各向异性双树复小波包变换

基于双树复小波变换提出了一种新的复小波包变换。该变换引入了各向异性分解方式,由此得到的小波基在各个方向上尺度可以不同,并具有更好的方向性。这种变换可用在二维或三维数据的处理上。图像和视频去噪实验结果的PSNR值与各向同性复小波变换相比有0.1～1dB的提高,去噪后图像视觉效果更好,证实了该变换方式的优越性。     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于小波变换的图像去噪技术

利用小波变换中的不同尺度特性对确定信号具有的"集中"能力,提出了基于小波变换的去噪方法。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,其目的是尽量去除由噪声产生的影响,最后由处理后的小波系数对信号进行重构,以得到去噪后的信号。     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

球坐标系下的小波图像去噪方法

介绍一种新的小波图像去噪方法，该方法首先将图像二维小波分解后的3个高频分量进行球坐标变换，然后对其径向分量r进行收缩去噪处理，与传统的直接收缩去噪法相比具有算法简单、工作量少等特点．仿真结果表明，该方法去噪效果良好．     

星载雷达弱目标小波去噪方法研究

针对星载雷达弱目标检测能力的不足,提出运用小波分解阈值处理的去噪方法改善检测前信噪比.结合频率步进信号高分辨成像的特点,设计了时域去噪和距离域去噪两种方法.仿真结果表明,两种方法均能有效地抑制噪声,提高检测前信噪比.通过分析比较,距离域去噪方法更为有效.     

信号消噪的小波处理方法及其应用

通过对噪声特性的分析并用小波的方法对信号进行消噪处理，利用Matlab软件演示信号消噪的效果，并总结出小波分析对信号消噪的优点．     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

M带小波变换在图像去噪中的应用

基于小波的图像去噪算法是目前图像去噪研究领域的一个热点.采用Normal Shrink进行阈值估计,提出了一种基于M带小波变换的图像去噪方法,实验结果表明:此方法的去噪效果优于维纳滤波和两带小波.     

基于波动法的斜拉桥索力测试研究

针对实际测量中正弦脉冲激励下产生的应力波含噪声大,走时时差难以分辨的问题,根据小波变换下有效信号和随机噪声在多尺度空间中模极大值不同的传播特性,采用近似对称的sym3小波对含噪信号图进行分解,每一层的小波分解系数用不同的软阈值处理.经过修正后的小波系数重构得到的信号图能够消去大部分噪声,清晰地反映入射波和反射波之间的时差.     

结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

应用整数小波变换的抗盲检测图像隐写

在分析通用盲检测方法原理的基础上,提出一种通过修改整数小波高频系数实现消息嵌入的隐写法. 该方法使用小波去噪门限作为消息嵌入的阈值,在大于该门限的小波高频系数中嵌入消息,并在阈值处引入直方图补偿策略使小波系数直方图近似保持不变. 由于通用盲检测方法大多利用概率密度函数的变化实现检测,因此该文提出的方法可以获得对通用盲检测算法的抵抗力. 实验结果表明,该方法在抵抗小波高阶统计量分析、直方图特征函数质心等盲检测法的能力方面,优于LSB匹配、像素值差分等隐写法.     

基于小波综合阈值函数的图像去噪

在小波硬阈值函数和软阈值函数的基础上,提出一种综合阈值函数.这个函数综合了硬阈值函数和软阈值函数的特征,具有良好的数学特征.选择合适的参数,可以适应不同的图像.采用局部阈值规则选择阈值,通过仿真实验,验证了综合阈值函数对去除高斯噪声的有效性.     

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法. 首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.     

遗传算法在小波阈值变换图像去噪中的应用

在岩层图像获取和传输过程中会受到来自传感器震荡、电子元器件干扰等因素的影响,导致图像质量下降。小波阈值去噪技术早已体现出它在图像去噪上的优越性,而阈值函数的选取特别是阈值的确定是小波去噪技术的关键所在,本文结合遗传算法以期找到相对最优阈值,应用结果证明遗传算法在此方面的可行性较好。