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。     

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。     

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。     

天体光谱信号去噪的小波域复合阈值新算法

利用谱线和噪声在小波域内的不同相关特性,提出了一种小波域复合阈值去噪算法。首先将小波系数作NeighShrink阈值处理,然后对得到的小波系数进行二值化,在此基础上定义了每一小波系数所对应的横向相关性指数和纵向相关性指数,最后确定出决定小波系数取舍的决策系数。由于该决策系数是通过多重判据得到的,因此该方法克服了简单阈值方法过保留或过扼杀的缺点,同时可以去除大脉冲噪声,实验结果表明了该方法的有效性。     

基于混沌粒子群优化的图像Contourlet阈值去噪

提出了基于混沌粒子群优化的图像Contourlet阈值去噪方法.该方法在Contourlet变换域内利用混沌粒子群算法来确定最优阈值,再通过软阈值函数去噪,且不需要噪音方差等先验信息.实验结果表明:该方法与小波Bayeshrink阈值、基于粒子群的小波阈值、Contourlet自适应阈值等去噪方法相比,能有效地去除高斯白噪音和椒盐噪音的混合噪音,提高峰值信噪比,并较好地保留图像的细节和纹理,从而明显地改善了图像的视觉效果.     

基于小波变换的低场核磁共振信号去噪方法的研究进展

低场核磁共振（low-field Nuclear Magnetic Resonance,low-field NMR）技术因其自身具有的独特优越性常被应用于极端条件下的测量,而且由于其采用的是永磁体,因而采集到的信号信噪比常常较低,在很大程度上影响了测量值的准确性.因此,如何去除混杂在信号中的加性高斯白噪声增加测量值的可靠性显得尤为重要.针对这一问题,国内外学者相继提出了众多优秀的去噪方法,其核心都是在不损失含噪信号中有效信息的基础上滤除掉夹杂在其中的噪声信号.本文在基于对小波变换理论分析的基础上,介绍了3种目前较为流行的用于低场核磁共振信号去噪的方法,分别是小波阈值去噪、模极大值去噪和小波系数相关性去噪,并给出了用于评价去噪效果的四个参数及其计算方法.     

基于小波包分析二次阈值去噪图像复原方法

提出了基于小波包分析的二次去噪复原的图像复原新方法。利用小波包分析在信号去噪中对图像信号高频部分更加灵活、更加精确的局部分析能力,针对低信噪比模糊图像,通过选取较小的阈值,交替地进行了两次预去噪处理和复原。采用PML算法,实验比较了小波包阈值一次去噪法和二次去噪法。实验表明,二次去噪法由于阈值取值较小,对退化图像信息的能量分布改变较小,可以获得比一次去噪法更加良好的复原效果。     

基于混沌粒子群优化的图像Contourlet阈值去噪

提出了基于混沌粒子群优化的图像Contourlet阈值去噪方法.该方法在Contourlet变换域内利用混沌粒子群算法来确定最优阈值,再通过软阈值函数去噪,且不需要噪音方差等先验信息.实验结果表明：该方法与小波Bayeshrink阈值、基于粒子群的小波阈值、Contourlet自适应阈值等去噪方法相比,能有效地去除高斯白噪音和椒盐噪音的混合噪音,提高峰值信噪比,并较好地保留图像的细节和纹理,从而明显地改善了图像的视觉效果.     

小目标识别的小波阈值去噪方法

为改善小目标识别的滤噪效果并提高其信噪比,构造了新的阈值函数并采用局部方差估计法来计算阈值对小目标进行去噪处理。对小波分解层次中各高频子带选取不同的阈值,其中大于阈值的小波系数采用改进的双曲线函数作为阈值函数,小于阈值的小波系数采用指数函数与对数函数相互组合的方式作为阈值函数。对采用的阈值函数进行了理论推导,并与软、硬阈值法进行了实验对比。计算机仿真结果表明：经本文阈值法处理后,信噪比相对于含噪图像提高了70.8%,而软、硬阈值法分别提高了49.8%和59.7%。光学实验进一步证实：该方法能更有效地提高信噪比,增强联合变换相关器对于小目标的识别能力。     

小波变换对OCT图像的降噪处理

通过分析光学相干层析成像系统中的噪音源以及不同噪音对成像质量的影响,利用小波变换的方法,结合软阈值滤波对图像去噪,消除噪音对图像的干扰,处理后图像变得清晰了,图像质量得以改善,表明该方法能达到减小图像噪音的目的.     

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.     

基于数学形态学的Contourlet变换域图像降噪方法

提出了一种基于数学形态学的Contourlet变换域图像降噪方法.首先对输入的带噪图像进行多尺度、多方向的Contourlet稀疏变换,然后利用数学形态学算子在Contourlet域对高频系数进行处理,去除图像中具有较小支撑域的噪音,有效保留具有连续支撑域的图像边缘信息.最后通过Contourlet反变换得到预降噪图像.仿真结果表明,该方法较一般的Contourlet域收缩阈值降噪方法的降噪效果好,提高了PSNR值并降低了MSE值,获得更好的图像恢复质量.     

一种快速稀疏分解图像去噪新方法*

提出了一种基于分层树型结构正交匹配追踪算法的快速图像去噪方法.通过选择高斯函数和墨西哥草帽小波母函数构建混合冗余字典,采用分层树状结构表示字典,结合构正交匹配追踪算法,实现图像稀疏表示,提高了图像表示的稀疏性,降低了算法的复杂度.依据噪音能量阈值,通过多次迭代达到图像去噪的目的.实验结果表明,在相同的噪音水平下,该迭代去噪算法取得了较高的较好的PSNR,获得更好的视觉效果.     

一种快速稀疏分解图像去噪新方法

提出了一种基于分层树型结构正交匹配追踪算法的快速图像去噪方法.通过选择高斯函数和墨西哥草帽小波母函数构建混合冗余字典,采用分层树状结构表示字典,结合构正交匹配追踪算法,实现图像稀疏表示,提高了图像表示的稀疏性,降低了算法的复杂度.依据噪音能量阈值,通过多次迭代达到图像去噪的目的.实验结果表明,在相同的噪音水平下,该迭代去噪算法取得了较高的较好的PSNR,获得更好的视觉效果.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

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.