基于中值滤波和提升小波分析的图像去噪方法研究

针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。     

基于粗糙集与小波变换的图像融合算法

粗糙集理论是处理不确定性问题的数学方法，本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中，对含有椒盐噪声的图像进行粗糙中值滤波，然后对滤波后的图像进行小波融合。实验结果表明，粗糙中值滤波有较强的去噪能力，且较好地保持了图像的细节信息，在此基础上进行小波融合，使得融合结果图像具有良好的效果。     

基于证据理论的小波萎缩图像去噪

提出了一种基于D-S证据理论的小波萎缩图像去噪方法。对含噪图像进行离散平稳小波变换后,运用Bayes方法分得各层高频子带的小波萎缩系数,根据小波萎缩系数的空间及层间相关性,利用D-S证据理论的合成法则对初始小波萎缩系数进行融合修正。实验结果表明,该方法在有效地去除图像中的噪声的同时,还能较好地保留图像的边缘信息。算法在性能指标和视觉质量上均优于Donoho的小波软阈值去噪方法、传统的中值滤波法和Winner滤波法。     

小波变换和模糊聚类的SAR图像斑点噪声去除

合成孔径雷达SAR图像的相干成像特性,不可避免的形成特有的相干斑点噪声,严重影响图像的地物信息提取和分类,需要进行去噪预处理。针对SAR图像斑点噪声的特点,针对SAR图像斑点噪声的特点,对图像进行小波变换分解,提出模糊聚类和软阈值收缩去噪的方法,利用模糊C均值聚类将小波系数分成包含信号能量和只包含斑点噪声能量两大类,对前一类小波系数进行软阈值降噪处理,而对后一类小波系数直接置零。实验结果的目视效果和评价指标均表明,小波模糊聚类和软阈值收缩有效地去除了SAR图像斑点噪声,图像视觉效果清晰,较好地保持地物目标的边缘等图像细节信息,去噪效果优于小波软阈值收缩。     

小波域高斯混合模型与中值滤波的混合图像去噪研究

基于高斯混合模型的小波去噪方法并结合中值滤波法对脉冲噪音有较好滤除效果的特点,将这两种方法结合起来,对含有高斯脉冲混合噪音图像进行去噪处理.该算法采用Matlab语言进行仿真.实验结果表明,这种混合去噪方法的效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(,)=(0.4, 20)时,采用本文去噪方法,峰值信噪比（PSNR）为34.002 1,平均绝对误差（MAE）为2.365 3。     

一种改进的图像组合滤波方法

利用小波阈值去噪和Wiener滤波的特点,在文献［7］的基础上提出了一种改进的组合滤波方法,在进行空域自适应滤波之前,先对经BayesShrink处理过的预去噪图像重新估计其噪声方差,通过数值计算给出了该噪声方差的一种近似最优估计公式.实验结果表明该方法在去噪图像的均方误差和对不同图像的适应性方面都得到了改善.     

基于小波变换的激光主动成像图像去噪方法

 针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。     

基于小波的超声斑纹噪声抑制与对比度增强

提出了一种基于小波变换的降低超声图像斑纹噪声,同时完成对比度增强的非线性处理新方法。斑纹噪声属于乘性噪声,是造成超声图像质量退化的主要原因,采用Jain提出的斑纹噪声模型,完成对数化处理后的超声图像的小波变换,然后在最细分辨级上完成小波变换系数的软阈值方法处理,而在中间分辨级上采用硬阈值方法处理,并采用GAG特性曲线对图像细节特征进行增强。算法在预处理阶段还采用了平滑滤波器对最粗分辨级的平滑小波系数进行滤波,以减少脉冲能量对处理结果的干扰。对多幅超声图象的实验结果显示,相对于现有的去噪方法,该方法可以同时实现降噪与局部特征增强的两重目的,具有更佳的适用性。     

基于模糊理论的空间屏蔽滤波信号去噪

基于模糊理论提出了一种空间屏蔽滤波信号去噪方法.对信号进行二进小波变换后,对信号进行空间屏蔽滤波,对于未通过滤波器的系数进行模糊阈值处理实现去噪.通过对含噪HeaviSine和Doppler信号的去噪仿真,表明,该方法对噪音具有良好的抑制作用,能较好地保持信号在间断点处的信息.与传统空间屏蔽滤波相比,该方法对不同种类的含噪信号均具有良好的去噪效果.     

