CN102818629A - 基于平稳小波变换的微型光谱仪信号去噪方法 - Google Patents
基于平稳小波变换的微型光谱仪信号去噪方法 Download PDFInfo
- Publication number
- CN102818629A CN102818629A CN2012101383878A CN201210138387A CN102818629A CN 102818629 A CN102818629 A CN 102818629A CN 2012101383878 A CN2012101383878 A CN 2012101383878A CN 201210138387 A CN201210138387 A CN 201210138387A CN 102818629 A CN102818629 A CN 102818629A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- threshold
- signal
- coefficient
- micro
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Complex Calculations (AREA)
Abstract
本发明涉及信号处理,旨在提供基于平稳小波变换的微型光谱仪信号去噪方法。包括:对微型光谱仪产生的光谱信号进行平稳小波分解处理,获得光谱信号的平稳小波的细节系数和近似系数;采用软阈值函数及多分辨率启发式阈值选取规则的方法,对细节系数进行变换处理以去除噪声,并保存为新的平稳小波细节系数;利用新的细节系数和此前的近似系数进行平稳小波逆变换处理,获得去噪后的微型光谱仪光谱信号。本发明具有平移不变性,能有效抑制Gibbs震荡现象,保证信号的真实性,对于线状谱信号不会出现伪尖峰,去噪后光谱信号几何特征和原始信号一样;比其他阈值选取方式能获得更高的信噪比,对于连续光谱信号和线状光谱信号都能获得很好的去噪效果。
Description
技术领域
本发明属于信号处理及仪表仪器领域,特别涉及微型光谱仪光谱信号处理领域,具体是指一种基于平稳小波变换的光谱信号阈值处理方法。
背景技术
随着微电子技术和微加工技术的发展,微型光谱仪的应用越来越广泛,包括航空、农业、食品、医学、化学等领域。然而,实际测得光谱信号常常伴随噪声的干扰,光谱信号的噪声中包含CCD本身的随机噪声、像素感光度不均匀带来的噪声、A/D转换带来的量化噪声,噪声类型为白噪声。因此,必须对实测光谱信号进行消噪处理,以使噪声对有用光谱信号的影响降低到最小。
均值滤波是最简单的信号处理方法,算法实现简单,但只适用于静态或低动态情况,且容易造成光谱信号失真。傅里叶变换是信号处理领域常用的处理方法,但其不能将信号时域特征和频域特征有机结合起来,通过傅里叶变换虽然能了解到有多少频率成分存在于信号中,但不能知道这些频率成分是什么时候出现,因此和傅里叶变换相关的噪声处理方式得到的效果总是不尽人意。
小波变换是近年来新兴的一种信号处理方法,其提供了信号的时-频复合表示,明显解决了傅里叶变换的弊端,具有良好的低熵性、多分辨率、去相关性和选基灵活性的特点,并且能更准确的得到信号上特定点的奇异性信息。信号和噪声在小波变换下表现出截然不同的性质,所以小波变换能在小波域很好地实现信噪分离,更成功的用于信号处理、图像处理领域。
因传统小波不具有平移不变性,致使阈值量化的去噪方法具有一定的局限性,在非连续点区域容易产生Gibbs震荡现象,造成光谱信号失真,破坏光谱信号几何特征。平稳小波变换是一种非正交小波变换,利用一维离散平稳小波变换对光谱信号去噪既可以利用小波变换的优点,又可以克服正交小波变换的缺点,保持光谱信号几何特征,且对于静态、动态信号均适用。
发明内容
本发明要解决的技术问题是,克服现有技术中的不足,提供一种基于平稳小波变换的微型光谱仪信号去噪方法,解决微型光谱仪光谱信号含有噪声的问题。该方法通过选取软阈值函数,Heuristic SURE(多分辨率启发式算法)阈值选取规则确定光谱信号去噪的自适应阈值。去噪后光谱信号仍保持原始信号的几何特征,不产生Gibbs震荡现象,提高了微型光谱仪光谱信号输出精度。
为解决技术问题,本发明的解决方案是:
提供一种基于平稳小波变换的微型光谱仪光谱信号去噪方法,包括以下步骤:
(1)对微型光谱仪产生的光谱信号进行平稳小波分解处理,获得光谱信号的平稳小波的细节系数dj[n]和近似系数aj[n];
