基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明:该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明：该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

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。     

基于小波变换的磁共振图像去噪

去噪是图像处理中的一个非常重要的问题. 传统去噪方法在降低噪声的同时会模糊图像的细节,基于小波变换的图像去噪方法能在降低图像噪声的同时较好地保持图像的细节,目前基于小波变换对图像进行去噪已经成为最有前途的去噪方法之一. 本文综合小波域去噪的文献,对小波域的磁共振图像去噪方法进行了综述,详细介绍了各种小波域的磁共振图像去噪方法,并对他们的性能进行了总结,对小波域去噪方法的发展趋势进行了展望.     

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     

改进的傅里叶域小波域联合去模糊算法

傅里叶域与小波域的联合去模糊算法在低噪声时具有优越的恢复效果,但是这种联合去模糊算法并不适用于含噪声的模糊图像.为了解决这一问题,本文将先验约束分别引入傅里叶域的去模糊步骤和小波域的去噪步骤.在傅里叶域,用矩阵形式表示目标函数.对目标函数添加平滑约束并且通过噪声水平和模糊图像高频信息计算得到平滑约束项的滤波系数.同样方式,在小波域对小波域目标函数添加能量约束,实现小波域目标函数的正则化过程.分析傅里叶域的噪声放大程度,通过傅里叶域的滤波系数计算得到小波域能量约束的滤波系数.傅里叶域的平滑约束可以抑制滤波过程中噪声的产生,小波域的能量约束可以提高小波域滤波的鲁棒性.仿真实验表明,改进的算法相比于原始算法具有更好的鲁棒性,可以有效提高图像的恢复质量.对于噪声标准差为0.010.1的模糊图像,改进算法恢复图像峰值信噪比比原始算法恢复图像的峰值信噪比高1左右.并且改进算法对于高斯型点扩散函数误差具有鲁棒性,当点扩散函数估计方差与实际方差相差0.4时,改进算法的恢复效果仍优于原始算法.     

基于小波变换和维纳滤波的半导体器件1/f噪声滤波

针对半导体器件中普遍存在的1/f噪声提出了一种结合了提升小波变换和维纳滤波器的处理方法.首先利用重新加权迭代最小二乘法拟合1/f噪声的功率谱曲线得到噪声参数的估计,从而选择恰当的小波.其次,对包含了1/f噪声的信号进行提升小波变换.考虑到小波变换对1/f噪声的白化作用,利用维纳滤波器对每一层小波系数进行处理.设计了最优全通滤波器以校正维纳滤波器的相频特性,使得小波系数经滤波后相位不变.最后利用提升小波逆变换获得被1/f噪声淹没的信号.利用实验检验了提出方法的有效性,实验数据采自用于微创外科手术机器人的力传感器.结果表明提出的方法能够有效抑制1/f噪声,并使传感器的分辨力提高了25%. 关键词： 半导体器件 f噪声')" href="#">1/f噪声 提升小波变换 维纳滤波     

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。     

受污染混沌信号的协同滤波降噪

根据混沌吸引子的自相似分形特性,提出了一种利用协同滤波重构受污染混沌信号的降噪算法.所设计的降噪算法通过对相似片段的分组将一维混沌信号的降噪转化为一个二维联合滤波问题;然后,在二维变换域用阈值法衰减噪声;最后,通过反变换获得原始信号的估计.由于分组中的相似片段具有良好的相关性,与直接在一维变换域做阈值降噪相比,分组的二维变换能获得原信号更稀疏的表示,更好地抑制噪声.仿真结果表明,该算法对原始混沌信号的重构精度和信噪比的提升都优于小波阈值、局部曲线拟合等现有的混沌信号降噪方法,对相图的还原质量也更好.     

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.     

Blind source separation of multichannel electroencephalogram based on wavelet transform and ICA

Combination of the wavelet transform and independent component analysis （ICA） was employed for blind source separation （BSS） of multichannel electroencephalogram （EEG）. After denoising the original signals by discrete wavelet transform, high frequency components of some noises and artifacts were removed from the original signals. The denoised signals were reconstructed again for the purpose of ICA, such that the drawback that ICA cannot distinguish noises from source signals can be overcome effectively. The practical processing results showed that this method is an effective way to BSS of multichannel EEG. The method is actually a combination of wavelet transform with adaptive neural network, so it is also useful for BBS of other complex signals.     

基于小波变换的水果糖度近红外光谱检测研究

利用小波变换滤波技术对90个水果样品的近红外光谱信号进行了去噪处理,并结合滤波后重构光谱信号对水果糖度进行逐步线性回归(SMLR)建立其校正模型,通过34个样品的外部检验对校正模型精度进行评价。研究结果表明: 校正模型的预测精度在小波尺度为3时其预测精度最好,预测集的决定系数由原来的0.84提高到0.85, 预测集相对标准误差由原来的6.1% 降为6.0%。因此,使用小波去噪方法有消除原始光谱噪声作用,从而使最终的SMLR模型更具有代表性和稳健性,也提高了品质检测时模型预测精度。     

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.     

基于近红外光谱小波变换的温室番茄叶绿素含量预测

为了提高基于近红外光谱的温室番茄叶绿素含量预测精度,采用小波变换消除光谱中的随机噪声.但是在去噪的同时,也会降低有效信息量.因此,引入平滑指数(SI)和时移指数(TSI)对去噪效果进行量化,以控制变换尺度,获得最佳变换效果.实验表明TSI＜0.01且SI＞0.1004时,在去噪的同时,也能保留反映生化参量的特征峰,从而...     

近红外光谱的数据预处理研究

进行了小麦样品近红外光谱数据的预处理研究,一般仪器记录的样品近红外光谱数据中包含有一系列噪声和干扰信号,因此适当的预处理是进行后续光谱定标、建模及模型传递的基础,对可靠地获得准确分析结果具有很重要的作用。结合小麦样品蛋白质含量近红外光谱分析工作,对由近红外光栅光谱仪和傅里叶变换近红外光谱分别记录的66种小麦样品光谱数据,采用高斯一阶、二阶导数小波变换方法进行了预处理。对比常用的一阶差分预处理,证明高斯函数导数小波变换方法是十分有效、实用的,预处理后光谱曲线非常光滑、噪声消除效果明显,富含有用光谱分析信息的区域更加清晰显示,因而非常有助于后续的光谱定标、建模和模型传递工作。     

基于小波变换的红外光谱分析

利用傅里叶变换红外光谱仪,借助OMNI采样器直接、快速、准确地测定了土茯苓及其三种伪品木质部的FTIR谱,采用小波变换分析法对样品进行了详细研究。结果表明：小波变换可以去除噪声和压缩变量,具有运算速度快、分析精度高以及无需去噪后处理等优点, 在红外光谱分析中具有很好的应用前景。     

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。     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

On the recovery of moving source characteristics using time–frequency approach

Four time–frequency analysis techniques, namely the short-time Fourier transform, the wavelet transform, the polynomial phase estimation and the Chirplet transform, are used in the present study to recover the moving speed, the sound frequency and the strength of a point source moving with a subsonic speed relevant to those of the road vehicles. Their performances in the presence of background random noises are tested in detail. The instant of the highest rate of change of the Doppler frequency is used as the time reference in the parameter recovery process. Results suggest that the performances of short-time Fourier transform and the wavelet transform, especially the former, are not satisfactory when compared to those of the other two methods even when the signal-to-noise ratio is reasonably high. The Chirplet transform gives a performance which is the least affected by the signal-to-noise ratio, while the accuracy of the polynomial phase estimation is the best among the four methods tested.