基于小波分析的信号滤波方法研究

设计了模拟温度信号的数据采集系统,采集了温度信号T．分别利用最小二乘平滑滤波方法和小波变换滤波方法对传感器输出的原始温度信号T进行滤波,通过对比滤波后波形和残差体现了小波分析在信号滤波应用中的优越性。     

小波分析在外测数据滤波中的应用研究

为提高弹道估计精度,提出了一种基于小波分析的滤波方法,滤除外测数据中AR（自回归）模型的随机误差。分析讨论了滤波过程中的几个关键问题,提出了利用基于偏自相关系数截尾检验的方法来确定分解层数,然后采用GCV（广义交叉确认）准则来确定均方差意义下最优阈值的方法。本文提出的外测数据滤波方法计算简单,不需要估计噪声的方差。仿真结果表明,该方法能有效滤除外测数据中的AR噪声。     

小波神经网络用于CCD视频序列图像去噪

CCD摄像机获取目标影像时不可避免地受到噪声影响,因此噪声去除是CCD图像处理的一项重要研究课题。本文将小波神经网络引入CCD图像去噪领域中,提出一种基于小波神经网络的图像去噪方法。实验结果表明,该方法在去除噪声上优于传统的均值滤波等方法,在有效去除噪声的同时,又能很好地保护图像的细节信息,具有很好的保真度。     

一种基于小波分解的快速图像匹配算法

为了提高图像匹配的速度和精度,提出了一种基于小波分解图像匹配算法,该算法首先用Mallat算法对匹配图像进行小波多尺度分解,然后提取各级的边缘特征,最后在对图像进行多级分解的基础上进行匹配.该算法不仅减少了计算量,而且提高了图像匹配的精度.实验表明,提出的匹配算法在速度和精度上都是有效的.     

一种提高SAR目标识别率的有效方法

在合成孔径雷达自动目标识别SAR ATR中，SAR像的预处理是提高识别率的关键技术之一。给出了一种简单有效的SAR图像预处理方法，该方法首先对SAR目标像进行对数变换后，再做傅立叶变换。经预处理后的SAR像用支持矢量机SVM分类器进行目标识别。实验结果表明：本方法不但有效地提高了目标识别率，而且保证了目标的平移不变性并具有良好的推广能力。     

一种基于Curvelet变换的红外图像去噪方法

针对红外图像中目标与背景的对比度差、边缘模糊、纹理信息缺失等特点,提出了一种基于Curvelet变换的红外图像去噪方法。算法原理简单,易于实现,具有较高的实时性。试验结果表明,算法能够有效去除红外图像中的噪声和杂波。     

基于小波变换的图像低通去噪

提出了一种利用小波变换的多分辨率特性对图像进行低通去噪的方法,系统的阐述了其基本原理和核心算法,并对加噪后的图像实现了低通去噪处理。     

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。     

红外图像特征提取的一种方法

小波变换是信号处理、图像处理的重要工具,已广泛应用于信号分析、数据压缩和边缘检测等各个领域。本文基于图像小波变换,提出了一种红外图像特征提取的一种方法。通过对红外图像进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样既得到了红外图像的特征,又压缩了数据。通过大量的红外图像目标识别实验,证明本文提出的方法是有效的。     

基于小波变换的非平稳信号趋势项剔除方法

分析了空间飞行器遥测信号处理传统趋势项剔除方法的优势和不足,提出了基于小波变换的非平稳信号趋势项剔除方法。这种方法通过滤波器组将信号分解与重构,实现趋向性信号与零均值平稳随机信号的分离。仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法。     

A Novel Speckle Filter for SAR Images Based on Informationtheoretic Heterogeneity Measurements

Most adaptive speckle filters are based on the local coefficient of variation, which serves to measure the heterogeneity of synthetic aperture radar (SAR) images. However, the sensitivity of the measurements to speckle and noise of SAR images would greatly deteriorate the speckle reduction. This article, based upon the information theory, presents a novel parameter for the heterogeneity measurement as a general index to quantitate the SAR image heterogeneity. Further, as a new speckle reduction algorithm based on the aforesaid quantitative heterogeneity measurements, it puts forward a heterogeneity-based speckle reduction filter (HBSRF), which uses the information-theoretic heterogeneity measurements as a criterion to classify the SAR images as belonging to homogeneous or heterogeneous regions. Then the finite iteration procedure and edge detection algorithms are adopted to strike the best balance between speckle reduction and edge preservation. The results from the computer simulation have demonstrated that the proposed effective method is superior to the conventional speckle filters based on the local coefficient of variation both in textural preservation and speckle reduction.     

基于非线性复扩散和小波的图像去噪方法

基于偏微分方程和小波的图像去噪方法是目前图像处理的两大发展主流。提出了一种非线性复扩散和小波相结合的图像去噪方法。首先,根据小波变换的特性,把图像分成低频分量和高频分量两部分,然后根据这两部分图像的不同特点,结合非线性复扩散方法对图像去噪,最后把两部分图像融合成一幅图像。实验结果表明了方法无论是客观标准还是视觉效果上都优于非线性复扩散。     

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。     

基于Gibbs-Markov随机场与连通聚类的SAR图像恢复

在传统的马尔可夫随机场(MRF)的图像建模方法基础上利用合成孔径雷达(SAR)图像的固有特性对Gibbs-MRF模型进行改进复原SAR图像,并进一步提出用数字形态学中连通性理论进行图像分割。在SAR图像像素空间的邻域内,估计最大后验概率(MAP)时引用Gamma分布代替传统的瑞利分布恢复数据,同时利用像素强度值相关性的连通模型将目标较好地提取出来。充分利用了SAR图像的数字形态信息和像素强度之间的相关性,得到了更好的分割效果。仿真实验说明本文方法是有效的。     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。     

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。     

基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

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。