基于平稳小波变换的邻域依赖自适应软阈值图像降噪

传统正交小波变换降噪方法会引起图像边缘失真,针对其不足,研究了平稳小波变换图像降噪。平稳小波变换去除了下抽样处理,包含在小波系数中的信息是冗余的,同时结合贝叶斯估计的自适应软阈值,提出了一种新的图像降噪算法。通过仿真实验将该方法与Winner2,VisuShrink,BayesShrink方法进行比较,试验结果表明,该方法不仅有效地去除了噪声,而且提高了图像的峰值信噪比。     

基于小波阈值收缩的图像降噪

采用双正交小波,利用VisuShrink阈值和BayesShrink阈值,分别通过硬阈值函数和软阈值函数对混入高斯白噪声的图像进行去噪实验.结果表明,硬VisuShrink阈值的降噪效果好于软VisuShrink阈值,软BayesShrink阈值的降噪效果好于硬BayesShrink阈值,并且BayesShrink阈值只有在软阈值函数下才能取得很好的降噪效果.     

基于小波包的图像降噪及Matlab实现

由于图像在实际应用中受大量干扰噪声影响,为了更好的利用含噪声图像,根据小波变换和噪声信号的能量分布特性,提出了一种先用小波包对含噪声图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,确定最优小波包基,再利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法,并与采用全局阈值降噪方法相比较;实验结果说明采用的方法可以有效地降低噪声,又可以较好地保持图像细节.     

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.     

图像基于小波包变换的多尺度匹配算法

基于梯度算子的图像匹配方法存在收敛速度慢、迭代容易落入局部最优点等问题,针对这些问题,提出了一种基于小波包变换的多尺度图像匹配算法.该算法利用小波包的多尺度特征对图像进行不同分辨率的分解,先对低分辨率的子图像进行匹配,再根据该结果对高分辨率的子图像进行匹配.实验表明该算法匹配准确度高,计算速度较快且减小了迭代落入局部最优解的概率.     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

基于自适应阈值的三维图像多尺度边缘检测

目的研究三维图像边缘检测中边缘的定位精度问题,根据多尺度小波变换的方法,提出一种自适应阈值三维图像多尺度边缘检测技术。方法首先对三维医学图像分解成多幅二维图像,再对图像直方图滤波平滑处理,消除噪声的影响,然后对平滑后的直方图进行多尺度分析,找出直方图的谷点,以不同尺度下的谷点比较后自动确定精确阈值,按照阈值对图像分割,然后对分割图像进行边缘检测,最后将多幅二维图像合成三维图像。结果实验表明,该方法能够自动准确选择分割阈值,准确检测三维图像的边缘。结论算法能解决人工估算阈值不够准确的问题,所检测到的三维图像的边缘能够满足目标识别和三维重建的要求。     

基于coif-5小波的心音自适应阈值降噪方法

为改善小波阈值及阈值函数在心音信号降噪处理中性能,通过使用coif5小波做5层小波分解,抑制分量极少的层次的系数,保留有用分量层次的系数,然后引入相关统计参量进行阈值自适应估计,并按提出的阈值函数对有用分量层次系数阈值化处理,最后通过处理后的系数重构出降噪信号;所提方法与硬阈值、软阈值、线性中间阈值函数降噪性能进行了对比,并采用了三类评价指标做出了有效评价。实验结果表明：提出方法降噪后的SNR更高、RMSE更小、听诊MOS更高。可见,提出方法降噪性能更优。     

基于小波变换的射线图像降噪及MATLAB仿真

针对射线图像噪声大、对比度低的特点,采用小波阈值法进行降噪处理。通过利用MATLAB进行射线图像去噪仿真测试,结果表明,利用小波阈值法具有良好的降噪效果。     

小波系数局部特征的自适应图像降噪算法

在Visu Shrink和基于Bayes准则的Bayes Shrink去噪方法的基础上,提出一种基于小波系数局部特征的自适应图像降噪算法.该算法从含噪图像的HH1子带估算噪声信号的标准差,并据此优化小波分解所需的级数;然后,根据小波系数的局部特征,自适应地选择不同子带不同方向上的最佳阈值,运用软阈值函数对图像进行降噪.与传统方法相比,该方法不仅提高图像的峰值信噪比,使图像更清晰,而且具有实现简单、运算速度快的特点.     

一种新的几何约束自适应阈值图像去噪方法

文章提出了一种几何约束空间自适应阈值的图像去噪新方法。此方法基于非抽样小波变换的多分辨率分解,利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系。在BayesShrink阈值的基础上进行改进,采用空间自适应方法,为每一个小波系数确定自适应的阈值。在含噪系数的方差估计中,与以往的估计方法不同,不仅考虑到子带内小波系数之间的依赖关系,而且考虑了沿梯度方向的邻域内小波系数之间的依赖关系,使得含噪系数的方差估计更为准确。实验结果表明,与传统去噪方法相比,本文方法能更有效地去除噪声,具有更好的重建视觉效果。     

基于小波域的软阈值噪声图像增强

针对噪声图像增强提出基于小波域的软阈值算法，基于信号和噪声在小波变换现具有不同的传播特性，图像经二维小波变换后得不同尺度的子带图像，在不同尺度的子带图像以软阈值算法进行增强，最后进行小波重构得到增强图像，实验表明，与传统算法相比本文算法在细节增强和噪声抑制上取得较好效果。     

信号的小波阈值法消噪及其在LabVIEW中的实现

介绍了基于小波变换的阈值消噪法,借助Lab VIEW平台,通过仿真试验,对软阈值和硬阈值消噪及采用不同的小波函数消噪进行了比较,证明了小波阈值法消噪的有效性。     

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.     

一种新的小波图像去噪方法

为了有效去除图像噪声,同时又能尽可能多的保留图像的边缘信息,文章提出了一种新的基于边缘检测的自适应阅值小波图像去噪方法。该方法将与边缘相关的小渡系数和与同性区域相关的小渡系数区别对待。将检测到的边缘点与非边缘点对应的小波系数,利用邻域相关性,分别采用不同的收缩因子进行收缩。实验仿真结果表明,与其它传统方法相比,本文方法不仅抑制噪声能力强,而且很好地保留了图像的边缘特征,具有更好的重建视觉效果。     

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.     

基于小波阈值方法的电能质量扰动去噪分析

在小波变换的基础上。分析了硬阈值和软阈值去噪方法的不足。提出了一种新的基于小渡分解和小波重构的阈值去噪方法——软硬阈值折衷方法。谊方法将小波系数经过软硬阈值折衷法处理后。可以改善小波系数在阈值处的连续性，使重构信号不会振荡，又使变换后的重构信号与实际信号误差最小。通过仿真验证，该算法可以获得很好的去噪效果，消除扰动检测中的噪声影响，从而为噪声环境中电能质量扰动的检测和定位提供了良好的依据。     

基于小波包变换的图像消噪方法

小波包理论比小波分析更为复杂,但其分析手段更为灵活,具有更为精确的局部分析能力.对图像消噪是其一个最基本的应用.本文先讨论小波包的分解过程及算法,然后利用MATLAB中的函数wpdencmp对一含噪图像进行消噪处理.     

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.