基于层间特性的多级小波收缩去噪算法

该文提出了一种新的基于层间特性的多级小波收缩去噪算法．该算法根据图像小波系数的层间相关特性来确定各层的收缩阈值，并将这些收缩阈值用于图像去噪．实验表明：该算法比传统的算法能更有效地减少噪声，获得更高的PSNR．同时，新的算法还能减少高质量图像中的噪声．     

基于双变量收缩函数与小波系数增强的SAR图像去噪

在充分考虑斑点噪声模型特殊性的基础上,将双变量收缩函数与小波系数显著性增强相结合,提出一种新的用于SAR图像的斑点抑制算法.将双变量收缩函数与双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后,通过最大后验概率估计出滤波后图像的小波系数,再采用小波系数的模极大值准则对系数进行显著性增强,突出图像的边缘特征和点特征.仿真实验表明,与其他传统的去噪算法相比,该算法具有更好的去噪效果.     

考虑尺度间相关性的电缆瓷套终端红外图像去噪

为有效抑制图像噪声,提高电气设备红外诊断的准确性,采用基于小波系数尺度间相关性和双变量收缩函数的方法对电缆瓷套终端红外图像进行去噪.将图像进行小波分解,计算小波系数尺度间的相关系数,使用模糊c-均值聚类法对相关系数聚类,即将小波系数分为有效系数和无效系数两类.对无效小波系数直接进行置零处理,对有效小波系数使用双变量收缩函数进行处理,得到真实图像小波系数的估计值.最后,对处理得到的真实图像小波系数的估计值进行重构,便得到去噪后图像.含噪图像的去噪结果表明,运用文中方法能有效地去除红外图像中的噪声,且与使用传统软阈值方法去噪得到的图像对比,文中方法去噪后的图像信噪比更高,最小均方误差更小.     

基于小波域变分滤波器的超声图像去噪算法

针对超声图像的斑点噪声干扰问题,提出了一种基于小波域的变分滤波算法.该算法利用小波变换的时频特性,对低频域的小波系数使用基于贝叶斯最大后验估计的变分滤波器进行去噪;对高频域的小波系数选择自适应的小波阈值函数,然后使用基于拉普拉斯分布模型的小波收缩算法进行收缩处理.实验结果表明,与小波软阈值滤波器和变分滤波器相比,该算法在去噪能力和边缘信息的保留上均有较好的表现.     

基于小波收缩的神经网络图像“去噪”算法研究

提出一种基于小波收缩的神经网络图像“去噪”的新方法。此算法引入了一种新的小波收缩函数（3次样条曲线）对小波系数进行处理。由于此算法中的小波收缩函数具有较好的光滑特性,它克服了小波收缩中硬阈值和软阈值方法所带来的缺点,并且神经网络模型实现此算法。实验表明：此算法比用传统的硬阈值和软阈值方法图像“去噪”有更好的峰值信噪比且具有比传统算法更好的学习特性。     

基于图像局域特性的自适应贝叶斯小波收缩去噪算法

在小波去噪过程中,对小波系数进行统计建模,去噪效果会得到较大的改进.该文在贝叶斯萎缩去噪的基础上,提出了基于图像局域特性自适应阈值去噪算法.实验结果表明:新的算法比传统的算法能更有效地去除噪声,获得更高的PSNR.同时,图像中的边缘也保护得更好.     

基于层内和层间局域特性的小波域贝叶斯收缩去噪

采用双树复数小波变换对图像进行分解与重构,在BayesShrink阈值去噪的基础上,提出了基于小波系数层内和层间局域特性的自适应阈值去噪算法;构造出具有层内和层间局域特性的统计量和相应的映射,产生新的BayesShrink阈值.实验表明本方法能有效地去除图像中的白噪声,同时还能较好地保留图像的边缘信息,其效果优于目前的一些小波去噪方法.     

