基于MATLAB小波去噪方法及应用研究

在实际的计算机控制系统中,采样信号不可避免的受到各种噪声和干扰的污染,使得由采样信号辨识得到的系统模型存在偏差妨碍了系统控制精度的提高。Donoho和Johnstone提出的小波去噪算法对去除高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的探讨及仿真实验研究,得到一些实际应用经验,并利用傅立叶变换/反变换和小波阈值去噪方法对电厂机组调速级压力运行数据进行了去噪对比实验,结果表明小波去噪方法能取得较好的去噪效果,为后续系统模型辨识打下良好的基础。     

小波去噪及其在虚拟仪器中的应用

利用小波对信号去噪，是小波理论应用于实际的一个重要方面。在用由虚拟仪器组成的系统进行测试时，经常要对信号进行去噪、分析等后处理。文中介绍了用于一维检测信号去噪的几种常用方法，并在虚拟仪器开发软件LabVIEW中实现了去噪算法，最后对这几种算法的去噪效果进行了比较。     

基于不同预处理方法的多小波暂态信号去噪

在介绍多小波基本理论的基础上,探讨了多小波的不同预处理方法并对多小波滤波器响应产生的影响进行了比较.通过对噪声信号的多小波变换分析,设计基于多小波变换的去噪方法.最后通过大量的仿真工作,对不同预处理方法的多小波与传统小波的电力系统故障暂态信号去噪效果进行了深入分析,结果表明:预处理方法的选择是影响多小波去噪效果的关键因素,若选择合适的预处理方法,利用多小波对暂态信号进行去噪,可以获得比传统小波更好的去噪效果.     

小波分析去噪的应用研究

小波分析理论是一种新兴的信号处理理论,通过对噪声特性的分析,并应用小波的方法对信号进行消噪处理,总结出小波分析对信号消噪的优点。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.     

一种空间自适应小波门限去噪算法

提出了一种空间自适应小波门限去噪算法,该算法在小波域对含噪小波系数做两次自适应去噪,两次自适应门限分别基于最大似然(ML)方差估计和最大后验概率(MAP)方差估计.仿真结果表明,该算法与其它自适应门限去噪算法相比,去噪后的图象具有更高的峰值信噪比(PSNR).     

室内位置指纹定位方法中的小波去噪应用

采集的位置指纹包含的大量随机噪声严重影响着位置指纹定位方法的精确度,为了提高位置指纹定位方法的精确度,文中提出了一种基于卡尔曼滤波和小波去噪相结合的方法来去除采集获得的位置指纹中的随机噪声的方法。实验结果表明,与常规的去噪方法相比,基于此方法的位置指纹定位算法精度有一定程度的提高。     

基于多尺度阈值技术的小波去噪

多尺度阈值技术的小波去噪是根据小波变换下信号和噪声在多尺度空间中的不同特性,用软阈值函数确定的阈值对不同尺度上的小波系数进行处理,进而达到去除噪声的目的。运用这种方法对信号进行处理时去噪效果良好,并且能够很好地保留原信号的细节信息。     

小波阈值去噪的改进方法

利用小波方法去噪,是小波应用于工程实践一个重要的方面;本文指出了采用常见的阈值确定方法对含有较强高频分量的信号进行小波阈值去噪时,去噪效果与实时性存在着矛盾,不利于信号特征的提取。提出了一种新型的阈值确定方法,进一步提出了以小波去噪后特征频率分量的功率谱密度值的下降程度为依据的待定因子确定方法。以Mallat算法为例,对新型阈值确定方法进行了分析和比较,指出运用该方法进行小波去噪处理,增强了算法的实时性,同时信号拟关注的信息损失较小,去噪效果比较理想。交-交变频器输出电流的小波去噪实验结果表明,该方法行之有效。     

基于平衡正交多小波的MR图像去噪算法研究

磁共振图像中的噪声分布的特殊性不仅大大降低了图像的质量,影响医学诊断,而且为噪声的去除提出了更高的要求。平衡正交多小波同时满足正交性和对称性,不仅具有比单小波分解更加精确、去噪效果更好的特点,同时避免了普通多小波分解过程中的预处理过程。文中对磁共振图像进行平衡正交多小波分解后,采用了一种自适应性更高的阈值确定函数与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明：该方法优于97提升小波及ghm多小波方法,去噪效果进一步提高。     

多小波变换的理论及其在图像处理中的应用

本文综述了多小波变换理论及其在图像处理方面的应用,并展望了它今后的发展。我们的图像编码实验表明充分利用多小波变换的特点可以提高图像编码的性能     

一种基于多小波变换的医学图像融合方法

本文讨论了医学图像CT与NMR的融合问题。由于骨骼组织仅能在CT中清晰显示,而软组织仅能在NMR中清晰显示,所以CT与NMR图像各自都不能同时清晰显示骨骼组织和软组织。在分析了CT与NMR图像成像机理的基础上,提出了一种基于多小波变换的融合方法。它可将CT与NMR图像进行有效的综合。所获得的融合图像,可同时清晰地显示骨组织和软组织信息。     

基于GHM多小波的多模态医学图像融合算法研究

本文研究了基于多小波的多模态医学图像融合。在分析结构成像和功能成像特性的基础上,提出了分层融合的理念。详细阐述了预滤波后,如何使用GHM多小波分解二维医学图像、具体融合规则和多小波重构。与单小波分解相比,多小波要经过分解前的预滤波和重构后的后滤波。实验结果分析证实,该算法融合效果良好,各项指标有一定的提升。     

基于非局部图像去噪的方法研究

提出了一种利用非局部相似的图像去噪方法,通过非凸函数阈值得到噪声图像的多个初步去噪图像,其参数的选择较接近,并将这些初步去噪的图像选取相似块,利用非局部平均的方法,对图像进行去噪恢复。通过实验可知,文中提出的方法对于噪声图像去噪具有较好的效果,与典型的非局部平均方法相比,该方法能得到更好的峰值信噪比。     

一种新的基于提升多小波变换的图像融合方法

多小波是一种新的小波,它在理论上所表现出来的优势以及它在应用领域所具有的潜力,使其受到高度重视。在短短的几年时间内,它在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法,而且是构造新的小波变换的一种工具。本文根据提升方法和多小波变换的特点,对多小波实现了提升变换,并把这种基于提升方法的多小波变换应用于图像融合,结果表明有更好的效果。     

基于稀疏表示的红外图像去噪算法研究

红外图像具有动态范围窄、对比度低、易受噪声污染等缺点,传统红外图像去噪算法在去除噪声的同时也滤掉了图像细节。提出了一种基于稀疏表示的红外图像去噪新方法。该方法首先将原始红外图像进行聚类分析,再将每一聚类子图像分解成字典,由稀疏系数矩阵重构去噪后的红外图像。实验结果表明,该方法相比于传统红外图像去噪算法,能更好地保留图像的细节信息,视觉效果比较理想。     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

基于静态多小波变换的图像融合

综合了多小波分析和平移不变性质的优势,将多小波分析扩展到静态多小波的范畴,提出了一种基于静态多小波变换(SMWT)的图像融合方法。通过对源图像进行SMWT,根据变换系数的尺度内多子带联合窗口(CBWI)特性,实现多源图像的融合。该方法应用于一类多聚焦图像融合的仿真实验中,从视觉效果和信息量指标(互信息量和交叉熵)2个方面对融合图像进行主观评判和量化评价。结果表明,相比于传统小波域内的图像融合算法,该方法得到的融合结果具有更良好的视觉质量和更优的量化指标,体现出更强的融合性能。