基于变分法的医学超声图像去噪研究

目的 :医学超声图像中斑点噪声的存在,降低了图像质量,本文着重讨论医学超声图像的去噪问题。方法:针对超声图像的斑点噪声,本文基于全变分正则化模型,首先对超声图像进行对数变换,将乘性斑点噪声转化为加性噪声,再对对数变换后的图像进行全变分正则化处理,最后通过指数变换重构超声图像。结果:子宫超声图像去噪实验中,将全变分法与常用的中值滤波和小波变换去噪方法进行对比,结果显示全变分法的去噪性能指标明显优于其余方法。结论:采用基于全变分正则化的方法,不仅很大程度上抑制了医学超声图像的斑点噪声,而且保留了清晰的边缘细节信息,具有重要的学术价值和现实意义。     

图像去噪中的小波变换应用策略

图像信息在人们认识世界和了解世界中扮演着重要的角色。但是,由于图像在实际应用或者是传输过程中经常被噪声等因素所干扰,导致图像的质量下降,无法达到使人们满意的效果,所以对于图像也应该进行去噪处理,减少噪声对于图像的干扰。在早期对图像进行处理,主要是指使用数字计算机技术对图像进行加工处理,以此来获得自己所需要的图像信息。本文基于这个背景,分析了小波变换在图像去噪的中使用的处理方法,主要探讨了小波变换在图像去噪中的使用。     

图像去噪方法的对比研究

本文介绍了图像噪声的类型及评价标准,对图像的几种去噪法进行了简单的分析,在总结这些去噪法的同时指出了去噪法中最新的研究领域。针对某些图像中背景复杂、目标对比度和信噪比低等特点,提出一种基于小波变换的图像去噪方法。     

基于小波变换的图像阀值去噪算法

针对传统的基于图像消噪的方法存在的问题,即在低信噪比的情况下,传统的滤波方法消噪效果得不到有效的改善,甚至图像在处理之后变得模糊。基于小波变换的图像阀值去躁算法,利用小波变换的特性,可以有效的去除噪声,最大程度的保留图像的有效信息。利用Matlab仿真实验结果表明,与传统的滤波方式相比,基于小波变换的图像阀值去噪算法使处理之后的图像更加接近于原始图像,且处理后图像模糊程度比传统算法大大减小。     

基于多窗口中值滤波和迭代高斯滤波的去除图像椒盐噪声的方法

在Matlab图像处理椒盐噪声的过程中,本文主要提出了首先对被污染的图像进行多窗口中值滤波,再对滤波后的图像进行迭代高斯滤波。实验证明此方法能达到较为理想的效果。相比传统的中值滤波和迭代中值滤波效果都好,而且对高密度噪声的效果也较为满意。对图像含极大值和极小值像素较多有效值下的椒盐噪声的处理效果较好。     

小波去噪方法的研究

小波去噪是小波变换应用的常见用途,本文介绍了三种常用的小波去噪方式,分别是小波模极大值法、小波分解与重构法和小波阈值法。将这几种方式分别加入白噪声并实施去噪处理,通过对比优缺点,为小波去噪方法的选取提供了参考依据。     

基于中值与同态滤波器相结合增强图像的探究

图像增强对提高图像的质量有重要作用。本文首先分析中值滤波的效果,然后为改善中值滤波器会增强图像的模糊度问题,提出并探究了其与同态滤波器相结合的方法。按照先中值滤波后同态滤波的顺序,通过仿真实验,得出较好结果。     

一种新的椒盐噪声去除方法

本文对中值滤波算法进行了改进,提出了一种基于噪声点检测的椒盐噪声去除方法。对分布在噪声范围内的点进行噪声点检测,对确定为噪声点的像素点进行中值滤波,其他像素点保持不变。     

BP与小波神经网络短时交通流预测对比研究

短时交通量预测是实时管理、调度城市交通的基础。采用小波神经网络方法预测短时交通量,给出了小波变换的基本原理,选取母小波为隐含层基函数构建小波神经网络的基本框架。选取南京市某路段为实例,通过对比传统BP神经网络说明小波神经网络的准确性。实验表明,两种神经网络预测方法都具有一定的准确性,小波神经网络优于BP神经网络。     

基于小波变换的信号奇异性检测研究

信号的突变性或奇异性经常携带有比较重要的信息,它是信号重要的特征之一。本文介绍了小波变换的基本概念,讨论了小波变换的奇异性检测方法,可以应用于海洋声波信号的奇异性检测。阐述了高斯和Daubechies小波函数的信号奇异性检测原理及其MATLAB仿真实现,分析了信号奇异点的定位方法和小波检测效果,并指出了利用此方法时对所用小波函数的要求及小波尺度的选取对检测结果的影响,为非平稳信号的奇异性检测的研究提供了一种行之有效的方法。     

基于小波变换的图像频域处理研究

本文介绍了几种常用的图像频域变换的方法,重点介绍了基于小波变换的方法,并且将传统的傅里叶变换、Gabor变换与小波变换作了详细的比较.小波变换具有丰富的伸缩和平移等运算功能,这些功能可对信号或函数进行多尺度的分析,能够解决传统频域变换不能解决的一些复杂问题.     

