法和小波分析方法进行信号噪声消除.仿真结果表明,基于小波变换的去噪方法与传统的傅里叶分析方法相比,具有较高的精度和较快的速度.     

基于小波变换模极大值的汽轮机振动信号去噪

针对汽轮机振动信号去噪问题,根据振动信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法.利用该法可以最大程度对含噪汽轮机振动信号去噪处理,实现信噪分离,并有效地保留信号的奇异点信息.     

基于SURE-LET和非张量积小波的遥感图像去噪

针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤．通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果．实验结果表明：此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET方法．     

小波去噪在电能质量检测中的应用

在电能质量检测领域,测量信号通常叠加着随机噪声,因此在噪声污染比较严重的场合,对检测到的信号一般要进行去噪处理.针对此类噪声问题,利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,提出了基于小波变换的阈值去噪法.