基于可微收缩函数与自适应阈值的小波去噪

为进一步提升高斯噪声的去噪效果,提出了基于可微收缩函数与自适应阈值的图像去噪方法。根据高斯噪声的小波系数具有幅值小、服从高斯分布的特征,提出一种自适应于信噪强度的阈值,以准确地区分噪声系数与图像系数。根据自然图像的小波系数具有平滑连贯的特征,提出了一种可微的收缩函数,与自适应阈值结合对含噪的小波系数进行量化处理,以有效地去除噪声系数,保持和恢复图像的系数。实验结果证明,相对于现有的最新提出的小波阈值去噪方法,所提出的方法既能更加有效地去除噪声,又能更好地保持和恢复图像的细节和纹理结构。     

改进的小波阈值消噪法在湍流信号处理中的应用

湍流数据采集中有用信号往往不同程度地受到干扰噪声的污染,小波阈值消噪法一定程度上能将有用信号的高频成分和噪声区分开,将其应用于湍流信号消噪是相对合理的.针对现有小波阈值消噪法的不足,提出了一种改进的阈值函数和基于小波能量熵的阈值自适应选取方法.仿真实验表明,新方法具备连续性好、偏差小、自适应阈值选取等优点,不但可以实现高信噪比信号的合理消噪,而且能有效检测出强噪声干扰下的微弱有用信号.以两组实测湍流信号的消噪处理为例,考察了新方法在湍流信号处理中的消噪效果.结果表明,该方法能为湍流信号的后处理提供可靠的数据.     

一种新的基于小波变换的图像去噪方法

根据图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。与传统的硬阈值、软阈值函数相比,新阈值函数考虑了图像能量分布的特点,对于每一小波系数乘以一个与自身大小相关的降噪因子,并且新阈值函数简单易于计算,具有较强的自适应性。实验结果表明,采用新阈值函数的去噪结果能够有效地抑制图像的马赛克效应,无论在视觉效果上,还是在信噪比增益上均优于传统的软、硬阈值方法。     

基于稀疏表示的谱线自动提取方法

谱线提取在光谱分析中起着非常重要的作用,它对后续的光谱分类和参数测量有着直接的影响。文章提出了一种基于稀疏表示的谱线自动提取方法。首先,用基于稀疏表示的小波去噪方法去除噪声,该方法通过对光谱信号对应的小波系数进行稀疏化处理来达到去噪的目的,其优点是在处理小波系数时虽然将其作为整体进行考虑,但依然能保持小波系数的局部特性不变,所以在去噪的同时很好地保持了特征谱线的信息。其次,利用小波变换与样条拟合相结合的方法拟合出较为满意的伪连续谱,该方法在拟合过程中,先将强谱线扣除掉,从而使得拟合结果非常接近真实的连续谱。最后,通过对归一化后的谱线光谱设置自适应局部阈值来提取特征谱线。实验结果表明该方法切实有效。     

基于Bayesian估计和Wiener滤波的阈值去噪方法

基于阈值的小波域去噪方法的核心是阈值选取,通过最小化一个Bayesian风险函数得到一种自适应阈值,结合线性滤波中具有代表性的Wiener方法,提出了一种新的去噪方法.实验结果表明,该方法能有效地去除图像中的白噪声,同时还能较好地保留图像的边缘信息,其效果优于目前的一些小波阈值去噪方法.     

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。     

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     

小波域局部维纳滤波器估计误差分析及图像去噪

对小波域局部维纳滤波算法的估计误差进行了理论分析,推导了估计误差平方期望表达式,得到了一种观测系数局部方差估计的阈值.以此为基础,提出了一种小波域图像去噪算法.先对观测系数做阈值化处理,再进行局部自适应维纳滤波.实验结果表明,该方法提高了真实信号系数方差估计的准确度,在去噪性能上优于Mihcak等提出的LAWML算法.     

基于Contourlet系数相关特性的自适应图像去噪算法

研究发现, 图像经过Contourlet变换之后, 其变换系数在尺度内和尺度间都表现出很强的相关特性.基于此, 首先根据Contourlet系数在同一尺度内的邻域相关特性, 构造得到一个自适应阈值, 然后在采用阈值法进行自适应阈值去噪的同时, 利用Contourlet系数在相邻尺度间的相关性对系数进行进一步的取舍, 从而提出一种新的基于Contourlet变换系数特性的自适应阈值图像去噪算法.该算法不仅可以有效去除噪声, 而且可以很好地保留图像边缘信息.实验结果表明, 在相同条件下该算法的主客观去噪效果均优于现有同类方法.     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中,由于分光光度计内部的光学系统、光源、检测器、电子元器件,电路设计以及外部环境干扰等因素产生的随机噪声,严重影响光谱定量分析结果的准确性,为提高紫外可见光谱分析精度,需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率,低熵性、去相关性等特点,基于小波分析的去噪算法优于传统的去噪算法,目前基于小波去噪的方法主要有模极大值去噪算法,系数相关去噪算法,阈值去噪算法,工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理,提出一种基于提升小波变换的阈值改进算法,一方面使用提升小波变换,提升小波变换是第二代小波变换,继承了小波的多分辨率特性,并且不需要进行傅里叶变换,从而具有算法简单,速度快,实现简单的优点;另一方面提出了一种新的阈值函数,克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题,同时对阈值估计进行了调整,有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号,添加随机噪声后使用该方法进行去噪处理,并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明,提出的算法优于Donoho的软硬阈值去噪算法,能够有效提高光谱信噪比和降低均方根误差,从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征,比较适合用于紫外可见光谱数据建模之前的去噪预处理,在紫外可见光谱信号分析中具有较好的应用前景。     

Wavelet Denoising for Tomographically Reconstructed Image

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.     

