基于非线性多小波变换的信号去噪方法

介绍了一种基于非线性多小波变换的信号去噪方法。通常子波域去噪中使用的Donoho软阈值法是很有效的，但是，由于忽略了边缘检测，导致在重构信号时丢失了部分的边缘信息，着眼于上述不足，在非线性多小波变换的基础上，提出了一种边缘检测与软阈值去噪相结合的去噪算法，实验证明此算法对提高重构信号的信噪比是非常有效的。     

自适应阈值多小波故障暂态信号去噪方法

在介绍多小波基本理论的基础上 ,探讨了基于多小波的信号去噪方法。针对目前多小波去噪方法的不足 ,提出一种基于自适应阈值的多小波去噪方法 ,应用于电力系统输电线故障暂态信号的去噪 ,并与基于传统阈值多小波和小波的去噪效果进行了比较。仿真结果表明 ,该方法可以根据实际信号自适应改变阈值大小 ,在去噪效果上优于传统多小波去噪方法。     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

基于离散小波变换的滤波方法研究

推导出了经过多次离散小波变换后，白噪声在不同尺度上方差的另外一种表达式，应用到小波域硬阈值滤波中，通过数字仿真发现，二进小波的计算量较大，滤波效果较好，离散小波的计算量较小，滤波效果稍差，并对原因进行了说明。     

基于子波变换的水声信号去噪方法研究

针对水声信号的低信噪比、非平稳性等特点，在对采集到的水声信号进行分析处理的基础上，提出了一种水声信号去噪的方法。该方法首先对采集到的低信噪比水声信号进行滑动取值，分别利用子波变换求功率谱，并进行统计平均，确定代表水声信号特征的频谱分量，去除不稳定的随机频谱分量；然后利用子波反变换将处理后的功率谱变换为时域信号；再利用子波软门限去噪方法去噪。通过仿真验证，获得了较好的效果。     

基于对称小波变换的多层系数乘积去噪算法

为了有效地去除信号中的噪声,提出了一种基于对称小波多层系数乘积的信号去噪算法.该算法利用时称小渡能够反映信号突变位置的特点,把相邻的两层细节系数相乘得到模极大值,再加以阈值化和归一化,然后与低层的细节系数相乘,得到降噪的细节系数,重构后得到去噪信号.给出了应用该算法的具体步骤,并且通过仿真实验证明了该算法的有效性.     

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。     

基于小波变换和行扫描的车牌定位方法

介绍了车牌从预处理到定位的整个过程,车牌预处理部分包括采用运用不等权方法对图像进行灰度化;运用高低帽变换来增强图像的对比度,有利于增强算法的鲁棒性;运用一种新的小波阈值方法来进行图像去噪,有利于去除干扰,突出车牌区域。在车牌定位部分根据车牌自身的特征采用行扫描来对车牌进行定位。实验表明此方法具有较高的准确性,有较高的实用价值。     

基于迭代方法的软阈值估计小波去噪

基于小波变换的阈值去噪方法依赖于信号的长度和噪声的方差。在大多数情况下,噪声的方差是未知的,需要对其进行估计。提出一种基于软阈值函数估计阈值大小的算法。该算法是一种迭代算法,证明了该算法的收敛性,并分析了该算法运算量。数值实验表明该算法估计阈值的准确性和MAD方法相当,同时计算量远远小于MAD方法。     

基于提升静态小波变换的自适应消噪方法

基于离散小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了基于提升静态小波变换的自适应消噪方法,它首先根据DWT的提升方法,得到SWT的提升和对偶提升实现方法,然后通过SWT的提升方法将信号分解为多个子带,利用引入更多动量因子的权系数的迭代公式进行自适应匹配.并对匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

一类基于鲁棒统计的噪声抑制变分模型与算法

从最大后验概率估计和马尔科夫随机场出发,将图像梯度场的分布建模为混合加权的容许密度类,利用鲁棒统计学中的Hubber定理,导出了一类鲁棒性密度。建立了一类由L2范数或L1范数数据保真约束和鲁棒意义下的图像正则化项组成的噪声抑制变分模型。提出了该类模型的基于梯度最速下降的有限差分算法。在Matlab集成环境下进行了六组不同噪声抑制变分模型的仿真实验,通过计算峰值信噪比和结构化相似指标给出了性能评价结果。     

基于二进小波变换的图像分辨率增强算法

增强图像的分辨率意味着在保持图像清晰度的情况下对图像进行放大。传统的分辨率增强技术是图像插值,它通常要求原始图像满足一定的平滑条件,这常常损失增强后图像的奇异性,使图像中物体边缘和纹理变得模糊。本文提出了一种基于图像多分辨率分析的增强算法,通过估计原始图像在更高一级分辨率上的小波系数,可以得到更为清晰的增强效果,同时保留原图像的奇异性。     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

基于平衡多小波与神经网络的图像水印算法研究

利用图像经过CARDBAL多小波变换后,能量汇聚且平均分摊在最低分辨率子图像4个分量上的特点,提出一种改进的多小波域盲水印方法.采用比较法嵌入一幅水印图案,建立含水印图像与水印之间的关系模型,通过神经网络训练来提高水印检测的正确率.实验表明,该方法具有良好的鲁棒性,在JPEG压缩和一些图像处理下可检测到水印.     

基于双树复小波变换统计特征的图像盲取证算法

双树复小波变换较常用的离散小波变换具有平移不变性和方向选择性的优点。用双树复小波变换对图像进行多尺度分解,分别计算分解后各层六个方向复高频子带系数幅值及幅值预测误差的一到五阶中心矩,并据此组合成对应的统计特征向量。利用该统计特征向量获取方法提取真实摄影图像和计算机生成图像的统计特征向量集,并采用支持向量机进行分类。实验结果表明,对测试集中的真实摄影图像和计算生成图像的识准率分别为98%和97%,取得了较好的分类效果。     

一种基于信息分存和混沌序列的小波域信息隐藏方法

提出了一种基于信息分存和混沌序列的小波域信息隐藏方法,给出了具体的信息分存方案和混沌序列产生及控制方法,同时校正方法很好地消除了数据“突变”的影响。实验结果表明,这种方法有效,易于实现,而且效果较好。     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

S变换在雷达目标识别中的应用

针对雷达目标回波的非平稳特性,推导了S变换及其实现算法,利用电磁场时域有限差分算法仿真了三种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的奇异值特征作为目标特征矢量,利用径向基函数神经网络对特征矢量进行训练和学习,最后对三种飞机做了分类识别,取得了很好的识别效果.     

基于整数小波变换的图像编码研究与仿真

对原始图像分块后，通过整数平方量化阈值编码与上下文相关的零树编码的有机结合，提出一种基于整数小波变换和整数平方量化阈值的上下文相关零树编码算法ISCZ（Integer Square threshold and Context-based Zerotree)。ISCZ算法不仅缩短了各量化阈值间的距离，增加了编码过程中零树的数量，而且充分挖掘了零树符号间的相关性，克服了基于提升框架的(5，3)等整数小波变换能量集中性差的缺点。实验结果说明，ISCZ算法对静态图像的压缩效果优于目前已有的小波压缩算法。