基于多层激励量子神经网络的鲁棒音频水印算法

设计了一种基于多层激励函数量子神经网络的音频水印算法。将水印信号嵌入载体语音的小波低频系数中,再训练量子神经网络建立水印嵌入前后低频小波系数间的联系以便在接收端恢复水印。同时,区别于传统的归一化方法,将小波低频系数规范到同一数量级,避免了恢复水印时小波低频系数的差错传播,提高了算法的鲁棒性。实验结果表明,设计的水印算法对加噪、滤波、重采样和再量化等攻击具有较强的鲁棒性,提取正确率相比BP网络水印算法平均提高1.8%。     

基于提升小波变换的心音去噪新方法

针对传统的小波阈值函数去噪无法有效滤除信号中的特定噪声,结合软、硬阈值函数的优点,提出了一种基于提升小波新阈值函数算法对心音信号进行去噪.首先利用提升小波变换对心音信号进行分解;然后利用新阈值函数更新其小波系数进行重构;最后与提升小波软、硬阈值函数去噪后的心音进行了希尔伯特包络提取验证其去噪效果.实验结果表明,提出的提升小波去噪新方法较软、硬阈值方法有更好的滤波效果,且提取的曲线包络更加清晰、平滑.     

基于多元BKF模型的双树复小波图像去噪

本文提出了一种新的去噪方法。该方法将小波系数的内尺度和外尺度信息植入到多元BKF模型之中,从而充分考虑了内外尺度的相关性,并根据最大后验估计(MAP)准则,估计得到图像去噪的阈值化函数,最终,通过逆变换阈值化后小波系数得到去噪后的图像。同时该方法还利用双树复小波变换对图像进行分解和重构,克服了一般离散小波变换缺乏平移不变性和方向敏感性的弱点。去噪实验结果表明,该算法比传统的几种算法有更好的去噪效果。     

基于双变量模型的子带自适应滤波方法

利用贝叶斯最大后验估计理论研究了双变量层间模型、模型的子带自适应参数估计方法,推导了对应的萎缩函数;在此基础上设计了一种子带自适应图像滤波方法,并与两种基于模型的类似算法进行了比较.实验结果表明:利用小波系数层间模型可以有效地改善图像去噪质量.     

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.     

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。     

基于脊波变换的自适应阈值图像去噪算法

利用脊波变换的方法，研究了图像去噪问题．设计了一种基于脊波变换的改进图像去噪算法，该算法采用软硬阈值折中函数，针对Normal Shrink阈值提出了改进．仿真实验表明，该算法与小波全局软硬阈值去噪、脊渡全局软硬阈值去噪等算法相比，图像的峰值信噪比值有明显提高，算法对以直线特征为主的图像较为有效．     

非负稀疏编码收缩法的自然图像消噪

非负稀疏编码（NNSC）算法仅依赖自然图像数据的统计特性,具有自适应性.利用NNSC算法可以成功地提取自然图像的特征基向量;作为对特征基的一个实际应用,提出了一种新颖的用非负稀疏编码收缩技术消除自然图像中的高斯加性噪声的方法.实验表明,提取的特征基向量在时域和频域上都有方向性和局部性,表现了输入自然图像的边缘特性;而且与独立分量分析（ICA）法相比,NNSC法提取的特征基有更清晰的边缘特征.目视效果和归一化信噪比证明了NNSC收缩法的消噪效果要优于稀疏编码（或ICA）收缩法、小波收缩法和Wiener滤波等方法.     

一种改进的自适应PDE去噪算法

讨论了经典的偏微分方程去噪模型——TV模型和四阶PDE去噪模型的优点与不足,提出一种改进的综合去噪模型。通过自适应的系数选择,将TV模型和四阶PDE去噪模型进行加权组合.数值试验结果表明,改进算法不仅保留了传统算法的优点,而且能有效提高去噪效果.     

基于核主成分分析的图像去噪

本文简介了核主成分分析的原理及利用核主成分分析的图像去噪问题。通过使用核函数，在特征空间中对噪声图像使用主成分分析进行降噪处理，基于MDS的思想，使用核方法计算出在特征空间中降噪后的图像与其邻域点之间的内积约束关系，通过核函数重构出在原空间中降噪图像与其邻域点的内积约束关系，基于此内积约束关系在原空间中重构出降噪图像，从而达到通过核主成分分析对图像降噪的目的。对比原有的MDS方法，本文的算法更稳定，对图像的噪声部分有更好的去除效果。