遥感图像椒盐噪声PDE扩散模型

文中首先对方向扩散模型和自蛇模型进行了分析和讨论,在此基础上提出一种去除遥感图像椒盐噪声的PDE扩散模型.该模型通过引入基于ENI的引导扩散函数,自适应的调整模型在遥感图像不同区域的平滑力度,克服了方向扩散模型容易模糊和丢失奇异点,自蛇模型去除椒盐噪声不彻底和容易丢失纹理细节的不足,在有效去除遥感图像椒盐噪声的同时,很好的保持了图像边缘和纹理细节信息.实验结果验证了所提模型的有效性和稳定性.     

基于小波变换的图像阈值去噪法

图像去噪是图像处理领域中的重要研究方向之一。小波变换具有选基灵活和多分辨率特性等,能清晰图像,因此在图像去噪中获得了广泛的应用。当含噪图像经过小波变换后,图像和噪声在不同的分辨率下呈现出不同规律,设定阈值门限,接着调整小波系数,最终达到去噪的目的。在硬软阈值去噪法的基础上提出新算法,并且利用Matlab进行仿真,实验结果表明新算法的峰值信噪比较高,具有较好的去噪效果。     

一种改进的地震波信号去噪方法

从复杂地震波背景中提取单频信号问题出发,分析比较了经典的傅里叶变换滤波和传统小波变换去噪方法的局限性。根据地震波环境噪声不会突变的特点,采用震源发射信号的前几秒种所采集的噪声样本作为整个信号处理过程中的噪声信号。采用小波包变换去噪方法,先分别获取噪声系数和信号加噪声系数,然后从总系数中减去噪声系数,得到信号的系数,再根据这组系数对信号进行重构,获得很好的去噪结果。将此方法应用于落重产生的地震波信号的提取中,为后续地震波信息的利用提供了基础。     

一种基于小波域的中值滤波去噪法

根据脉冲噪声和高斯噪声在小波变换下的不同特点,结合中值滤波,在小波域内对高频子带图像进行中值滤波.仿真结果表明,此算法不仅能滤除图像中的脉冲噪声和高斯噪声,且能较好的保留图像的边缘细节,可获得较好的去噪效果.     

数字图像的小波去噪方法研究

由于外来信号的干扰,大多图像都含有不同程度的噪声。为了更好地对图像进行分析,就必须在图像预处理中减小这些噪声。图像去噪正是在保留图像原有重要信息（边缘等）的前提下降低或消除噪声。该文介绍了小波变换的基本理论,对以小波为工具的数字图像去噪方法进行了探索,同时选取不同小波基函数对多幅标准图像开展了大量仿真实验,并对小波基函数的选取以及软硬阈值去噪等相关问题进行了研究,得到了最优基的选择应根据图像自身的特征来确定等有意义的结论。     

超声信号在不同阈值下小波去噪结果的比较

基于小波变换的去噪理论对纳米固体AIP/SiO2中激光超声信号进行了去噪处理。根据信号的波形特点选取了小波函数。给出了不同阈值下的去噪结果。结果表明采用heursure阈值去噪有利于提取超声回波波形。     

小波萎缩法去噪

通过利用软、硬阈值函数和比例萎缩LAWML法对高斯白噪声去噪比较研究,数值算例表明软阈值函数去噪效果最好,而且其效果与小波变换分解层有关。     

基于强干扰的地震信号小波去噪与震源识别研究

为了更好地识别强干扰下的地震信号,介绍了一种改进的小波阈值去噪法对天然地震信号和人工爆破信号去噪.去噪后的信号经过经验模态分解之后,取第一个IMF分量.经过希尔伯特黄变换之后提取HHT谱幅比特征和自相关函数的均值特征,利用支持向量机建立天然地震和人工爆破的模型.在利用建立的模型识别已知的震源类型,判断改进的去噪法对震源类型识别的效果.实验结果表明:去噪法改进之后,对天然地震和人工爆破的识别率有显著的提高.     

