基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一.利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法.由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的.在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果.     

基于小波阈值去噪方法的一种改进方案

利用Donoho D．L．和Johnstone I．M．提出的小波阈值去噪方法,构造了一个新的阈值函数。与传统的硬、软阈值函数相比,其具有不可比拟的灵活性。该阈值函数克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阅值函数中小波系数估计值与分解小波系数间存在恒定偏差的缺陷。仿真结果表明,新阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo．Gibbs现象,无论在视觉效果,还是在信噪比增益方面均优于传统的硬、软阈值方法。     

基于新阈值的小波硬阈值去噪方法

在多分辨分析小波阈值去噪方法的基础上,提出了新的阈值选取规则,在VC＋＋6．0环境下,给出了基于正交小波变换的硬阈值去噪的具体算法,并进行了数值试验。试验结果表明,该方法提高了信噪比,减小了最小均方误差,使去噪效果得到了改善。     

一种改进的小波阈值去噪方法

为了改进滤波效果,提高去噪质量,在分析目前被广泛应用的软、硬阈值去噪方法的基础上,提出了一种改进的阈值去噪方法.该方法既兼顾了软、硬阈值函数的优点,同时又在一定程度上弥补了它们在图像去噪中的缺陷.有效克服了硬阈值法去噪信号失真的和软阈值法细节模糊现象.仿真结果表明:该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比定量指标上均明显优于传统的软、硬阈值算法,达到良好的去噪效果.     

基于无下采样的正交小波变换的阈值去噪方法

现行的小波阚值去噪算法中,都包含采样的操作,但下采样导致信号所含信息出现丢失,上采样则引入新的畸变。为克服这些不足之处,提出了基于无下采样的正交小波变换的阚值去噪方法,并在Matlab6．5环境下给出了具体的算法。并进行了数值试验。试验结果表明,取消下采样的操作,可以提高信噪比,减小最小均方误差,使去噪效果得到了明显改善。     

基于EMD自适应阈值的铡草机振动信号去噪

针对铡草机振动信号噪声污染的问题,采用EMD(Empirical mode decomposition)与基于SURE(Stein's unbiased risk estimate)的自适应阈值算法,并利用自相关函数性质与二阶可导阈值函数,对铡草机振动信号进行研究.结果表明:1)模拟信号经EMD自适应阈值去噪后,信噪比...     

基于尺度噪声水平估计的双树复数小波变换图像去噪方法

利用噪声与图像双树复数小波变换各层系数的关系,提出基于尺度噪声水平估计的双树复数小波变换图像去噪方法并进行了试验.结果表明,该估计方法与图像噪声水平近似线性相关,能很好地反映各层系数的噪声水平.双变量收缩函数阈值去噪法采用该估计比采用全局噪声水平估计去噪效果更好,平均结构相似度明显提高.     

基于小波变换与Otsu阈值去噪的脐橙识别方法

【目的】解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。【方法】提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。【结果】泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。【结论】该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。     

基于正交小波系数的阈值降噪法

依据信号与噪声小波变换系数的差异,提出的用阈值法去噪可以很好的使噪声得到抑制,且几乎保留了原始信号所有的特征点.本文详细阐述了小波分析信噪分离的基本原理和方法,通过仿真分析得到良好的效果,为信号去噪提供一条有效的途径.     

基于小波变换模极大值的信号去噪方法研究

信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。     

基于全变分方法的非线性图像去噪研究

研究了全变分最小化模型在图像去噪中的应用,用变分法推导出与之相应的偏微分方程,并用差分法对该方程进行了数值仿真。仿真试验结果表明,该方法在去除噪声的同时,能更好地保持图像边缘细节,具有较好的处理效果。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明：该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

火炮内膛全景图像增强方法研究

为了提高内膛全景图像对比度,本文基于Contourlet变换,提出一种新的内膛全景图像增强方法。该方法在图像空间域增强的基础上,通过对图像Contourlet变换系数的调整,进一步增强了内膛图像。实验结果表明,本文算法在增强内膛图像对比度的同时,减少了图像细节的丢失,改善了图像质量。     

基于形态学和分形理论的农产品图像去噪

结合形态学和分形理论对农产品图像进行去噪处理,先通过形态学的开运算和闭运算滤除图像的正脉冲和负脉冲噪声,滤除噪声的高频部分效果明显,再计算经过形态学滤波后图像的分形维数,通过分形维数估算出修正参数修正图像,不仅能兼并噪声的低频部分,还能去除由于形态学结构元素方向的限制所产生的毛刺,起到平滑图像的作用.试验仿真得到的结果与传统的小波去噪、中值滤波、均值滤波相比较,不仅有较高的信噪比,还能保留图像的细节,提高主观的视觉效果.     

木材近红外光谱小波阈值去噪方法

采用小波分析对木材近红外光谱进行阈值去噪研究,分别采用硬阈值、固定阈值、最大最小阈值和rigsure阈值对光谱信号进行去噪.结果表明,小波变换可以有效去除光谱噪声,并很好地保留了信号中的尖锐和突变部分,在近红外光谱分析中具有很好的应用前景.     

基于小波包及相关分析的故障选线方法

分析小电流接地系统故障选线的现状及稳态选线方法的优缺点,仔细研究配网单项接地故障特征后研究用暂态电容电流进行选线,判据如下：先将暂态电压信号利用小波包变换进行分解,得到的能量最大值所对应的即为特征频带,再将各零序电流在特征频带逐一分解,将各条线路得到的小波系数组成相关性矩阵,将矩阵中的元素取平均值得到各条线路与其他线路的平均互相关系数,数值最小者对应的为故障线路。判断过程简洁明了,抗干扰能力强,不受中性点接地方式、电网结构等的影响,能够适应小电流接地系统中多种故障模式,并且用MATLAB/WAVELET仿真验证了本判据的可行性和正确性。     

Research on Anti-noise Processing Method of Production Signal Based on Ensemble Empirical Mode Decomposition(EEMD)

The grain production prediction is one of the most important links in precision agriculture. In the process of grain production prediction, mechanical noise caused by the factors of difference in field topography and mechanical vibration will be mixed in the original signal, which undoubtedly will affect the prediction accuracy. Therefore, in order to reduce the influence of vibration noise on the prediction accuracy, an adaptive Ensemble Empirical Mode Decomposition (EEMD) threshold filtering algorithm was applied to the original signal in this paper: the output signal was decomposed into a finite number of Intrinsic Mode Functions (IMF) from high frequency to low frequency by using the Empirical Mode Decomposition (EMD) algorithm which could effectively restrain the mode mixing phenomenon; then the demarcation point of high and low frequency IMF components were determined by Continuous Mean Square Error criterion (CMSE), the high frequency IMF components were denoised by wavelet threshold algorithm, and finally the signal was reconstructed. The algorithm was an improved algorithm based on the commonly used wavelet threshold. The two algorithms were used to denoise the original production signal respectively, the adaptive EEMD threshold filtering algorithm had significant advantages in three denoising performance indexes of signal denoising ratio, root mean square error and smoothness. The five field verification tests showed that the average error of field experiment was 1.994% and the maximum relative error was less than 3%. According to the test results, the relative error of the predicted yield per hectare was 2.97%, which was relative to the actual yield. The test results showed that the algorithm could effectively resist noise and improve the accuracy of prediction.