小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

非高斯非平稳背景噪声中的信号检测方法

在非平稳非高斯背景噪声下,使用经典信号检测理论对信号进行检测往往难以达到理想的效果。文中利用小波包变换,通过将信号及噪声变换到小波包系数域,使得噪声在某些尺度及子空间上的小波包系数成为近似乎稳高斯噪声,从而运用信息融合的思想和经典信号检测理论的分集检测方法,对非平稳非高斯噪声下的确知信号检测问题提出了一种新的检测算法。仿真实验表明该方法是经典信号检测理论的有效推广。     

一种小波包去噪自适应阈值算法

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理 ,可以有效地抑制噪声,很好地重构信号.运用统计信号处理的理论,提出了一种确定小波包分解系数自适应阈值的方法.结果证明,这种方法具有良好的去噪效果.     

基于改进小波变换方法的混沌信号去噪研究

针对混沌信号和噪声频谱互相重叠,传统方法难以实现有效滤波这一问题,提出一种改进的小波去噪方法.该方法采用参数加权法构造信号,将小波分解系数进行阈值处理,通过循环迭代,利用序列中包含的有效信息,将有用信号提取出来.仿真结果表明,利用改进小波变换去噪方法改善了混沌时间序列的预测结果,证明了该方法的有效性.     

应用小波变换检测噪声中的信号

研究了基于小波变换的信号检测问题,提出了多分辨似然比的概述,表明对检测问题存在一些特定的时频空间,在其中信号的大部分能量得到保存,而噪声能量很快减少,因此应用小波变换,通过对特定的时频空间的似然比分析较容易判断噪声是否存在信号。     

野外植物波谱中噪声分布规律研究

基于空间相关算法和小波方差估计法,进行了噪声检测.实验表明,野外波谱噪声总体方差数量级介于10-2～10.之间,在350～1 300 nm.野外波谱曲线的噪声方差略高于JPL光谱库中的Conifers,1450 nm和1800 nm附近则噪声相当显著.野外波谱曲线的小波系数能量分布与加性仿真信号不同.在1450 nm和1800 nm附近,噪声在高分解尺度上表现为尖锐毛刺的减少,噪声能量减弱同时在这2个区段的信号总体能量逐渐增大,证明有波谱特征信号存在.野外波谱数据中这种尖锐噪声与2个污噪信号相除得到的复合信号表现出相似的特征,其能量传播特征也相似.     

基于小波分析的车轮六分力信号的去噪研究

介绍了利用小波分析去噪的原理,分析了小波变换模极大值法、小波系数尺度相关法和阈值法3种信号处理方法的特点,详述了利用阈值法处理信号时选择小波基、确定分解层、阈值处理和信号重构的方法。利用Matlab的小波分析工具箱对车轮纵向力信号进行去噪分析应用,结果表明:小波分析能很好的区分信号里的突变信号与多余的噪声,通过小波重构得到去噪后的车轮分向力突变的信号。本设计具有一定的应用价值。     

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

基于噪声强度估计的中值滤波

为了提高中值滤波器的滤波性能和适应不同强度的椒盐噪声,提出了基于噪声强度估计的中值滤除算法.该算法通过椒盐噪声密度估计确定图像中的噪声强度的大小,然后根据噪声强度选择相应的滤波器及参数.计算机仿真实验结果表明:该算法能对未知噪声强度的退化图像在较短的时间内有效地去除噪声的同时,较好地保护图像细节.