基于小波变换的改进阈值函数自适应去噪方法

在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。

基于遗传算法的织物印花图案的分割

印花图案分割是印花工艺中一个重要步骤,采用遗传算法优化的二维最大熵法对织物印花图案进行分割,以提高分割速度和精确度。为了消除织物纹理噪音的影响,采用最大熵值法对织物印花图案进行分割。在采用最大熵值法分割时,为了提高在二维直方图空间中最佳阈值的搜索速度,引入了遗传算法。采用遗传算法优化的最大熵阈值法能快速、准确地对织物印花图案进行分割,且分割后图像边缘连续,轮廓清晰。

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测。基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值。实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除。

小波分解在雷达抗速度欺骗干扰中的运用

基于速度波门拖引干扰的信号模型,提出了一种基于小波分解的抗速度波门拖引干扰的方法.通过对目标多普勒回波信号进行小波分解,选取适当的阈值,滤除波门拖引的调频部分,并对回波信号进行小波重构修正,得到消除干扰的回波信号,由此进行运动目标跟踪检测.仿真结果表明,此方法是可行的.

基于HMT模型的图像去噪方法研究

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,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型(HMT)的基础上给出了一种图像去噪新方法。实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。