红外图像的各向异性分段高斯滤波

提出了一种各向异性分段高斯滤波,这种方法除了考虑图像的尺度和方向特性外,还根据边缘区域可分特性,使用了分段滤波的方法来进一步解决边缘保持的问题.该方法通过本文所提出的一种图像噪音方差估计模型来确定图像的基准尺度,并由Hermite变换得到其方向角,然后再通过确定高斯模型的轴向比和自适应尺度,使对选择区域的滤波转变为对分段高斯模型的滤波,从而使计算的可靠性得到增强.从仿真结果可以看出,各向异性分段高斯滤波器在噪音去除和边缘保持的综合性能上要优于其他常用的滤波算法.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数;并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

采用小波脊系数幅值导数方差质量图的相位展开法

针对小波变换轮廓术中相位无法快速准确展开的问题,提出了一种能有效抑制噪音的相位展开算法.首先,分析了小波脊系数幅值质量图和相位导数方差质量图的特征;然后依据相位值与其数学期望的偏差程度,利用小波脊系数幅值矩阵和导数方差思想构造了"小波脊系数幅值导数方差"质量图;最后分别进行软件仿真和真实模型实验,并将利用新质量图引导的相位展开效果与传统相位展开质量图法和改进的质量图法进行对比.实验结果表明,本文算法提高了相位展开精确度,相位展开误差率降低了2.61%.所提质量图易于构造,在引导相位展开时不仅能得到较准确的绝对相位值,还能有效抑制噪音的影响,从而重建出精确度高的物体三维模型.     

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。     

小波变换用于半导体激光器噪音信号分析

利用小波变换的多尺度分析原理,对半导体激光器低频噪音信号进行小波分解.分析了不同器件噪音在小波分解后的概貌信息的差异性,并与器件性能进行了比较.结果表明：好器件噪音的低频概貌信号比较平稳,而坏器件噪音的低频概貌信号则有较大起伏;有的器件在老化前后的性能差异甚小,但老化前后噪音信号的低频概貌有较大差异;小波分解后的概貌信息,具有更多的可靠性细节信息,对器件性能的改变更敏感.     

薄膜宽带监控中光谱信号随机噪音处理的研究

利用小波变换在时频域具有一定时间和频率多分辨率的特性,设计了小波阈值优化方法.根据信号与随机噪音在小波变换下各尺度不同的性质,同时减小拒真概率和虚报概率,在有效抑制随机噪音基础上,很好地保留了信号的细节成分.峰值误差为0.7%～1.0%,峰位误差为0.1%～0.3%.提高了光谱信号分析的准确性及系统的判停准确度.     

薄膜宽带监控中光谱信号随机噪音处理的研究

利用小波变换在时频域具有一定时间和频率多分辨率的特性,设计了小波阈值优化方法.根据信号与随机噪音在小波变换下各尺度不同的性质,同时减小拒真概率和虚报概率,在有效抑制随机噪音基础上,很好地保留了信号的细节成分.峰值误差为0.7%~1.0%,峰位误差为0.1%~0.3%.提高了光谱信号分析的准确性及系统的判停准确度.     

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。     

小波域中的维纳滤波在综合脉冲星时算法中的应用

脉冲星自转非常稳定，可用作时间标准. 然而由单脉冲星定义的脉冲星时受多种噪声源的影响，其频率稳定度还不够好，因此可采取对多颗脉冲星定义的脉冲星时进行综合的方法来削弱各噪声源的影响，以提高脉冲星时的稳定度. 不同的脉冲星有着各自不同的自转频率，在不同频率段所受噪声的影响也不同，应用小波分析的方法对脉冲星时做综合，可以兼顾脉冲星时的长期与短期稳定度，在不同的频率范围取不同的权值以达到更好的结果；脉冲星的计时残差是由计时参考的原子时的误差和脉冲星计时误差两部分引起的，用维纳滤波的方法可以将两者分开，并主要以消除掉参考钟误差后的残差为计时残差实现对脉冲星计时的综合. 在这两种方法的基础上，提出一种基于小波域中的维纳滤波方法，利用小波独有的特性和维纳滤波最小误差估计的优点，更有效地消除噪声对脉冲星时的影响. 实验结果表明，该方法可以有效降低脉冲星计时残差中的噪声影响.     

