共查询到19条相似文献,搜索用时 100 毫秒
1.
2.
小波阈值去噪的一种改进方法 总被引:14,自引:0,他引:14
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。本文在Donoho的软、硬阈值去噪方法基础上,提出了一种新的阈值函数,并把它们应用在图像的去噪上。该阈值函数具有物理意义清晰、表达式简单、计算方便等优点。实际噪声图像测试结果表明,这种经改进的方法可以有效地去除白噪声干扰,无论是在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值去噪算法以及改进的软硬阈值折中算法。 相似文献
3.
4.
基于离散平稳小波变换的红外图像去噪 总被引:9,自引:0,他引:9
提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。 相似文献
5.
为了有效滤除医学脊椎模型的噪声点,同时更好地保持模型细节,提出了一种基于双边滤波算子的医学脊椎去噪模型.采用双边滤波在多尺度条件下进行脊椎三维模型轮廓线的提取,设计改进自适应扩散系数,以更好的优化控制整个扩散过程.根据图像的离散特征,建立相应的离散迭代方程,使迭代过程离散化,并设计迭代停止准则,当去噪平滑后的图像模型与噪声相关性最小时停止迭代.与经典的向异性扩散模型方法实验结果相比,本方法在解决去噪方面达到了很好的滤波效果,同时也较好地保持了医学图像的边缘细节特征,大大优于传统滤波算法. 相似文献
6.
混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性. 相似文献
7.
一种双正则项全变差高光谱图像去噪算法 总被引:2,自引:0,他引:2
受传感器特性影响,高光谱图像中的噪声在各个维度都有体现。噪声的存在降低了高光谱图像中信息的有效性,在进行地物分类前必须采用适当的算法对噪声予以去除。文章针对高光谱图像的噪声特性,提出了一种基于全变差的高光谱图像去噪算法。该算法将经典二维图像全变差去噪模型推广至三维形式,提出了采用双正则项及相应的调整参数的目标函数,在三维空间中完成新目标函数的离散化,并采用基于优化-最小化算法的迭代方法对目标函数进行优化与求解。对星载Hyperion成像光谱仪数据的实验表明,适当的设置调整参数,该方法可很好地提高高光谱图像的各波段信噪比、平滑光谱曲线并保留细节特征,其去噪效果优于经典的MNF去噪算法及Savitzky-Golay滤波方法。 相似文献
8.
9.
10.
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。 相似文献
11.
12.
13.
自适应小波阈值去噪在光谱信号处理中的应用 总被引:3,自引:0,他引:3
在光谱数据的多组分定量分析中 ,噪声的存在往往影响分析的准确度。小波变换的多分辨率分析的特性使它成为一种优良的去噪方法。本文基于 Dohono提出的小波阈值去噪和 Mallat,Xu等提出的空域相关去噪法 ,提出了一种新的自适应小波阈值函数滤噪法。与原来方法比较 ,新法能够在有效去除噪声的同时 ,很好地保留了信号的细节。仿真计算和分析表明了此算法的有效性。 相似文献
14.
Susumu Kuwamura 《Optical Review》2006,13(3):129-137
We have developed a wavelet denoising (thresholding) method for a tomographically reconstructed image to which the conventional
wavelet methods are not necessarily applicable because of their limitation of applicable noise models. The basic idea of our
new method is that noise variance is, in general, spatially varying and the threshold must be adapted to it. Specifically,
our algorithm includes two key steps: The first is to estimate local variances in image space to produce a “σ-map”. The second
is to calculate the standard deviations of individual wavelet coefficients from the σ-map by a formula of “covariance propagation”.
Spatially adaptive thresholds are then given as those proportional to the standard deviations. Our method is applicable to
a wider range of noise models, and numerical experiments have shown that it can yield a denoised image with 10% less residual
error than that in the boxcar smoothing or the median filtering. 相似文献
15.
16.
小波降噪提高时延估计精度的研究 总被引:1,自引:1,他引:0
为了估计两个在空间上分离的传感器所接收信号之间的时间延迟,结合小波降噪的特点,提出了一种基于小波降噪的广义相关时延估计算法.鉴于传统阈值降噪的不足,对小波阙值的选取进行改进,研究出一种新的小波阈值降噪技术.该算法克服了传统广义相关法需要信号和噪声先验知识的局限性,放宽了直接互相关法对信号和噪声的假设条件.仿真和实验结果... 相似文献
17.
在光谱数据的定量分析中,噪声的存在常常会影响结果的准确性。为提高红外光谱分析精度,需要对光谱数据进行去噪处理。将一种光滑阈值函数和一种分层阈值选取方法应用到提升小波域光谱信号的去噪处理中,并对提升小波重构信号进行中值滤波。对某小麦品种的实测光谱信号,添加信噪比为21.17 dB的噪声后采用该方法进行去噪处理,并利用信噪比(SNR)、均方根误差(RMSE)、峰值平均相对误差(AREPV)以及峰位平均误差(AEPP)四项指标对去噪效果进行评价。结果表明,与软阈值法与硬阈值法相比,该方法能更有效地去除光谱信号中的噪声,保留光谱中的有用信息,提高光谱信噪比,降低均方根误差、峰值平均相对误差以及峰位平均误差,提高光谱的分析能力。 相似文献
18.
We present an effective method for speckle noise removal in digital speckle pattern interferometry, which is based on a wave-atom thresholding technique. Wave atoms are a variant of 2D wavelet packets with a parabolic scaling relation and improve the sparse representation of fringe patterns when compared with traditional expansions. The performance of the denoising method is analyzed by using computer-simulated fringes, and the results are compared with those produced by wavelet and curvelet thresholding techniques. An application of the proposed method to reduce speckle noise in experimental data is also presented. 相似文献