空域相关滤波算法.ppt

小波分析在信号去噪中的应用 郭欣仪 1015202034 马凌 1015202045 OUTLINE 背景介绍 小波变换 算法讲解 MATLAB仿真 1. 背景介绍 Fourier VS Wavelet Fourier Transform： 信噪比与空间分辨率不可兼得 Wavelet Transform： 去噪明显、分辨率损失少、边缘锐化 均值滤波（n=4） 原图 均值滤波（n=15） (a) (b) (c) 1. 背景介绍 Signal VS Noise 信号的小波系数在各尺度上有较强的相关性； 噪声的小波系数在尺度间没有明显的相关性； 信号突变点在不同尺度同一位置有较大的峰值； 但噪声能量随尺度的增加而衰减。 2. 小波变换 小波变换： 取 ： 小波变换： 信号重构： 3. 算法 2、相关性计算 取l=2： 1、小波变换 3. 算法 3、功率调整 调整Corr(1,n)使得其平均功率与W(1,n)相等： 4、逐点比较 边界判定：|Corr(1,n)||W(1,n)| 相应位置元素置零: Corr’(1,n) W’(1,n) 滤波器设置 循环判定：Power(W’(1,n))Th， 3. 算法 5、逐一完成每个尺度的计算 Matlab仿真： 4.MATLAB仿真 模仿文献中的信号，改用墨西哥帽小波进行滤波 Matlab仿真： 4.MATLAB仿真 尺度分解（滤波前） Matlab仿真： 4.MATLAB仿真 尺度分解（滤波后） Matlab仿真： 4.MATLAB仿真 信号重构 平稳变化信号滤波： 4.MATLAB仿真 平稳变化信号滤波： 4.MATLAB仿真 低通滤波器可以滤除噪声但会使边缘模糊，高通滤波器使边缘锐化，能够提高空间分辨率，但是给噪声背景提供了一定增益。多幅图像取平均的方法可以有效减弱噪声影响，但增加图像数量就会增加计算时间， * 小波系数在各尺度上有较强的相关性，尤其是在信号的边缘附近，其相关性更加明显，而噪声对于的小波系数在尺度间却没有这种明显的相关性。 信号的突变点在不同尺度的同一位置都有较大的峰值出现，但噪声能量随尺度的增加而衰减。 图中信号为附有正态白噪声的仿真信号，信噪比为18dB. * 由于信号突变部分的宽度随尺度的增加而增大，而相邻的突变点在粗尺度上将会相互影响，一般取l=2，即尺度m上位置n处的相关系数为 * 由于信号突变部分的宽度随尺度的增加而增大，而相邻的突变点在粗尺度上将会相互影响，一般取l=2，即尺度m上位置n处的相关系数为 * 文献中后面有一块对平稳变化信号进行滤波的内容，此两幅图为用墨西哥帽小波处理的结果 * 低通滤波器可以滤除噪声但会使边缘模糊，高通滤波器使边缘锐化，能够提高空间分辨率，但是给噪声背景提供了一定增益。多幅图像取平均的方法可以有效减弱噪声影响，但增加图像数量就会增加计算时间， * 小波系数在各尺度上有较强的相关性，尤其是在信号的边缘附近，其相关性更加明显，而噪声对于的小波系数在尺度间却没有这种明显的相关性。 信号的突变点在不同尺度的同一位置都有较大的峰值出现，但噪声能量随尺度的增加而衰减。 图中信号为附有正态白噪声的仿真信号，信噪比为18dB. * 由于信号突变部分的宽度随尺度的增加而增大，而相邻的突变点在粗尺度上将会相互影响，一般取l=2，即尺度m上位置n处的相关系数为 * 由于信号突变部分的宽度随尺度的增加而增大，而相邻的突变点在粗尺度上将会相互影响，一般取l=2，即尺度m上位置n处的相关系数为 * 文献中后面有一块对平稳变化信号进行滤波的内容，此两幅图为用墨西哥帽小波处理的结果 *