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.     

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.     

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.     

汽车振动信号去噪分析中的小波参数选择

对振动信号阈值去噪中的小波母函数、阈值大小以及系数的量化方法的选择进行了研究。根据去噪性能的信噪比增益和去噪因子2个评价指标,对Daubechies小波系和Symlets小波系的30种小波母函数进行了筛选,选取db13和sym11小波作为较优小波母函数;介绍了自适应阈值的计算方法,在此基础上分析了传统软硬阈值方法的优缺点,提出了一种改进的阈值方法,并将它们应用于仿真信号和实际汽车振动信号的去噪,取得了较好的去噪效果。     

基于改进阈值的振动信号小波去噪方法研究

为了解决现有小波阈值去噪方法中硬、软阈值函数存在的缺陷,提高小波阈值去噪效果,文章通过研究不同阈值函数的去噪原理,提出一种应用于小波去噪的改进阈值函数,使其同时具有硬、软阈值处理的优点;并利用MATLAB分别对仿真信号和实际车削振动信号进行分析,验证改进阈值函数的可行性。结果表明：相较于传统的硬、软阈值函数去噪方法,该文提出的改进阈值小波去噪方法能更加有效去噪,在保留振动信号原貌特征的同时,提高信噪比(signal-to-noise ratio, SNR)并减小均方根误差(root mean square error, RMSE),适合非平稳振动信号去噪,为后续信号处理和车刀磨损状态识别工作奠定了一定的基础。     

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.     

改进的小波阈值去噪法及其在语音信号去噪中的应用

语音信号是一种非平稳的时变信号,利用小波对非平稳信号处理具有明显的优势。小波阈值去噪算法因其算法简单,计算量小而广泛应用于信号去噪。但是硬阈值函数易造成信号振荡,软阈值函数引入固定偏移从而造成高频信息丢失。基于上述两种方法的不足,提出了一种改进的阈值函数并且对该函数引入的可变参数进行了自适应确定。仿真结果表明该方法在可以有效去除噪声的同时,减少了信号振荡,保留了信号高频成分即保留了信号尖峰点信息,改善了语音质量。     

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。     

基于最大信息熵的小波图像去噪算法研究

去噪算法在图像处理的过程中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于最大信息熵的小波去噪算法,根据最大信息熵的理论确定了改进型阈值和改进型加权阈值函数中的加权因子。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与Donoho提出的小波阈值去噪算法的去噪效果相比,具有更好的去噪性能。     

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.