改进的自适应阈值软硬折中Curvelet图像去噪技术

Curvelet变换是继小波变换和Ridgelet变换之后,更适合图像处理的一种多尺度变换,它能同时获得对图像平滑区域和边缘部分的稀疏表达,且具有很强的方向性。针对软阀值和硬阈值去噪方法存在的不足,提出了基于Curvelet变换域的软硬阈值折中去噪法,并采用不同的阈值自适应地对不同的Curvelet子带进行阈值化,实验结果表明该方法对图像中的边缘曲线特征有更好的复原。去噪后图像PSNR值更高,视觉效果更好。     

一种提高脉冲雷达多普勒相位精度的方法

针对低信噪比条件下脉冲雷达模糊多普勒相位精度较低,可能导致相位测距时不能正确解相位模糊问题,基于EMD（Empirical Mode Decomposition,经验模式分解）区间阈值去噪方法,提出了一种新的提高多普勒相位精度的方法：利用EMD分解后各层信号的频率特性和能量特性,选取合适的阈值,并对各层信号进行区间阈值化处理,在提高信号信噪比的同时保持了信号的连续性.分别在回波信号噪声为高斯白噪声和AR（2）相关噪声的情况下,以及不同信噪比条件下,对该方法进行验证.仿真结果表明：在低信噪比条件下,当回波信号噪声为白噪声和相关噪声时,EMD区间阈值去噪方法能将回波信号信噪比提高5 dB,去噪性能优于小波阈值去噪方法,其对应多普勒相位精度能提高1倍以上.     

基于序列二次规划优化阈值的NSCT高斯噪声图像滤波方法

提出了一种基于序列二次规划(SQP)优化阈值的非下采样Contourlet变换(NSCT)图像高斯白噪声去除方法。该方法利用广义交叉验证(GCV)准则作为优化指标,使用序列二次规划算法对NSCT域的去噪阈值进行优化,能够在噪声方差等图像先验知识未知的情况下得到最优去噪阈值。确定阈值后,采用非线性阈值函数对Contourlet系数进行处理。实验结果表明与其他Contourlet域去噪方法相比,该方法能有效去除图像的高斯白噪声,提高图像的峰值信噪比,并较好地保留图像的边缘信息。     

基于Contourlet变换的图像去噪算法

针对小波变换不能有效地表示图像纹理和轮廓的缺陷,本文重点研究了基于Contourlet变换的图像去噪算法。首先对图像进行Contourlet变换,得到能量集中分布的变换系数,再对变换后的系数应用Bayes-Shrink去噪方法进行降噪处理,并分别比较了运用硬阈值方法和软阈值方法的处理效果。结果表明:基于Contourlet变换的图像去噪算法在峰值信噪比(PSNR)效果和去噪质量上都优于小波变换。     

基于变分理论的局部自适应高保真图像去噪算法

针对现有的图像去噪模型不能很好保留图像边缘及纹理的缺点,在变分理论的基础上提出了改进的局部自适应图像去噪算法,该算法基于图像局部特性计算保真参数,利用小波变换进行噪声方差估计,采用小的自适应窗确定保真参数,并利用该高保真去噪算法对叠加高斯噪声的图像进行了降噪处理,结果显示比全局变分采用最速下降自动选择保真参数的去噪效果要好,峰值信噪比(PSNR)在不同高斯噪声背景下都有0.2-0.5dB的提升。     

基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。     

基于自适应提升小波收缩阈值图像去噪算法

提出了一种自适应提升小波收缩阈值去噪方法，改进了提升算法中预测算子的计算方法，在更新算子中引入了自适应，最后在阈值处理方面使用了实践证明效果比较好的收缩阂值，仿真证明，经去噪后，图像在性能指标上有一定的提高，图像的细节能够很好地保持。     

基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。     

基于灰度级分组的X光行李图像增强改进方法

针对低对比度X光手提行李图像在机场安检中容易产生高虚警或高漏警的问题,提出了一种基于灰度级分组的X光行李图像增强改进方法。首先应用离散小波变换对低、高能图像进行融合,然后通过分频处理得到低、高频图像,再分别采用基本灰度级分组和可选择灰度级分组方法实现增强。将本文方法与基于灰度级分组的增强方法、传统的直方图均衡方法进行比较,实验结果表明,本文方法能够有效地改善图像质量,提高图像的清晰度。     

一种局部自适应内窥镜图像降噪模型

在内窥镜图像处理中,如何消除图像中的噪声一直是个热点问题。由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,二进小波变换的图像去噪效果会好于小波级数变换的图像去噪效果。基于这个思想,文章从二进小波理论入手,提出一种自适应二进小波去噪模型,简称ADWD。该方法利用图像信息、噪声信息与小波系数之间的关系,采用局部自适应的方法识别噪声像素,避免了直接确定噪声门限的困难。实验结果及分析表明该方法对Gaussian噪声和Pepper噪声均有较高的信噪比,且对图像的细节有较好的保持能力。     

小波去噪法在复合材料变形测量中的应用研究

为了提高数字散斑相关方法（DSCM）在复合材料变形测量中的精度,将数字散斑技术与小波去噪技术相结合,采用阈值去噪法对小波系数进行阈值量化处理,并进行复合材料的拉伸试验,同时使用DSCM及引伸计进行测量,再使用该小波去噪法对DSCM测量的结果进行去噪,并与引伸计所测结果相比较。结果表明：去噪后的DSCM的测量结果与引伸计测量的结果吻合得更好,精度更高,说明该小波去噪法能够较好地去除数字散斑相关测量和计算中的噪声。     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响,对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点,提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合,并且对小波包系数运用一种新的阈值去噪方法。实验结果表明,该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。     

小波变换与SVD结合的射频信号消噪方法

射频信号因具备空间远距离传输特性被广泛应用于航天测控等领域,但空间磁场、信道、设备元器件等会引入大量噪声干扰,对射频信号的传播及后续分析处理造成影响。而目前关于射频信号消噪的研究很少,针对此问题,对比研究了传统滤波器消噪、小波阈值法及SVD(Singular Value Decomposition,奇异值分解)法在射频信号消噪方面的应用,仿真分析了各算法对有用射频信号的提取效果,从而发现3种方法均能起到噪声抑制的作用,但是,滤波器法明显会降低信号能量,小波变换法易使重构信号失真,而SVD法则运算时间较长。为此,提出将小波阈值法与SVD相结合,用于射频信号消噪。再通过比对各方法消噪的性能指标,验证了将2种方法结合,可有效提高运算效率及噪声抑制能力。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

小波变换在雷达信号检测中的应用

小波分析已经成为目前雷达信号去噪的主要方法之一。通过对小波去噪问题的描述,揭示了小波去噪的滤波特性;分别阐述了目前雷达信号检测中常用的4类小波去噪方法并进行性能分析;对雷达信号的小波检测方法提出了展望。     

信号去噪的小波互除方法

小波变换具有良好的时频局部化性质 ,特别适合于分析和处理突变信号。本文在Mallat模极大值去噪方法的基础上 ,提出一种新的小波变换去噪方法———互除法。该方法在小波系数的影响域内计算和估计信号的真实系数 ,从而进行信号重构 ,避免了复杂的交替投影算法。与以前的一些方法比较 ,互除法在平均误差和可视化方面有很好的效果。     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.