基于小波变换的信号去噪研究

基于小波变换对信号去噪进行了深入地分析和研究，结合去噪原理讨论和比较了实际应用中对小波基及阈值规则的合理选取问题。实验结果表明，利用该去噪方法能实现对各种信号的去噪，且效果比较明显。     

一种基于小波变换的图像去噪方法

小波去噪方法中最早被提出的是小波阈值去噪方法,它是一种实现简单而效果较好的去噪方法。本文通过小波系数进行阈值处理,在小波变换域中去除低幅值的噪声和不期望的信号,然后运用小波逆变换,从而得到了去噪后的重建图像。     

一种改进的基于图像阈值的小波去噪算法

介绍了传统小波阈值去噪方法的去噪原理，结合图像本身的特性，提出了一种新的阈值选取方法，将改进阈值和改进阈值函数同时应用于降噪，经实验证明，此综合改进可保持稳定的降噪效果.     

基于分级策略的自动人眼检测与定位

为了能在正面人脸图像上对人眼位置进行检测和精确定位, 提出了一种新颖高效的分级策略。利用Gabor变换计算显著极值图, 得到若干具有最大显著极值的候选人眼区域; 通过PCA(Principal Component Analysis)重构对候选区域进行验证, 将具有最小重构误差的两个区域选定为眼睛区域; 通过两级邻域运算对瞳孔进行精确定位。该方法对面部表情变化不敏感, 同时具有非迭代和计算简单的优点。通过在JAFFE数据库上的对比实验, 检测精度达到99.6%, 验证了该方法的有效性。     

基于小波变换的图像去噪算法研究

图像去噪通常采用的是低通滤波的方法,但是它在消除图像噪声的同时,也会消除图像中部分有用的高频信息。各种图像去噪方法性能的优劣,其实质就是在去噪和保留有用高频信息之间进行权衡。论文概括描述了小波理论及其优缺点,着重介绍了阈值收缩法并分析了其存在的不足,分析了阈值函数选取方法,并采用MATLAB进行仿真实验,实验结果表明,使用软阚值函数进行图像降噪,较之硬阈值,通常可获得更好的效果。     

基于小波变换在语音信号处理中的研究

本文主要基于小波变换对语音信号去噪进行研究,首先介绍了基于小波变换的信号去噪方法以及在语音去噪中的应用,在语音去噪中最关键的问题就是如何有效的选定合适的阈值,本文对几种阈值选取规则进行了讨论。     

基于一种新阈值函数的小波阈值去噪方法的研究

文章利用D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法,构造了一个新的阈值函数.与传统的硬、软阈值函数相比,该阈值函数克服了硬阈值函数不连续的缺点,且同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,它具有硬、软阈值函数不可比拟的灵活性.仿真结果表明,新的阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益上均优于传统的硬、软阈值方法.     

小波变换用于抑制干扰信号几种方法的比较研究

对小波变换抑制干扰信号提取真实信号的3种方法，即小波滤波器消噪法；软、硬阈值消噪法；基于模极大值的小波去噪方法，进行了比较研究。给出了每种方法的适用范围及具体的算法、仿真结果，对于选用小波变换工具进行信号处理具有一定的理论意义和实用价值。     

一种小波阈值的图像去噪的新方法

基于小波变换的图像去噪方法是在运用小波变换对含噪图像进行去噪前,先对图像进行小波级数分解,对其中的低频系数和高频系数进行适当的放大;然后对图像采取局部阈值去噪法进行去噪;最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构。     

基于小波包变换的信号去噪应用研究

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理,可以有效地抑制噪声,很好的重构信号。在平均浮动阈值的基础上,通过计算机仿真,显示了平均浮动阈值下小波包变换信号去噪的效果,结果表明:此方法具有良好的效果。     

基于红-黑小波变换的图像去噪算法

在红-黑小波变换的基础上,提出了一种新的阈值方法对小波系数进行萎缩以实现图像的去噪. 该阈值方法结合了仿射阈值和非负Garrote阈值的优点,能在保留图像细节的基础上实现更好的去噪效果. 通过仿真试验,对不同尺度下的阈值提出了一组最多适用到8级红-黑小波变换的阈值权重. 结果证明,结合所提出的阈值方法和这一组阈值权重能实现较为理想的去噪效果.     

基于小波变换矩阵的改进脊波变换图像去噪

针对Mallat算法构造小波变换矩阵处理图像. 为解决有限域脊波变换（FRIT)只能应用于素数像素大小的图像且图像处理中产生随机信号和“环绕”的问题, 提出3种改进型FRIT方法, 并将其与不同边界延拓方法相结合应用于图像去噪中.实验结果表明, 所给方法在对于具有直线特征的图像去噪方面性能较优.     

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。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

基于小波变换的脑电噪声消除方法

分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.     

基于小波分析的改进阈值去噪方法

小波去噪是小波分析在信号处理领域的重要应用之一,特别是其中的小波阈值去噪方法更以其操作简单和良好的效果而被广泛应用。本文对常规的软、硬阈值方法进行分析,提出了一种改进的阈值去噪方法。通过实验对比表明,当选取了合适的控制系数 时,该方法比常规的软,硬阈值去噪方法去噪效果更好。     

一种简化的小波去噪算法

介绍了信号奇异性及正则性的数学概念及如何利用小波变换测量信号的奇异性及正则性，介绍了小波去噪原理及优越性，提出了一种简单、实用的小波去噪方法。     

基于脊波变换的自适应阈值图像去噪算法

利用脊波变换的方法，研究了图像去噪问题．设计了一种基于脊波变换的改进图像去噪算法，该算法采用软硬阈值折中函数，针对Normal Shrink阈值提出了改进．仿真实验表明，该算法与小波全局软硬阈值去噪、脊渡全局软硬阈值去噪等算法相比，图像的峰值信噪比值有明显提高，算法对以直线特征为主的图像较为有效．     

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.     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。