(2)采用软阈值函数及多分辨率启发式阈值选取规则的方法,对步骤(1)所得的细节系数进行变换处理以去除噪声,并保存为新的平稳小波细节系数;
(3)利用新的细节系数和步骤(1)所得的近似系数进行平稳小波逆变换处理,获得去噪后的微型光谱仪光谱信号。
本发明中,所述步骤(1)包括以下步骤:
(a)选用symlet5小波基作为平稳小波变换的小波基;
(b)采用a′trous算法对光谱信号进行5层平稳小波分解,获得平稳小波的近似系数aj[n]和细节系数dj[n]。
本发明中,所述步骤(2)包括以下步骤:
(a)选取软阈值函数作为阈值处理函数,软阈值函数定义如下:
式中,x代表平稳小波变换细节系数,T为阈值,dm阈值估计子,即阈值函数;
(b)根据多分辨率启发式阈值选取规则确定阈值,令
在μ<v时采用Sqtwolog阈值选取方式,否则采用Rigorous SURE阈值选取方式;其中,Sqtwolog阈值选取方式为
式中,σ=median(W1,k,0≤k≤2J-1-1)/0.6745,分子部分表示对分解出的第一级小波系数取绝对值后再取中值,J为小波分解的尺度边界,N为对应尺度上的小波系数个数。
Rigorous SURE阈值选取方式是基于Stein的无偏似然估计的自适应阈值选取方法,具体为:设X为一向量,元素为平稳小波系数的平方按由大到小的顺序排列,n表示平稳小波系数的数目,X=[x1,x2,…,xn],且x1≤x2≤…xn;取这种阈值的风险为:
其中i=1,2,…,n,设rm为风险集合元素中的最小值,由此推出相对应小波变换系数xm,则
本发明中,所述步骤(3)中利用如下的反变换式进行平稳小波逆变换:
相对于现有技术,本发明有益效果在于:
1.采用平稳小波变换,具有平移不变性,能有效抑制Gibbs震荡现象,保证信号的真实性,对于线状谱信号不会出现伪尖峰,去噪后光谱信号几何特征和原始信号一样。
2.采用Heuristic SURE多分辨率启发式阈值方式处理平稳小波变换细节系数,比其他阈值选取方式能获得更高的信噪比,对于连续光谱信号和线状光谱信号都能获得很好的去噪效果。
附图说明
图1为本发明的一种基于平稳小波变换微型光谱仪光谱信号去噪方法的总体框图;
图2为传统离散小波变换分解程;
图3为传统平稳小波变换分解过程;
图4为微型光谱仪汞氩灯含噪线状谱图像;
图5为用本发明方法去噪后得到的汞氩灯线状谱;
图6为微型光谱仪汞氩灯含噪连续谱图像;
图7为用本发明方法去噪后得到的汞氩灯连续谱。
具体实施方式
本发明实现过程可简要概括为:
1.选取适当的小波基,本发明中采用Symlet5小波基。
2.选择进行平稳小波分解的层数N,本发明中N=5。
3.用所选取的小波基和分解层数对含噪光谱信号进行平稳小波变换,得到光谱信号平稳小波变换的近似系数和细节系数。
4.利用软阈值函数和Heuristic SURE阈值选取规则确定平稳小波去噪阈值。
5.用4步中确定的阈值处理方式对3步中获得的光谱信号细节平稳小波系数进行处理,并保存新的细节系数。
6.用5步中获得的阈值处理后新的细节系数和3步中获得的近似系数进行平稳小波逆变换。
本发明将启发式阈值算法和平稳小波变换结合起来,通过对各层变换后的平稳小波细节系数进行阈值选取,再经平稳小波逆变换重构光谱信号达到去噪的目的。
下面结合附图对本发明作进一步的详细说明。
本发明提出一种基于平稳小波变换的微型光谱仪光谱信号去噪方法。该方法通过平稳小波变换获得光谱信号的细节系数和近似系数,通过软阈值函数、Heuristic SURE阈值处理规则确定平稳小波收缩阈值,并对光谱信号的细节系数进行处理,重构新的细节系数和近似系数获得去噪后的微型光谱仪光谱信号。该方法不仅去除了线状谱基线噪声和平滑了连续谱,还能保持信号的几何特征,不造成光谱信号失真。
图1为本发明的一种基于平稳小波变换微型光谱仪光谱信号去噪方法的总体框图。
1.进行平稳小波变换:
平稳小波变换是一种非正交的小波变换。对于正交小波变换来说,简单的低通滤波得到的采样虽然去除了高频成分,但损失了信号的采样量,信号的分辨率下降,只能在下采样后将尺度因子加倍来保证小波变换的可逆性。假设aj[n]表示正交小波第j层变换后的低频系数,dj[n]表示正交小波第j层变换后的高频系数,正交小波变换分解过程如图2所示,aj+1和dj+1是由aj分别和,做卷积然后每隔一项做采样得到,然后用和逐次滤波,再做因子为2的下采样,滤波器将内积序列aj的高频去掉,而收集余下的高频系数.正交小波重构信号时采用在aj+1和dj+1的样本之间插入零滤波的方法。