提升小波和模糊聚类在图像数字水印中的应用

将提升小波变换与模糊聚类相结合,提出一种基于变换域的自适应盲水印算法。算法利用提升小波变换得到图像的低频子图,结合人类视觉特征进行模糊C均值聚类,进一步划分出最适合水印嵌入的纹理区域,并嵌入经过混沌映射加密的水印。对比攻击实验表明该算法具有较好的透明性和鲁棒性,能有效抵抗多种类型的攻击。     

基于小波理论的电力系统故障分析研究

本文介绍了小波变换的基本原理,通过检测奇异性,采用Harr小波变换对电力系统故障信号进行分析判断。仿真结果表明,小波变换能够很好地消除电力系统故障信号噪声,并准确检测出故障点。     

基于自由分布式FDR阈值的NSCT遥感图像去噪

提出一种新的自由分布式(FDR)假设检验阈值和非下采样Contourlet变换(NSCT)相结合的图像去噪方法。该方法首先在NSCT域利用统计学中的自由分布式错误发现率(FDR)假设检验方法来设定阈值,再通过软阈值函数进行去噪,且不依赖信号的长度。实验结果表明:该方法能够更有效地去除遥感图像的高斯噪声,提高图像的峰值信噪比;同时利用NSCT变换的平移不变性抑制了去噪中的伪Gibbs失真效应,较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。     

三电平光伏逆变器故障诊断研究

本文通过对三电平光伏逆变器的故障类型和当前常用的故障诊断方法进行分析,将不同故障诊断方法的优劣进行对比,发现当前的故障诊断方法存在一定的缺陷;提出一种基于小波变换和极限学习机神经网络相结合的逆变器故障诊断方法,该方法可实现对三电平光伏逆变器多模式故障的诊断。通过仿真实验,验证该方法的正确性和有效性。     

一种小波域自适应的盲视频水印算法

针对视频版权的保护,本文提出了一种小波域自适应的盲视频水印算法。首先基于猫映射和Logistic映射的双混沌加密对图像水印进行处理以增强其安全性;然后对宿主视频进行场景分割,通过像素帧平均法提取关键帧并提取其亮度分量,将处理后的图像水印自适应地嵌入到经过小波变换后亮度分量的低频系数中。实验结果表明,本文的算法具有较好的不可见性,且针对锐化、高斯滤波、噪声、帧剪切等攻击具有良好的鲁棒性。     

基于小波变换的模态参数识别

本文以小波变换理论进行模态参数识别。通过选取能同时兼顾时域和频域分辨率的合适带宽下的小波脊线进行模态辨识。最终结果显示辨识误差较小,有较强的理论研究意义和工程应用价值。     

小波分析对于GPS观测数据优化的理论及应用

小波分析是目前数学中一个迅速发展的新领网域,它同时具有理论深刻和应用十分广泛的双重意义。小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的,通过物理的直观和信号处理的实际需要经验的建立了反演公式,当时未能得到数学家的认可。本文结合GPS数据处理,分析了多尺度分析和小波变换的基本原理及其应用,对于GPS观测数据优化提供一种可能性方法。     

小波分析在活蛹缫丝单根蚕丝颣节检测中的应用

小波分析是应用数学和工程学科领域发展的一项新技术,广泛应用于信号处理。针对家蚕新品种选育中活蛹缫丝单根蚕丝颣节信号出现的特征,采用小波分析方法对其进行有效检测。检测原理是:将单根蚕丝信号进行小波分解,利用小波域阈值滤波方法抑制噪声信号提高检测效率及抗干扰能力,利用小波在奇异性检测上的优势找出单根蚕丝检测信号中的突变点,再根据相对应的时域信号进行颣节信号检测。针对小波分析在信号分析和信号消噪处理中的应用建立了matlab仿真模型,将基于小波分析的传感器安装在ZHJ-20智能型活蛹缫丝机上,使单根蚕丝颣节的检测速度较传统人工肉眼检测方法提高2倍以上,检测数据误差值小于企业标准中的误差值。建立的用于活蛹缫丝单根蚕丝颣节检测的小波分析方法,具有数据处理速度快,检测结果准确的特点。     

基于二进小波变换的遥感图像融合方法

为了充分利用各种遥感图像的信息,在分析以往图像融合方法优缺点的基础上,针对多光谱与全色图像的融合,提出了基于二进小波变换的融合方法,将各源图像进行二进小波分解,根据低频和高频分量的特点,按照各自的融合算法融合源图像的各分解层。再进行小波逆变换得到融合图像。利用信息熵等标准与其他融合方法进行比较,实验结果证明该融合方法较常用的正交(双正交)小波融合算法有更好的融合效果。