基于小波和小波包图像去噪的比较研究

小波和小波包对图像消噪都是十分有用的工具,虽然小波包可以对图像的高频部分做更细致的刻画,对图像的分析能力更强,但其对图像去噪的结果并不一定优于小波.本文通过大量的实验仿真显示:因图像中噪声含量的多少不同,小波包消噪的结果可能优于小波,也可能劣于小波.     

基于小波和小波包图像去噪的比较研究

小波和小波包对图像消噪都是十分有用的工具,虽然小波包可以对图像的高频部分做更细致的刻画,对图像的分析能力更强,但其对图像去噪的结果并不一定优于小波。本文通过大量的实验仿真显示:因图像中噪声含量的多少不同,小波包消噪的结果可能优于小波,也可能劣于小波。     

基于小波包变换的图像消噪方法

小波包理论比小波分析更为复杂，但其分析手段更为灵活，具有更为精确的局部分析能力，对图像消噪是其一个最基本的应用．本文先讨论小波包的分解过程及算法，然后利用MATLAB中的函数wpdencmp对一含噪图像进行消噪处理．     

基于最优匹配小波的回波与图像消噪

研究了用于消噪的小波与信号、图像的匹配原则，在采用时域波形逼近与频谱匹配原则的基础上，提出了最优匹配小波的设计方法。首先构造了两种小波滤波器组，其次给出了最佳匹配小波的设计优化算法，最后分别探讨了应用最优匹配小波对超声回波和图像消噪的方法。仿真结果表明，该方法性能优于常规的小波消噪，能较明显提高信号与图像的信噪比。     

基于小波包变换的图像消噪方法

小波包理论比小波分析更为复杂,但其分析手段更为灵活,具有更为精确的局部分析能力.对图像消噪是其一个最基本的应用.本文先讨论小波包的分解过程及算法,然后利用MATLAB中的函数wpdencmp对一含噪图像进行消噪处理.     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

SAR图像小波域消噪方法

目的 介绍小波域SAR图像消噪算法，并且提出一个小波域内利用多重分形参数修正的雷达图像消噪算法。方法 在系统分析SAR图像与小波之间联系的基础上，通过实验表明SAR图像中原始信号与噪声的多重分形参数不同，采用小波域内对多重分形谱相关的Hoelder指数修正方法进行SAR图像消噪。结果 该算法可以在保留信号边缘、纹理等奇异性情况下，消除斑点噪声。结论 小波进行SAR图像消噪具有独特的优势，随着如分形理论的各种非线性理论的引入，对于具有非线性特征的SAR图像斑点消噪研究将取得更好的效果。     

MATLAB二维小波图像消噪

本文将应用MATLAB小波工具箱中的二维小波分析函数采用强制、默认阈值、独立阈值三种方法对含噪声的图像进行消噪处理，并以一RGB图像的消噪为例，对三种方法消噪后的结果进行最小二乘估计。     

基于多小波分析的图像消噪方法

针对传统小波消噪效果的局限性,多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足.分析了多小波方法的原理,并将多小波算法用于图像消噪中,研究结果表明,多小波对图像信号的先验知识要求较低,在抑制噪声干扰的同时,能够保留更完整的有用信号.     

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.     

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.     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点，提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换，根据变换后各帧的特点．采用不同的方法分别进行消噪；对变换后的低频帧进行帧内二维小波变换，在小波域中采用自适应阈值进行消噪；对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好。     

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。     

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。     

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。     

基于小波包分析的能量阈值消噪

白噪声的方差和幅值随着小波尺度的增加而减小,而信号的方差和幅值与小波变换无关.按照信号能量的观点,提出一种基于小波包分析对图像的高频系数和低频系数同时进行能量阈值处理的消噪方法.同小波分析相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果.     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点,提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换,根据变换后各帧的特点,采用不同的方法分别进行消噪：对变换后的低频帧进行帧内二维小波变换,在小波域中采用自适应阈值进行消噪;对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

基于小波包分析的图像融合去噪方法

提出一种基于小波包分析的图像融合去噪方法.利用不同特性的小波包基对含噪图像进行分解,对不同层次上的小波包系数进行软阈值处理,然后按照相应的融合规则对图像的低频分量和高频分量分别进行融合处理以得到一组新的融合后的子图像,最后利用小波包逆变换重构得到融合后的新图像.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.