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4种改进阈值函数的小波去噪

针对4种传统阈值函数的共同不足,联系到脉冲噪声可由函数仿真模拟,又由函数的特殊性,对传统的4种阈值函数分别做了改进.仿真实验结果显示:所做改进不仅可以除去高斯白噪声,而且可以除去脉冲噪声.     

基于新的阈值函数的小波阈值去噪方法

在分析了硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新的阈值函数,仿真实验结果显示,与硬、软阈值去噪方法相比,基于新的阈值函数的小波阈值方法能够得到较小的均方误差,并提高了重建信号的信噪比,且去噪后的信号与原始信号的近似性也较好.     

基于一种新阈值函数的小波阈值去噪方法的研究

文章利用D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法,构造了一个新的阈值函数.与传统的硬、软阈值函数相比,该阈值函数克服了硬阈值函数不连续的缺点,且同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,它具有硬、软阈值函数不可比拟的灵活性.仿真结果表明,新的阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益上均优于传统的硬、软阈值方法.     

基于小波阈值去噪方法的研究

小波分析用于信号去噪的过程中,关键的就是阈值的选取和阈值的处理方法。系统介绍了四种阈值处理函数和四种阈值选取形式,并在MATLAB环境下进行仿真研究,将去噪后的信号进行比较,得出阈值去噪方法的一些结论。     

基于小波熵的最优阈值去噪方法

小波去噪的核心问题是如何选取合适的阈值函数,进而估计出原始信号的小波系数.现有的改进去噪函数中大都含有需要根据经验来确定的待定参数,易用性和去噪效果均不理想.基于信号的小波熵理论,提出了令去噪后得到原始信号和噪声信号的小波熵之和为最大、从而获得了最优的小波软阈值去噪函数.对含噪声的Blocks信号进行仿真分析的结果证实了文中提出方法的有效性,该方法比采用软、硬阈值方法具有更好去噪效果.     

一种新的阈值和阈值函数的小波去噪算法

为了解决传统软、硬阈值算法去噪过程中出现的边缘模糊和视觉失真等问题,提出了一种新的小波去噪算法.首先,在阈值选择时,为了抑制信号长度对阈值选取的影响,把通用阈值和最大似然比按照一定比例结合,可根据图像的噪声构造出更加合理的阈值;然后,阈值函数里加入了调节系数β,使新的函数拥有更好的连续性和更低的误差.仿真实验表明,该算...     

基于tanh函数的小波阈值去噪算法

在小波的阈值法去噪中,小波函数的选择对小波去噪效果有很大的影响,而传统的阈值函数对噪声的去除效果并不理想.为了提升小波去噪效果,结合双曲正切（tanh）函数的特点,提出一种改良的小波阈值函数去噪法,该函数在阈值附近能保持较好的过渡,既能够有效地避免对小波系数的过度去除,也能够将需要去除的小波系数进行控制.在实验中,与传统阈值函数和已有的一些阈值函数对不同信噪比的含噪信号去噪效果进行对比,结果表明本文所提新阈值函数去噪效果更优.     

新阈值函数及其小波去噪研究

小波阈值法是小波域去噪的主要方法之一,该方法通过选取合适的阈值,采用阈值函数对小波系数进行相应的非线性处理,可以在均方差意义下取得最优的去噪效果.其中,选取合适的阈值函数是该方法最基本的问题之一.文章在讨论了硬阈值函数、软阈值函数和半软阈值函数的特点及其不足的基础上,提出了一个新的阈值函数.该函数在整个小波域内连续并高阶可导,而且只需要确定一个阈值,算法相对简单.仿真结果表明,与硬、软和半软阈值方法相比,采用新的阈值函数可得到较为理想的去噪效果.     

一种改进的小波阈值去噪方法

介绍了基于阈值选取的小波去噪原理及实现方法,并对传统的软、硬阈值方法进行分析,提出一种改进的阈值函数.实验结果表明,新方法能有效地减少平稳信号与非平稳信号中产生的震荡和恒定偏差的影响,去噪效果优于传统方法.     

基于小波分析的改进阈值去噪方法

小波去噪是小波分析在信号处理领域的重要应用之一,特别是其中的小波阈值去噪方法更以其操作简单和良好的效果而被广泛应用。本文对常规的软、硬阈值方法进行分析,提出了一种改进的阈值去噪方法。通过实验对比表明,当选取了合适的控制系数 时,该方法比常规的软,硬阈值去噪方法去噪效果更好。     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

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。     

基于小波变换的最优阈值图像去噪

小波图像去噪方法已广泛应用于图像去噪领域。在图像去噪中关键的一步就是阈值选取,阈值的选择直接决定去噪效果。本研究提出了一种基于小波不同子带选取最优阈值的小波去噪方法,该方法根据小波系数不同的特点选取阈值。实验结果表明,此方法可以有效地降低噪声,较好地保持了图像的细节。     

一种新的小波阈值去噪算法及仿真

针对传统软、硬阈值函数和现有的大部分研究文献中所设计的阈值函数存在的缺陷,提出了一个新的阈值函数,该函数在整个小波域内（包括阂值点处）连续可导,且除阈值点外高阶可导,便于各种数学处理。另外可以通过参数调整来获得有效的阈值函数,从而达到比较理想的去噪效果。然后在以信噪比为主要评价标准的前提下提出了一种新的确定小波最优分解层数的自适应算法,该算法简单实用,可确定最优分解层数以达到最佳信噪比。最后,在MATLAB环境下进行了仿真实验,仿真结果表明,该算法能够获得比较好的去噪效果,具有广阔的应用前景。     

重构小波阈值的微机电系统-惯性测量单元降噪处理

针对随机误差对微机电系统-惯性测量单元(micro electro mechanical systems-inertial measurement unit,MEMS-IMU)输出数据精度的影响,利用离散小波变换可降噪的特点,对MEMS-IMU数据进行降噪处理.在小波降噪过程中,阈值的估计以及阈值函数的选取直接关系到降噪的质量,构建一个新的阈值函数,通过调节阈值函数中的比例因子,解决传统多重小波分解重构在降噪方面的不足.实测数据的处理结果表明:在小波降噪过程中,新的阈值函数能够有效抑制MEMS-IMU中随机误差的影响,与传统小波降噪相比,新的阈值函数降噪后,信号具有更佳的平滑度,能够有效提高捷联惯性导航系统的定位定姿精度.     

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.     

一种改进的小波变换信号消噪方法

根据小波阈值消噪方法的步骤及特点提出一种新的消噪方法——小波系数放大法,并对该方法进行仿真对比实验。该方法在运用小波变换对含噪信号进行消噪前,先对信号进行小波级数分解,对其中的低频系数和高频系数进行适当的放大,然后对信号采取阈值消噪法进行消噪,最后运用小波变换对所得到的小波系数进行适当的宿小,并将其重构。仿真实验结果表明,小波系数放大法消噪后信号的均方根误差有很大的降低,信噪比提高。该方法优于一般的消噪方法。     

小波阈值去噪与 Sobel 算子相结合的深度图像边缘检测技术

提出一种基于小波阈值去噪和Sobel算子相结合的图像边缘检测算法。由于图像边缘部分集中的大部分信息对图像场景的识别与理解起着重要的作用,而使用传统边缘算子在边缘检测时存在一定的缺陷。因此,通过对几种传统算子的边缘检测效果进行对比,并且将几种经典滤波方法相比较,提出在进行Sobel算子边缘检测前,用小波阈值去噪法以有效降低噪声影响。理论分析和实验结果表明该方法计算量较小、边缘定位准确,适用于基于深度图像的快速三维视频编码。