基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

基于改进阈值的提升小波变换在探地雷达信号去噪中的应用

针对探地雷达采集的为非平稳信号且存在尖峰或突变状的特点,为了除去信号中的噪声,引入了基于提升算法的小波变换去噪方法.考虑到传统软硬阈值函数去噪方法存在的不足提出了改进的新阈值函数.通过对探地雷达二维正演仿真模型的去噪效果分析,综合计算时间和去噪效果考量,基于改进阈值的提升小波变换在探地雷达信号去噪方面具有一定的应用价值.     

探地雷达资料的高分辨去噪处理及应用

为提高探地雷达资料解释的精度,对探地雷达资料高分辨率去噪处理方法进行研究和探讨.结合二维滤波、预测反褶积和复信号分析等高分辨率处理方法,开发了高分辨率去噪处理模块,并对实际探地雷达记录进行去噪处理.通过处理前后的效果对比与分析,得到探地雷达资料进行去噪处理的最佳模块和最佳流程.     

基于变分模态分解的探地雷达信号分析方法

将变分模态分解方法引入探地雷达信号处理中,针对探地雷达信号非平稳特征,利用变分模态分解原理建立探地雷达信号去噪方法。方法基于变分模态分解将雷达波信号分解为特征模态函数,再由样本熵决定高阶模态是否保留,实现白噪声去除。通过探地雷达Ricker子波和正演模型试验,检验该方法的正确性和有效性。与传统的小波变换、集成经验模态分解方法进行对比,研究探地雷达信号去噪效果,并将该方法用于分析实际工程探地雷达信号。研究表明,该方法能有效去除探地雷达信号中的噪声,在强干扰背景下,能获得高于20 d B的信噪比。     

小波域维纳滤波在振动信号去噪中的应用研究

维纳滤波和小波阈值滤波是振动信号去噪的常用算法.前者在阶次较低时对非平稳振动信号的处理不能取得较好的效果,而后者对信号的滤波无法满足后期处理的要求.针对此问题,论文将维纳滤波和小波阈值滤波相结合,提出小波域维纳滤波算法.将维纳滤波运用于小波域,充分利用小波变换对非平稳振动信号的白化作用,实现更好的滤波效果.结合工业现场实测汽轮机振动信号,对算法进行分析与仿真.实验结果表明,该算法不仅保持了信号的线性相位特性,同时取得了较好的噪声去除效果,适用于振动信号的去噪处理,优于维纳滤波和小波阈值滤波.     

基于互信息判据的小波去噪

通常的线性滤波技术不能很好地解决非线性时间序列去噪问题，而现有的非线性去噪技术的参数选择往往要依赖于直觉和经验．为此，提出基于互信息判据的小波去噪方法，利用小波进行非线性去噪处理，并以互信忠作为去噪处理截止的判定条件，给出了小波去噪算法，分析了其优势，并进行了仿真实验．仿真结果表明，小波算法能更好地处理不平稳和突发的噪声；互信息所指示的优化截断尺度，既较好地保留了信号的动力结构，又有效地实现了非线性噪声过滤．     

煤热重信号的两步法去噪

提出不同于传统方法的两步法小波去除热重信号噪声的方法,即将小波去噪过程分成两步:首先,利用小波的二进制离散变换将信号进行不同层次的分解,分析不同分解层的小波系数,利用方差来区别突变信号的特性,对小波系数和尺度系数进行不同的滤波处理,重构获得除去突变噪声的含噪信号;然后采用传统方法将含白噪声的信号进行消噪处理.将该方法用于河北峰峰变质煤的恒温热重信号消噪,从去噪结果上看:两步法可以有效地滤除掉突变信号的干扰,且较好地保留了信号的基本特征.     

自适应阈值小波在指纹图像去噪中的应用

目前指纹识别技术具有很广泛的应用,但通常指纹图像含有混合噪声,而传统小波阈值去噪算法对含有混合噪声的图像去噪时,存在混合噪声去除不彻底的问题,为此提出了一种改进的自适应阈值和连续型低误差阈值函数的小波去噪算法.首先,算法对含有混合噪声的指纹图像进行一次中值滤波去噪.然后,设计了一种新的自适应阈值,小波分解层数越大新阈值就会越小,就能更好地体现噪声信号在进行小波分解时减小的特征.最后,设计了连续型低误差改进阈值函数,改进的函数是连续的,并且阈值达到极限时误差为0.改进后的算法使得估计的小波系数更加接近真实系数,重构后的图像更接近原始图像.实验结果表明,该算法对含有高斯噪声和椒盐噪声的指纹图像处理时,相比于其他算法,得到了更好的峰值信噪比和均方误差数值,去噪后的指纹图像纹理显示更加清晰.     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。