小波去噪

Posted wxl845235800

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了小波去噪相关的知识,希望对你有一定的参考价值。

 

 

在实际的工程应用中,所分析的信号可能包含许多尖峰或突变部分,并且噪声也不是平稳的白噪声。

对这种信号的降噪处理,用传统的傅立叶变换分析,显得无能为力,因为它不能给出信号在某个时间点上的变化情况。

通常情况下有用信号表现为低频部分或是一些比较平稳的信号,而噪声信号则表现为高频的信号。

 

处理 小波系数!

三个基本的步骤:

(1)对含噪声信号进行小波变换;

(2)对变换得到的小波系数进行某种处理,以去除其中包含的噪声;

(3)对处理后的小波系数进行小波逆变换,得到去噪后的信号。

小波去噪方法的不同之处集中在第一步。

 

信号映射到小波域,根据噪声和噪声的小波系数在不同尺度上具有不同的性质和机理,对含噪信号的小波系数进行处理。

减少剔除噪声产生的小波系数,最大限度的保留真实信号的系数。

 小波去噪实现步骤

(1)二维信号的小波分解。选择一个小波和小波分解的层次N,然后计算信号s到第N层的分解。

(2)对高频系数进行阈值量化。对于从1~N的每一层,选择一个阈值,并对这一层的高频系数进行软阈值量化处理。

(3)二维小波重构。根据小波分解的第N层的低频系数和经过修改的从第一层到第N的各层高频系数,计算二维信号的小波重构。

 图像去噪:小波变换法_席光荣_新浪博客 http://blog.sina.com.cn/s/blog_165027efc0102xazm.html

小波去噪Matlab程序如下:

clc
clear all
%读取图像
X=imread(lena.jpg);
X_gray=rgb2gray(X);
subplot(221);
image(X_gray);
imshow(X_gray);
title(原始图像);
%生成含有噪声的图像并显示
init=2055615866;
randn(seed,init);
X_gray=double(X_gray);
%添加随机噪声
X_noise=X_gray+8*randn(size(X_gray));
subplot(222);
imshow(uint8(X_noise));
title(含噪图像);
%用小波函数coif2对图像进行两层分解
[c l]=wavedec2(X_noise,2,coif2);
n=[1,2];
% 设置阈值向量,对高频小波系数进行阈值处理
p=[10.28,24.08];
nc=wthcoef2(h,c,l,n,p,s);
% 图像的二维小波重构
X1=waverec2(nc,l,coif2);
subplot(223);
imshow(uint8(X1));
title(第一次消噪声后的图像);
mc=wthcoef2(v,nc,l,n,p,s);
% 图像的二维小波重构
X2=waverec2(mc,l,coif2);
subplot(224);
imshow(uint8(X2));
title(第二次消噪声后的图像);

 技术分享图片

 

小波图像去噪及matlab实例 - CSDN博客 https://blog.csdn.net/mingtian715/article/details/60873875

小波去噪DWT - CSDN博客 https://blog.csdn.net/study_000/article/details/71077254

 

以上是关于小波去噪的主要内容,如果未能解决你的问题,请参考以下文章

用matlab中工具箱进行小波去噪步骤

小波去噪

毕业设计/Matlab系列一维加噪信号的小波去噪matlab实现(不采用matlab工具箱)

小波去噪的基本知识

基于MATLAB的小波去噪

地震波滤波保边滤波傅氏变换干扰波去噪滤波基于小波分解和重建的干扰波去噪基于维纳滤波的去噪中值滤波视速度滤波