自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响，提高重力异常测量值的精度，在分析了小波阈值及自适应小波阈值去噪算法的基础上，将其应用到高精度海洋重力仪系统数据处理中，并与自适应卡尔曼滤波做了对比，以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据。理论分析和仿真实验表明，自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响，但在相同情况下，自适应小波阈值去噪方法具有明显的优越性。     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.     

自适应小波阈值与平均算法去噪在拉曼光谱中的应用

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.现有滤波方法在光谱信号除噪方面有种种缺陷.基于Dohono提出的小波阈值去噪,使用一种自适应小波阈值函数滤噪法并与平均算法相结合,实现信号与噪音的分离.该方法除噪完全,即使对信噪比小于1的高噪声信号也能够很好地保留信号的细节,获取满意的处理结果.     

SURE准则的图像小波阈值去噪

在D．L．Donoho提出的小波阈值去噪的基础上,提出了一种新的阈值函数,其功能与硬阈值函数相当,但是它具有二阶连续可导性．相对于软阈值函数,此函数“硬”特性可以很好保留图像边缘等局部特征;而其可导性为实现图像的自适应去噪提供了可能．本文应用此阈值函数,基于SURE无偏估计,给出了一种小波自适应阈值去噪方法,并用Lenna和Barbara图做了仿真实验,实验结果显示此方法在最小均方误差（LMSE）意义上的优越性．     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法.采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理.采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数.仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法.     

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。     

基于小波自适应阈值的脑CT图像去噪研究

利用自适应小波阈值算法抑制脑部CT图像噪声,以提高图像质量.通过仿真实验,确定自适应滤波阈值与噪声强度的关系,然后采用真实脑部CT图像及自然图像进行验证,并与常用小波阈值算法比较.提出的算法能够抑制图像的加性白噪声,使峰值信噪比提高7～10 dB,同时更好地保留了图像细节及边缘信息.小波自适应阈值算法能够对不同噪声水平的脑CT图像及自然图像进行自适应处理,提高峰值信噪比,改善图像质量.     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

小波阈值改进及在光谱信号去噪处理中的应用

针对宽光谱膜厚监控系统输出的光谱信号,通过改进Donoho阈值函数,对阈值加入微调因子,使与噪声幅度相近或小于噪声幅度的信号小波系数阈值减小,有利于其小波系数的保留。另一方面使噪声的小波系数的阈值增大,有利于其小波系数的滤除,使小波阈值滤波算法具有自适应性。通过实验表明该算法有效地抑制噪声,很好地保留了信号的细节信息,信号的峰值误差为0.7%—1.0%,峰位误差为0.1%—0.3%;提高了系统的监控准确度。     

自适应小波阈值函数的指纹图像去噪

针对指纹图像的特点,对传统小波阈值去噪方法中采用的软、硬阈值函数作了改进,并建立了多项式拟合模型,实现了参数α的自适应选取.仿真实验表明,该模型去噪效果优于软、硬阈值函数,且与最优α值去噪图像的峰值信噪比的相对误差在1%以内,对噪声强度的变化具有较强的自适应性.     

抑制震荡的自适应小波阈值去噪方法

分析了小波阈值去噪方法在信号的间断附近产生震荡的原因,根据产生机理的不同将它们分为属于伪Gibbs现象的震荡和由于小波阈值去噪在信号的间断部分因为去噪能力下降而属于噪声残留的震荡.为了消除这些震荡, 结合软、硬阈值方法的特点提出了一种新的阈值函数自适应地处理小波系数.试验表明,该方法有效地抑制了信号间断点处的震荡,获得了优于传统阈值方法的去噪效果.     

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。     

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。     

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.     

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.     

基于小波包去噪和图像质量评估的指纹图像预处理

分析了指纹图像的噪声类型及传统指纹图像处理方法的不足,提出一种基于小波包去噪和图像质量评估相结合的指纹图像预处理方法,仿真结果表明：该方法能有效去除指纹中的随机噪声,降低干湿指纹和不完整指纹对指纹识别率的影响,且算法简单,处理速度快,能满足实时性要求.     

基于邻域相关性的小波图像自适应软阈值降噪

提出了一种新的基于邻域相关性的自适应软阈值降噪方法.软阈值函数的构造充分考虑了待阈值化小波系数与其圆形邻域小波系数的相关性,同时结合自适应的贝叶斯阈值进行噪声滤除.并与NeighShrink、VisuShrink、SureShrink以及wiener2法进行比较试验,结果表明,本研究所提出的方法可以获得较之其它的方法更好的降噪效果.