基于脊波变换的地震信号去噪方法

Ridgelet变换是信号的一种新的多尺度表示方法,它特别适合于具有线奇异性的二维信号的描述.将小波的自适应阈值去噪方法扩展到Ridgelet域中,应用Ridgelet变换,采用自适应阈值对地震信号进行去噪处理.教值实验结果表明,Ridgelet变换在地震信号去噪方面优于小波变换.     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

小波变换应用于信号去噪研究

分析了小波变换的基本原理,分别对小波分解与重构法去噪法、非线性小波变换阈值法去噪法以及小波变换模极大值去噪法的原理进行了阐述,并比较了这几种小波去噪方法的优缺点,通过计算机仿真结果表明有效可行.     

浅析基于小波和EMD的语音信号去噪

针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较.试验结果证明,当信号的信噪比较小时,基于经验模态分解的小渡阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段.     

小波分析在遥感图像融合中的模型研究

以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级融合为例，详细地总结了小波分析在卫星多源遥感图像融合领域的融合模型及其优缺点，重点分析了各种常见小波变换融合方法的原理和应用条件，并归纳了用小波变换融合图像的基本步骤及其结果的主客观评价标准，最后讨论了小波分析在像素级融合目前存在的问题和结论。     

使用不同频率域残差和K-SVD模型的图像消噪方法

图像消噪前后的残差信息包含图像的高频信息。为了提高消噪图像的质量,在轮廓波变换域内,根据噪声图像及其K-SVD消噪后不同频率子带图像的残差信息,对残差子图像块再次进行K-SVD消噪,并将其结果与消噪图像的子带图像进行融合,得到包含残差信息的消噪子带图像,最后通过轮廓波逆变换得到消噪图像。仿真实验结果证明了所提出的基于不同频率子带内残差信息和K-SVD的图像消噪方法优于轮廓波变换和K-SVD模型,具有较好的消噪性能。     

小波理论在遥感图像处理中的应用

介绍了小波变换理论,分析了小波变换在遥感图像压缩、图像去噪、图像融合等方面的主要应用。随着小波理论的进一步发展,其必将在遥感领域发挥更重要的作用。     

基于形态分量分析的心电信号去噪

针对心电信号(ECG)采集过程中常受到白噪声干扰的情况,提出了一种基于多种基函数的形态分量分析(MCA)去噪方法。MCA利用信号组成成分的形态差异性通过超完备字典对其进行稀释表示,使得各形态成分得到有效分离。根据ECG特征波形的形态差异性,选用离散余弦变换字典来稀疏表示心电信号中的平滑成分(如P波),选用非抽样小波变换字典来稀疏表示心电信号中的突变成分(如QRS波群),同时滤除高频噪声成分。对MIT-BIH心率失常数据库中的样本进行仿真实验。结果表明,该方法去噪效果优于小波消噪法,不仅可以有效地抑制心电信号中的白噪声干扰,还能较好地保留ECG特征波形。     

基于二维小波变换的指纹去噪

提出基于二维小波变换的指纹去噪方法,实现了对指纹采集过程中出现的噪声的有效去除,给指纹的识别和确认提供有利的帮助。     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法.该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声.仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多.     

基于最优小波包基的信号去噪方法研究

改进了基于最优小波包基的信号去噪算法,该算法以小波包分析为基础,根据最小代价原理搜索信号分解的最优基,然后对高频和低频系数采用不同的阈值算法进行量化,用量化后的系数重构得到去噪后的信号．     

基于噪声估计与引导的低剂量CT图像盲去噪方法

提出了一种基于噪声特征估计与引导的低剂量CT盲去噪方法.首先,采用有监督特征学习的方式对输入图像的辐射剂量进行等级评估,并估计出图像潜在的噪声特征图.其次,提出了一种基于噪声引导的低剂量CT图像盲去噪模型,通过显性噪声特征引导的方式将噪声特征与原始图像进行融合,并采用残差编码-解码卷积神经网络实现CT图像噪声去除.实验结果表明,在真实数据集上噪声估计网络及特征融合网络能够大幅提升去噪网络的性能,并且在未知剂量CT图像去噪任务上取得了较好的去噪效果.