基于小波域可导阈值函数与自适应阈值的脉冲星信号消噪

脉冲星辐射信号具有极低的信噪比, 传统降噪方法难以在抑制噪声的同时保留其细节信息. 为此, 提出了一种小波域脉冲星信号消噪方法. 在小波域, 利用一种可导的阈值函数和一种自适应阈值选取方法, 对含噪脉冲星信号进行小波域阈值去噪处理, 并利用信噪比(SNR)、 均方根误差(RMSE)、 峰值相对误差(REPV) 以及峰位误差(EPP) 四项指标来对去噪效果进行评价. 实验结果表明, 与软阈值与硬阈值法相比, 该方法能在有效去除含噪脉冲星信号中的噪声、 显著提高其信噪比的同时, 更有效地保留原始信号中的有用信息, 同时可以获得更小的均方根误差、 脉冲峰值相对误差与峰位误差.     

正常星系光谱的一种谱线自动提取方法

正常星系的光谱是天体光谱谱线自动提取中最难处理的一种.文章针对正常星系光谱给出了一种新的谱线自动提取方法.首先,定义了两条光谱间的Max操作,Max操作的结果是生成了一条光谱,该光谱在每个波长处的强度取为在相应波长处强度较大的那一个光谱的强度;然后,通过迭代处理拟合连续谱,在每一步迭代中,先对原始光谱和前一步拟合出的连续谱进行Max操作,再对Max操作生成的光谱进行传统的连续谱拟合;最后,联合采用整体阈值处理和自适应的局部阈值处理提取谱线.实验结果表明:该方法的性能较之传统的小波方法有显著提高,这将对后续的基于谱线的光谱分类和参数测量非常有利.     

Application of perceptual difference model on regularization techniques of parallel MR imaging

Parallel magnetic resonance imaging through sensitivity encoding using multiple receiver coils has emerged as an effective tool to reduce imaging time or to improve image SNR. The quality of reconstructed images is limited by the inaccurate estimation of the sensitivity map, noise in the acquired k-space data and the ill-conditioned nature of the coefficient matrix. Tikhonov regularization is a popular method to reduce or eliminate the ill-conditioned nature of the problem. In this approach, selection of the regularization map and the regularization parameter is very important. Perceptual difference model (PDM) is a quantitative image quality evaluation tool that has been successfully applied to varieties of MR applications. High correlation between the human rating and PDM score shows that PDM should be suitable to evaluate image quality in parallel MR imaging. By applying PDM, we compared four methods of selecting the regularization map and four methods of selecting the regularization parameter. We found that a regularization map obtained using generalized series (GS) together with a spatially adaptive regularization parameter gave the best reconstructions. PDM was also used as an objective function for optimizing two important parameters in the spatially adaptive method. We conclude that PDM enables one to do comprehensive experiments and that it is an effective tool for designing and optimizing reconstruction methods in parallel MR imaging.     

小波软阈值径向基神经网络同时测定多组分混合物

建立了一种小波软阈值径向基函数神经网络 (STWRBFN)方法 ,同时定量分析了多组分混合物。结合小波软阈值法和径向基函数神经网络改进了回归质量。通过最佳化 ,选择了小波函数、小波分解水平(L)、阈值法类型和网络的伸展参数 (σ)。两个程序PSTWRBFN和PRBFN被设计执行STWRBFN和径向基函数神经网络 (RBFN)计算。实验结果表明STWRBFN是成功的且优于RBFN法 ,和经典的多变量线性回归(MLR)方法相比较 ,这两个方法更为有效     

一种改进的小波阈值去噪方法

提出了一种新的阈值函数,它高阶可导,便于各种数学运算。与硬阈值函数相比,它在阈值点处是连续的;相比于软阈值函数,减小了估计小波系数存在时的恒定偏差,更好地保留了图像边缘等局部特征。选用平移不变小波变换,结合新提出的阈值函数,给出了一种新的去噪方法。仿真实验结果证明了此方法的优越性。     

自适应小波阈值去噪在光谱信号处理中的应用

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。     

基于双树复小波与波原子的图像扩散滤波

图像的非线性扩散滤波来源于热方程的思想,其关键在于计算适当的扩散系数和控制扩散方向. 在已有的扩散模型中,由于扩散系数仅依赖于图像的梯度,因而这类模型容易受噪声的干扰;同时,图像的细节信息(如纹理)容易被误认为是噪声而被去除. 为克服这些不足,首先给出了一种采用双树复小波变换计算扩散系数的方法;然后设计了一种用于图像滤波的非线性扩散模型,最后提出了基于双树复小波变换和波原子阈值相结合的图像滤波算法. 仿真结果表明,所提出的算法在对含噪图像滤波的同时,能够较好地保持图像的边缘和纹理等细节信息. 关键词： 图像扩散滤波 非线性扩散 波原子 双树复小波变换     

小波阈值去噪的一种改进方法

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。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。