小波变换用于CT图像重建及处理研究

研究了小波变换多分辨率图像重建和局部区域重建算法。在算法中 ,小波滤波器直接修正重建滤波器 ,重建得到各种细节图像 ,并能快速地得到重建图像的轮廓。由于小波变换的局部性 ,使用局部数据能重建局部图像。通过小波多尺度分析和重构系数控制 ,提出一种简单算法 ,在重建中进行图像增强和噪声消除 ,该算法将图像重建与图像处理结合在一起。与通用的算法相比 ,能提高重建速度和图像质量     

基于多小波的SAR图像去噪与压缩

SAR图像固有的乘性相干斑噪声降低了图像的相关性,增加了信息熵,影响了图像压缩的性能.多小波能够同时拥有正交性、紧支性和对称性,比单小波具有更多的自由度.因此提出了在多小波域进行去噪和压缩相结合的SAR图像编码算法.首先对图像进行多小波变换,采用改进的软阈值法抑制相干斑噪声同时对图像边缘进行保护,再对多小波系数重排建立空间方向树,然后采用多级树集合划分(SPIHT)算法进行编码.实验结果表明,该算法改进了重建SAR图像的PSNR,同时对相干斑噪声进行了有效的抑制.     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。     

基于图像小波树结构的数字水印算法

提出了一种基于小波变换和根据图像内容的自适应水印算法。该算法利用图像小波变换系数的树结构关系和各层小波系数的特点,对低频重要系数进行分类,并根据人类视觉特性,对不同类采用不同的嵌入方法。而且在水印提取过程中不需要原始图像,是一种盲水印算法。实验结果表明,该方法简单高效,可嵌入的数字水印信息容量大,而且通过与传统方法的比较,方法不可见性好,PSNR=52.28dB,对一般的图像处理和攻击如:JPEG压缩、滤波、加噪声、旋转、缩放等有很好的鲁棒性。     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

基于CPS的相位误差估计算法

在基于星座相位特征（CPS）相位误差估计算法的基础上,对高阶QAM信号,利用循环相关函数的局部对称性,提出一种基于局部对称性检测的相位误差估计算法。此外,利用平稳信号相关函数小波变换后的性质,提出了两种基于循环相关函数小波变换的相位误差估计算法。最后详细分析了小波变换对高斯白噪声的影响。与CPS算法相比,基于对称性检测的算法在低信噪比下有一定的优势。基于Morlet小波变换的相位误差估计算法在低信噪比下性能最好,而基于Harr小波变换的相位误差估计算法在高信噪比下性能较好。     

加性噪声背景下基于ICA的线性系统辨识算法

在加性噪声背景下,将线性系统辨识问题纳入到独立分量分析(ICA)瞬时混合模型中,提出了一种新的结合ICA技术的线性系统辨识算法.该算法无需对噪声信号的统计特性进行任何先验假定,根据ICA模型中瞬时混合矩阵的先验知识,准确估计出系统输出的加性噪声,从观测数据减去该噪声后,利用最小二乘理论实现算法对未知系统的参数估计.仿真实验表明,该算法不仅有效地消除了一般算法对于噪声特性的限制,而且在低信噪比下仍能取得较为理想的辨识结果.     

一种基于小波模极大值的信号去噪算法

研究了小波变换中噪声和信号的次要的模量极大值曲线对定位信号特征点造成干扰的问题,提出一种基于小波模阈值和模极大值曲线长度阈值的去噪算法,并把该算法与传统小波阈值去噪算法进行了对比。仿真结果表明,该算法可以明显地去掉噪声和信号中次要的模极大值曲线,保留信号主要的模极大值曲线,在定位信号特征点上优于小波阈值去噪算法。     

提升小波在SINS信号去噪及初始对准中的应用

针对惯性仪表测量信号中包含大量随机噪声的问题和经典小波的缺点,研究了提升小波算法在信号去噪和初始对准中的应用.研究了基于提升方式下的小波算法,并将其应用到惯性器件测量信号噪声消除中;建立了捷联惯导系统粗对准方案和在大方位失准角条件下的非线性精对准模型;将基于提升小波的噪声消除算法应用于捷联惯导系统初始时准中.实验结果表明,提升小波算法有效去除了惯性器件测量信号中的噪声;基于该算法,可提高初始对准速度和精度.     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。     

New algorithm for infrared small target image enhancement based on wavelet transform and human visual properties

1 .INTRODUCTIONBecause of the li mitation of the existing infrareddevices’function,the effects of infrared sensor’si maging are far from perfection and have manydrawbacks such as big noise , low contrast , andpoor visual effects , which affect badly its use inthe real battlefield. The goal of i mage enhance-ment is to reduce noise , preserve edges and i m-prove the visual effects of i mages , so i mage en-hancement is an absolutely necessary part of signalprocessing in the infrared i mag…     

