基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

小波变换在信号去噪中的应用

本文基于目前常用的小波去噪方法,通过对第三种阈值方法的分析,以及结合小波多分辨率分解的特性,提出了一种基于梯度自适应学习算法计算阈值的去噪方法。仿真分析了对含噪信号在不同尺度下分解的小波变换系数进行阈值处理,得到了很好的还原效果。     

基于小波变换的多普勒胎儿心率检测研究

为了解决从超声多普勒胎儿心脏回波信号中提取胎音信号时,去除各种干扰和噪声的问题,分析了超声多普勒回波信号的特点,应用了基于小波变换的阈值去噪方法,并对该方法的去噪阈值和原始噪声方差的估计进行了研究.在实际应用中对该阈值算子的系数作了改进,使得该算法能根据实际信号的强度、噪声的方差以及分解的层数,自适应地得到不同尺度的去噪阈值.通过对实际超声多普勒回波信号的处理,信噪比比传统滤波法提高至少5倍以上,能有效地提取出胎儿心音信号,较准确地计算出胎儿心率值.     

基于概率模型的非下采样Contourlet变换图像去噪

目的 提出一种基于概率的自适应阈值选择方法,并将其应用到非下采样Contourlet变换域中实现阈值去噪.方法 根据NSCT系数大小,估计每个系数所包含的有用信号成分的概率,以此概率执行闽值处理.结果 假设信号在NSCT域中服从广义Laplacian分布且原始信号被高斯白噪声污染的条件下,这种阈值方法是普适有效的.结论 提出的方法应用于图像去噪,实验证明该方法与目前流行的去噪方法不相上下甚至有所超越.     

基于低冗余度曲波变换的三维地震信号处理

地震信号的插值和去噪问题是地震信号处理的重要研究内容,基于稀疏变换的方法将地震信号在变换域中稀疏表示,根据信号和噪声在变换域的不同表现采用阈值法实现插值和去噪.介绍了一种低冗余度三维曲波变换,并将其用于地震信号的插值和去噪.数值结果表明,该变换冗余度低,在保证曲波变换对地震信号处理有较好的数值效果的同时,将计算速度提高了4倍左右.     

基于curvelet变换的红外图像去噪方法研究

针对传统小波算法所生成的可分离小波只具有有限的方向，不利于图像去噪，本文采用curvelet算法对红外图像进行去噪处理.该方法以小波变换为基础对图像进行分解，在分解所得的一系列小波子带中，以定义的平滑窗函数对曲线边缘进行平滑分割，再对平滑分割处理的每个子块进行Ridgelet变换.最后将小波阈值范围外的系数置零，以curvelet逆变换对原始图像进行重构.红外图像的去噪实验表明，本文算法有效可行，相比传统的小波算法、SVD算法，本算法能获得更高的P_SNR数值，去噪效果更佳.     

一种快速的曲波变换图像去噪算法

第二代Curvelet变换有两种数值实现方法,一种是基于非均匀采样的快速Fourier变换;另一种是基于特殊选择的Fourier采样的卷绕。本文将这两种实现方法进行了比较,并且将其应用到图像去噪中,分析噪声进行curvelet变换后的系数特点,采用曲波硬阈值去噪。试验结果表明,wrapping曲波变换算法比usfft算法具有更好的去噪效果,并且运算速度显著提高。     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.