基于神经网络和小波变换的MRI图像去噪方法

过去10年中,小波变换在图像去噪中取得了很大的成功.人们提出了多种适用于小波去噪的阈值方法,而这些方法就是希望能够正确地反映有噪声小波系数与无噪声小波系数之间的映射关系.基于这种想法,我们提出一种在小波域中利用神经网络寻找这种映射关系的图像去噪新方法.我们把该方法应用于不同噪声分布的磁共振图像的去噪,取得了良好的效果.     

基于边缘软判决的小波域自适应图像去噪

提出了一个新的图像去噪方法。该方法基于非抽样小波变换的多分辨分解,在各尺度下对小波系数进行了边缘和非边缘分类,并根据它们的不同统计特性运用了不同的估计技术。鉴于边缘分类的不确定性,提出了依概率的软分类技术,通过计算边缘发生的概率,判决当前系数应该采用哪一种估计。仿真结果表明:该方法在滤除图像噪声的同时,边缘得到了保持,较目前存在的一些方法更具有优越性。     

A Novel Noise Reduction Method of UAV Magnetic Survey Data Based on CEEMDAN,Permutation Entropy,Correlation Coefficient and Wavelet Threshold Denoising

Despite the increased attention that has been given to the unmanned aerial vehicle (UAV)-based magnetic survey systems in the past decade, the processing of UAV magnetic data is still a tough task. In this paper, we propose a novel noise reduction method of UAV magnetic data based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), permutation entropy (PE), correlation coefficient and wavelet threshold denoising. The original signal is first decomposed into several intrinsic mode functions (IMFs) by CEEMDAN, and the PE of each IMF is calculated. Second, IMFs are divided into four categories according to the quartiles of PE, namely, noise IMFs, noise-dominant IMFs, signal-dominant IMFs, and signal IMFs. Then the noise IMFs are removed, and correlation coefficients are used to identify the real signal-dominant IMFs. Finally, the wavelet threshold denoising is applied to the real signal-dominant IMFs, the denoised signal can be obtained by combining the signal IMFs and the denoised IMFs. Both synthetic and field experiments are conducted to verify the effectiveness of the proposed method. The results show that the proposed method can eliminate the interference to a great extent, which lays a foundation for the further interpretation of UAV magnetic data.     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

基于最大熵原理的小波去噪方法

小波变换去噪中最关键的问题是如何确定小波系数的阈值,使其能够将与噪声和信号相对应的小波系数合理地区分开来。根据概率论的基本原理可以推断,随机序列的细节小波变换系数符合正态分布。基于此结论,可以利用最大熵原理确定一个阈值,使得绝对值小于此阈值的小波系数组成的序列符合正态分布。该阈值在统计意义下能够最佳地区分信号与噪声的小波系数。采用光谱数据的仿真分析以及与其他方法的对比实验证明,这种最大熵小波去噪方法不仅在提高信噪比方面显示出了其优势,而且去噪效果不易受信噪比变化的影响。     

基于高速公路裂纹局部线性特征内容的脊波变换域算法研究

利用频域中傅里叶变换投影定理,提出一种新的离散脊波实现算法,应用于高速公路局部线性裂纹的检测取得较好效果。详细阐述了离散脊波的实现步骤以及对标准图像进行脊波变换的模拟结果,并提出拉东(Radon)变换重建原图像的基本条件。上述定理应用于复杂背景下的路面检测,结合直方图均衡化算法消除背景噪声;选用基于样本估计的阈值方法对脊波分解的各层系数进行处理去除随机噪声。选用不同的重构系数进行计算,得到脊波变换后重构图像的信噪比优于二维小波变换(低频大于20dB)以及二维小波变换加魏纳滤波变换(平均大于3dB)。通过图像的二值化处理提取局部线性裂纹,其分辨力极限达到2mm精度。     

