基于GCV理论的小波自适应多阈值图像去噪方法

小波图像去噪是小波应用较成功的一个领域,而其中最重要的一个环节就是最优阈值的确定问题。提出了一种基于小波变换的多阈值图像去噪的改进方法。这种方法是在各分解尺度上的各子带选择不同的最佳阈值,而最佳阈值的选取是基于GCV理论。利用此理论不仅能获得最小均方意义上的渐进最优解,而且不需要知道噪声的先验知识。通过实验证明,这种方法不仅能获得很好的去噪效果,而且由于不需要对噪声进行估计从而减小了计算量。

基于小波多阈值和子带增强的图像去噪

为了在有效降低噪声的同时,尽量保留图像的边缘特征,提出了一种基于小波多阈值和子带增强的图像去噪方法.该方法对最小尺度小波系数采取软阈值方式,将其他小波系数再分解为近似子带和细节子带,依据误差度增强近似子带像素块,同时引入增强因子调节增强幅度;利用局部方差和混合阈值函数对各子带进行阈值处理,保证了图像达到较好的去噪效果.实验表明,与传统阈值方法相比,该方法不仅提高了去噪图像的峰值信噪比,而且较好地保留图像边缘特征,优于常规的阈值方法.

基于小波包理论的激波信号去噪研究

超音速弹丸产生的激波信号在采集的过程中受到各种噪声的严重影响,导致了弹道参数测量精度的下降,因而必须对采集到的信号进行去噪处理。首先介绍了激波信号的特点以及成分,就信号降噪方法的选取展开了分析。但是由于激波信号是一个暂态信号,故而采用具有时频分析能力的小波包作为去噪的主要工具。使用小波理论进行去噪的好坏与阈值的选取息息相关,重点就小波包函数、分解尺度以及阈值的选取过程进行了研究。实验结果表明使用小波包对激波信号进行多阈值降噪处理具有良好的效果和优势。