基于LMD-WSVD的半球谐振陀螺混合去噪方法

为了减少半球谐振陀螺(hemispherical resonant gyroscope, HRG)输出噪声对导航精度的影响，提出了一种基于局部均值分解-排列熵-小波变换-奇异值分解的混合去噪方法。首先，使用局部均值分解方法对HRG信号进行分解，然后排列熵将其划分为两类：低频分量和混合分量；之后将小波变换和奇异值分解级联以构成两级滤波器，对混合分量进行降噪处理，最后重构得到最终的信号。通过实验验证了该方法的有效性，实验结果表明，相比原始信号，所提出的方法有效地减少了HRG的输出噪声，提高了其测量精度，其中角度随机游走降低了99.9%,零偏稳定性降低了60.3%。     

基于自适应参数回归的非局部图像滤波算法

针对图像加性高斯白噪声,提出一种优化的自适应参数滤波算法。该算法以非局部欧氏中值(non-local Euclidean medians, NLEM)滤波算法为基础,根据含噪图像梯度幅值在一定噪声范围内服从Rayleigh分布这一特性,求得以梯度幅值和噪声标准差为自变量的二元自适应滤波参数,并将它引入到邻域的权值计算中。其次,噪声的变化影响着l_p范数回归的选择,在一定范围内以噪声标准差为自变量对参数p进行多项式拟合,得到自适应l_p范数回归。在自适应滤波参数基础上,用自适应l_p范数回归进一步改进NLEM滤波算法的l₁范数回归。所选图像的实验结果表明,本文算法在一定噪声范围内不但获得满意的去噪效果,而且有效地减少人机交互程度。     

基于小波包和心理声学模型的音频水印算法

提出了一种基于小波包和心理声学模型的数字音频水印算法,该算法对音频信号进行小波包分解,在小波域内计算掩蔽阈值,根据从心理声学模型得到的幅度因子自适应地控制由嵌入水印而引起的听觉偏倚。二值水印图像通过伪随机排序与扩频调制后嵌入到小波包分解后的中频系数中,提取水印信号无需使用原始数字音频信号。仿真试验表明水印是不可察觉的,经过MPEG layer Ⅲ有损压缩、低通滤波、重采样等操作后仍具有很强的稳健性。     

基于小波窗口的模极大值去噪算法

在相关去噪和模极大值去噪的基础上,提出了一种基于小波窗口相关的模极大值去噪算法.即先用小波窗口相关法时最大尺度的小波系数进行预处理,再用模极大值法去除各层系数的噪声.该算法不仅克服了通常相关去噪算法中小渡系数对偏移敏感的缺点,避免了阙值选择受噪声影响的问题,同时,它也解决了模极大值算法中由于小尺度上噪声影响较大而造成的对信号小波系数定位不准的问题,减少了模极大值法的累积误差.仿真实验验证了新方法的有效性,特别是信噪比较低时,该方法的效果尤为显著.     

基于局部方差的模糊小波阈值图像去噪

针对小波阈值去噪中的VisuShrink阈值(统一阈值)“过扼杀”细节系数和SUREShrink阈值(Stein无偏估计阈值)“过保留”噪声系数的特点,提出了一种新的模糊小波阈值去噪方法。该方法根据小波系数局部方差能体现信号受噪声影响程度的特点,在局部方差之间引入模糊区域,通过模糊区域内局部方差的大小来计算相应小波系数的噪声隶属度。根据不同的模糊隶属度在VisuShrink阈值与SUREShrink阈值之间选取去噪阈值,并用软阈值函数消减。实验结果与仿真表明,提出的模糊阈值方法有较好的去噪效果。     

基于小波分析的雷达/红外模糊自适应融合算法

在多传感器融合算法的基础上,提出一种基于小波分析的雷达/红外模糊自适应融合算法。因为小波分析对测量数据具有多分辨率分析的去噪能力,将小波分析与模糊自适应卡尔曼滤波器相结合构成一个多分辨率跟踪滤波器,该算法可以对来自主动雷达和红外成像传感器的信息加以充分利用,选择适合的小波函数对测量数据进行过滤优化,把干扰负荷转移到小波分析上,在改善跟踪性能的同时又具有很强的处理非平稳信号的能力,而且又保证了该融合算法简单、实用的特点。仿真结果表明,提出的融合算法有很好的跟踪精度,通过对比表明该算法优于传统的多传感器融合算法。