基于Karhunen-Loève变换和小波谱特征矢量量化的三维谱像数据压缩

提出了基于Karhunen Lo埁ｖｅ变换的小波谱特征矢量量化三维谱像数据压缩方法耍幔颍瑁酰睿澹?Lo埁ｖｅ变换 /小波变换 /小波谱特征矢量量化方法应用了Karhunen Lo埁ｖｅ变换的消除谱相关性优良性能 ,应用二维小波变换消除空间相关性 ,在小波变换域内应用二维集分割嵌入块编码和一维谱特征矢量量化对三维谱像数据压缩 ,获得较高的压缩性能。实验结果表明 :Karhunen Lo埁ｖｅ变换 /小波变换 /小波谱特征矢量量化编码比Karhunen Lo埁ｖｅ变换 /小波变换 /改进对块零树编码和Karhunen Lo埁ｖｅ变换 /小波变换 /快速矢量量化编码方法在同样压缩比条件下 ,峰值信噪比提高 2dB和 1dB以上 ,而速度提高了 1.5和 8倍 ,整体压缩性能有较大的提高     

小波分析在汽车车灯光源色测量中CCD光谱的消噪平滑处理

本文依据小波变换原理 ,提出利用小波变换技术对汽车车灯光源色测量中实时采集的光源光谱信号进行多分辨分解 ,有效地消除噪声 ,提高了光谱的信噪比。由CCD接收的标准A光源谱进行了多层分解 ,讨论了不同小波基和分解阶次对信号分析结果的影响。选取最佳小波基 ,为光谱信号消噪平滑处理提供了较有效的数据处理方法。通过对CCD接收的光谱信号进行了消噪和平滑处理 ,解决了实时采集光谱信号在分析和数据处理上的困难 ,该研究充分体现了小波变换在数据处理方面的优势 ,在依赖于光谱信号的颜色测量领域中起重要的作用。     

基于小波双三次插值提高光学遥感图像空间分辨率的研究

为了尽可能的保持光学遥感图像的原始信息,提高图像的空间分辨率,有利于对图像的细节信息进行观察分析,本文提出了小波双三次插值方法,并将其应用于提高光学遥感图像空间分辨率.实验结果表明,该算法得到了比全小波插值和小波双线性插值更高的峰值信噪比和更好的图像细节效果,是一种适合提高光学遥感图像分辨率的有效算法.     

噪声模态单元预判的经验模态分解脉冲星信号消噪

为了改善脉冲星辐射脉冲信号的消噪效果, 提出了一种基于噪声模态单元预判的经验模态分解(EMD) 消噪声方法. 该方法首先利用EMD将含噪辐射脉冲信号分解为一组内蕴模态函数(IMF), 根据IMF系数的统计特性采用局部均方误差准则进行噪声模态单元预判, 并将噪声模态单元置零; 然后对噪声模态单元预判处理后的IMF以模态单元为基本单位进行最优比例萎缩消噪, 从而达到抑制噪声、保留信号的目的. 实验结果表明: 与Sure Shrink小波阈值法、Bayes Shrink小波阈值法和EMD模态单元比例萎缩法相比, 基于噪声模态单元预判的EMD消噪方法可以更有效地去除脉冲辐射信号中的噪声, 同时更好地保留信号突变处的细节信息特征, 在信噪比、 均方误差、峰值相对误差、峰位误差和相位误差等方面都有一定程度的改善. 关键词： 脉冲星信号消噪 经验模态分解 噪声模态单元预判 局部均方误差