- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
(小波去噪)
1. 定义
小波分析是近年来发展起来的一种新的信号处理工具,这种方法源于傅立叶分析,小波(wavelet),即小区域的波,仅仅在非常有限的一段区间有非零值,而不是像正弦波和余弦波那样无始无终。小波可以沿时间轴前后平移,也可按比例伸展和压缩以获取低频和高频小波,构造好的小波函数可以用于滤波或压缩信号,从而可以提取出已含噪声信号中的有用信号。
2. 公式描述
设Ψ(t)∈L 2( R) ( L 2( R) 表示平方可积的实数空间,即能量有限的信号空间) ,其傅立叶变换为Ψ(t)。当Ψ(t)满足条件:
时,我们称Ψ(t)为一个基本小波或母小波,将母小波函数Ψ(t)经伸缩和平移后,就可以得到一个小波序列:
其中a为伸缩因子,b为平移因子。
对于任意的函数f(t)∈L 2( R)的连续小波变换为:
其逆变换为:
小波变换的时频窗是可以由伸缩因子a和平移因子b来调节的,平移因子b,可以改变窗口在相平面时间轴上的位置,而伸缩因子b的大小不仅能影响窗口在频率轴上的位置,还能改变窗口的形状。小波变换对不同的频率在时域上的取样步长是可调节的,在低频时,小波变换的时间分辨率较低,频率分辨率较高:在高频时,小波变换的时间分辨率较高,而频率分辨率较低。使用小波变换处理信号时,首先选取适当的小波函数对信号进行分解,其次对分解出的参数进行阈值处理,选取合适的阈值进行分析,最后利用处理后的参数进行逆小波变换,对信号进行重构。
小波去噪实际上是特征提取和低通滤波的综合 ,其流程框图如图所示:
小波分析的重要应用之一就是用于信号消噪 ,一个含噪的一维信号模型可表示为如下形式:
k=0.1…….n-1
其中 ,f( k)为有用信号,s(k)为含噪声信号,e(k)为噪声,ε为噪声系数的标准偏差。
假设e(k)为高斯白噪声,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,下面对 s(k)信号进行如图结构的小波分解,则噪声部分通常包含在Cd1、Cd2、Cd3中,只要对 Cd1,Cd2,Cd3作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的。
3. 仿真代码
F = imread(C:\Users\....\Desktop\0.jpg);
subplot(2,2,1);
imshow(F);
title(原始图像);
noise = 0.1*randn(size(F));
Noise = imadd(F, im2uint8(noise));
subplot(2,2,2);
imshow(Noise);
title(加噪图像);
[thr,sorh,keepapp] = ddencmp(den,wv,im2double(Noise));
Restore = wdencmp(gbl,im2double(Noise),sym2,2,thr,sorh,keepapp); subplot(2,2,3);
imshow(Restore);
title(小波去噪图像);
4. 仿真图像
文档评论(0)