基于尺度相关性的微光图像降噪算法及其硬件实现

微光电视是低照度条件下的重要观测手段,但微光电视图像信噪比低,观察效果差,必须进行降噪处理.根据噪声小波系数随着小波分解尺度加大而减小的特性,文中算法利用微光图像小波分解层间相关性,可以良好地消除噪声,同时克服了传统降噪方法在滤除噪声的同时会造成图像细节损失的缺点.从所介绍的微光图像实时处理系统实现结果看,降噪效果明显.本文还给出了算法工程化实现的定标和阈值确定方法.     

Wavelet domain de-noising of time-courses in MR image sequences

Magnetic resonance images acquired with high temporal resolution often exhibit large noise artifacts, which arise from physiological sources as well as from the acquisition hardware. These artifacts can be detrimental to the quality and interpretation of the time-course data in functional MRI studies. A class of wavelet-domain de-noising algorithms estimates the underlying, noise-free signal by thresholding (or 'shrinking') the wavelet coefficients, assuming the underlying temporal noise of each pixel is uncorrelated and Gaussian. A Wiener-type shrinkage algorithm is developed in this paper, for de-noising either complex- or magnitude-valued image data sequences. Using the de-correlation properties of the wavelet transform, as elucidated by Johnstone and Silverman, the assumption of i.i.d. Gaussian noise can be abandoned, opening up the possibility of removing colored noise. Both wavelet- and wavelet-packet based algorithms are developed, and the Wiener method is compared to the traditional Hard and Soft wavelet thresholding methods of Donoho and Johnstone. The methods are applied to two types of data sets. In the first, an artificial set of complex-valued images was constructed, in which each pixel has a simulated bimodal time-course. Gaussian noise was added to each of the real and imaginary channels, and the noise removed from the complex image sequence as well as the magnitude image sequence (where the noise is Rician). The bias and variance between the original and restored paradigms was estimated for each method. It was found that the Wiener method gives better balance in bias and variance than either Hard or Soft methods. Furthermore, de-noising magnitude data provides comparable accuracy of the restored images to that obtained from de-noising complex data. In the second data set, an actual in vivo complex image sequence containing unknown physiological and instrumental noise was used. The same bimodal paradigm as in the first data set was added to pixels in a small localized region of interest. For the paradigm investigated here, the smooth Daubechies wavelets provide better de-noising characteristics than the discontinuous Haar wavelets. Also, it was found that wavelet packet de-noising offers no significant improvement over the computationally more efficient wavelet de-noising methods. For the in vivo data, it is desirable that the groups of "activated" time-courses are homogeneous. It was found that the internal homogeneity of the group of time-courses increases when de-noising is applied. This suggests using de-noising as a pre-processing tool for both exploratory and inferential data analysis methods in fMRI.     

基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

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。     

小波变换软阈值去噪在粗晶材料超声检测中的应用

本研究多尺度小波分析方法在粗晶材料超声检测信号增强中的应用。在分析结构噪声，电噪声和缺陷信号的小波变换特性的基础上，提出一种用一个尺度间变化的门限闭值来抑制噪声的小波变换系数，并以各尺度缺陷信号的能量关系形成权值，加权重构信号来提高信噪比。实验结果表明，该方法具有很好的去噪效果，增强了粗晶材料缺陷的检出率。     

基于小波变换与卷积神经网络的图像去噪算法

图像在生成或传感过程中往往会受到噪声干扰,噪声干扰会给后续图像处理工作增加难度,甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势,提出了一种有效的图像去噪算法。训练阶段,采用提出的算法对图像进行尺度为1的平稳小波分解后,分别把高、低频分量输入4个设计好的残差网络进行训练;在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到σ=50时,去噪后图像的峰值信噪比（peak signal to noise ratio, PSNR）均值和结构相似性（structural similarity index method, SSIM）均值可以达到28.37 dB和0.808 0,提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声,以及遥感图像在传感过程中产生的噪声,并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节。     

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。     

非线性时间序列的小波分频预测

基于噪声的小波变换特点，结合小波包分解和模极大重构来抽取含噪信号的主分量，提出了一种基于最佳尺度分解和Volterra自适应滤波的分频预测算法，使用较少的模型训练样本，同时具有强的抗噪能力.该算法克服了传统小波分解尺度选取的盲目性及单纯Volterra预测器抗噪性能的不足，数值仿真表明，针对含强噪声的非线性信号可进行有效预测. 关键词： 小波分解 Volterra自适应滤波器 分频预测