简介：去除在心电信号采集过程中混入的基线漂移等噪声信号，避免噪声对心电信号特征点的识别和提取造成误判和漏判。利用样条小波小波对心电信号按Mallat算法进行分解，然后小波重构的算法进行去噪。采用MIT-BIH数据库中的心电信号进行仿真、验证，有效去除了噪声信号。此方法实时性好，为临床分析与诊断奠定了基础。

简介：摘要图像在形成、传输、接收和处理的过程中，不可避免地受到噪声的影响，从而影响了图像的视觉效果及后续的图像处理过程。本文详细论述了基于噪声检测的图像去噪算法。

简介：邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。

简介：“噪”是口字旁，因此与虫或鸟的烦乱鸣叫有关，比如有“蝉噪”、“鹊噪”、“群鸦乱噪”等说法。“噪音”则是指刀刮玻璃、车轮轰鸣、飞机声浪等嘈杂刺耳的声响。

简介：摘 要

简介：本文针对NLM图像去噪算法可并行化计算的特点，在CUDA平台下对其进行加速，达到了实时的效果。

简介：噪声处理是数字图像处理中的重要环节。文中介绍了常见的图像噪声，讨论了均值滤波、中值滤波、罐纳滤波三种用于图像去噪的典型算法，并进行了分析比较，最后得出了三种方法各自的适用性特点。

简介：提出基于二维小波变换的指纹去噪方法,实现了对指纹采集过程中出现的噪声的有效去除,给指纹的识别和确认提供有利的帮助。

简介：改进了基于最优小波包基的信号去噪算法，该算法以小波包分析为基础，根据最小代价原理搜索信号分解的最优基，然后对高频和低频系数采用不同的阈值算法进行量化，用量化后的系数重构得到去噪后的信号．

简介：提出了去噪效果评估的一个新的数值客观标准算法,该评估方法不依赖于现实中不可知的标准图像,通过实验可以看出该标准具有很大的实用价值.

简介：局部窗的使用广泛应用于图像去噪技术中,不同类型的窗被引入,椭圆方向窗是其中之一。就椭圆方向窗在图像去噪中的作用与常用的方形窗作了对比,得出在去噪过程中,椭圆窗并不占有优势,它与方形窗作用相当,输出图像的峰值信噪比甚至略低于使用方形窗的去噪结果。

简介：为了能够更加有效地恢复受混合高斯和脉冲噪声污染的彩色图像,采用基于四元数的彩色图像整体处理方案,提出了一种彩色图像混合噪声去噪算法.首先,通过一个纯四元数矩阵表征一幅彩色图像;然后,根据高斯噪声和脉冲噪声的不同特性,采用基于四元数方向矢量排序统计的算法检测脉冲噪声位置;最后,将针对高斯噪声的基于四元数最优权值的非局部均值滤波器进行改进以应用于混合噪声图像去噪,在权值计算时不考虑已被检测出的脉冲噪声点.对5幅标准图像的实验结果表明,所提算法的去噪效果优于目前常用的ROR-NLM（robustoutlyingnessratio-nonlocalmeans）算法和最优权值混合滤波器。

简介：为了消除噪声对回波信号的影响,文章采用经验模态分解(EMD)方法对回波信号进行去噪。通过实际应用,表明EMD能够有效地抑制回波信号中的噪声,有利于识别出缺陷信号。

简介：针对非局部中值算法中采用指数型核函数作为权重所存在的问题及相似性判断不充分的问题,将高斯核函数与邻域相似性函数相结合得到新的核函数。仿真实验表明,利用该核函数所得权重取中值得到的结果在视觉效果和峰值信噪比和结构相似性方面都有较明显的改善。

简介：摘要

简介：摘要

简介：摘要小波分析理论是一种新兴的信号处理理论，它在时间上和频率上都有很好的局部性，这使得小波分析非常适合于时-频分析，借助时-频局部分析特性，小波分析理论已经成为信号去噪中的一种重要的工具。语音信号作为人们生活交流基础的一部分，在通信过程中噪声成为影响通信质量的最大原因。为解决这一问题，对通信系统中的小波去噪技术进行改进。帮助通信系统能够更好的提高服务质量。

简介：针对图像含有未知噪声类型及统计参数情况下,提出一种使用离散余弦变换的自适应图像去噪算法.该离散余弦变换算法是按照频域和空域估计噪声局部方差的特性来识别图像的同质和异质区域.通过对标准图像库和实际采集图像进行实验,结果表明：该去噪算法在图像同质和异质区域能更好地抑制噪声,有效地保护纹理、边缘及细节部分,在去噪性能上优于现有图像去噪算法.

简介：摘要:

简介：该研究利用非下采样Contourlet变换的平移不变性和多方向选择性，考虑变换域内子带系数尺度间和尺度内的双重相关性，自适应地调节双变量模型下子带系数的收缩量，使子带系数的收缩量与子带含有图像细节内容的多少成比例．仿真结果表明，与仅考虑子带系数尺度间相关性的去噪算法相比，该算法在去除噪声的同时能有效保持原图像中的细节和纹理信息，改善恢复图像的主观视觉效果，提高恢复图像的PSNR值．