平稳小波变换不进行下采样操作,具有平移不变性。每次平稳小波变换低频信号和高频信号长度均与原始信号长度相同,分辨率不会下降,进而能够保持信号的几何特征。因为下采样被取消,高通和低通滤波器必须在每一层的滤波器系数中做插值补零操作,也被称作a′trous算法。
2.对变换获得的细节系数dj[n]进行阈值处理:
选取Donoho和Johnstone提出的软取阈值估计子
作为阈值函数。
选取多分辨率启发式阈值Heuristic SURE作为阈值选取规则。
Heursure SURE被称为多分辨率启发式阈值选取方式,所选择的是最优预测变量阈值,其是Sqtwolog阈值选取方式和Rigorous SURE阈值选取方式的结合,令
在μ<v时采用Sqtwolog阈值选取方式,否则采用Rigorous SURE阈值选取方式。
(1)Sqtwolog阈值
选取算法令
σ=median(W1,k,0≤k≤2J-1-1)/0.6745,分子部分表示对分解出的第一级小波系数取绝对值后再取中值,J为小波分解的尺度边界,N为对应尺度上的小波系数个数。
(2)Rigorous SURE
Rigorous SURE是基于Stein的无偏似然估计的自适应阈值选取方法.给定一个阈值T,得到其似然估计,再将非似然的T最小化,即得到所选的阈值.设X为一向量,元素为平稳小波系数的平方按由大到小的顺序排列,n表示平稳小波系数的数目,X=[x1,x2,…,xn],且x1≤x2≤…≤xn.取这种阈值的风险为:
其中i=1,2,…,n,设rm为风险集合元素中的最小值,由此推出相对应小波变换系数xm,则
3.用阈值处理后的细节系数和近似系数重构微型光谱仪光谱信号数据。
平稳小波反变换式为:
4.用信噪比和均方根误差评估去噪结果
用信噪比SNR和均方误差MSE作为评价函数,信噪比SNR
均方误差MSE
式中yi表示原始标准信号,xi表示去噪后信号,从公式可以看出,SNR越大,MSE越小,去噪后信号越接近于真实信号。
基于传统小波变换和平稳小波变换阈值方法对微型光谱仪汞氩灯连续光谱信号数据处理后的信噪比和均方误差如表1所示。
表1传统小波变换和平稳小波变换去噪效果比较
小变换类型 | SNR | MSE |
传统小波变换 | 30.064 | 8.105 |
平稳小波变换 | 34.000 | 3.274 |
图4为真实的微型光谱仪含噪线状谱信号(汞氩灯的连续谱和线状谱),图5为用本发明方法处理后的微型光谱仪线状谱信号。经对比,本发明采用的方法能良好的去处掉线状谱基线噪声,且不会产生Gibbs震荡现象,不造成信号失真。图6为真实的微型光谱仪连续谱信号,图7为用本发明方法去噪后的连续谱信号,可以看出,本发明的方法对连续谱具有很好的平滑作用。
Claims (4)
1.一种基于平稳小波变换的微型光谱仪光谱信号去噪方法,其特征在于,包括以下步骤:
(1)对微型光谱仪产生的光谱信号进行平稳小波分解处理,获得光谱信号的平稳小波的细节系数dj[n]和近似系数aj[n];
(2)采用软阈值函数及多分辨率启发式阈值选取规则的方法,对步骤(1)所得的细节系数进行变换处理以去除噪声,并保存为新的平稳小波细节系数;
(3)利用新的细节系数和步骤(1)所得的近似系数进行平稳小波逆变换处理,获得去噪后的微型光谱仪光谱信号。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)包括以下步骤:
(a)选用symlet5小波基作为平稳小波变换的小波基;
(b)采用a′trous算法对光谱信号进行5层平稳小波分解,获得平稳小波的近似系数aj[n]和细节系数dj[n]。
3.根据权利要求1所述的方法,其特征在于,所述步骤(2)包括以下步骤:
(a)选取软阈值函数作为阈值处理函数,软阈值函数定义如下:
式中,x代表平稳小波变换细节系数,T为阈值,dm为阈值估计子,即阈值函数;
(b)根据多分辨率启发式阈值选取规则确定阈值,令
在μ<v时采用Sqtwolog阈值选取方式,否则采用Rigorous SURE阈值选取方式,上式中xi为信号值,N为信号长度;其中
Sqtwolog阈值选取方式为
式中,σ=median(W1,k,0≤k≤2J-1-1)/0.6745,分子部分表示对分解出的第一级小波系数取绝对值后再取中值,J为小波分解的尺度边界,N为对应尺度上的小波系数个数;
Rigorous SURE阈值选取方式是基于Stein的无偏似然估计的自适应阈值选取方法,具体为:设X为一向量,元素为平稳小波系数的平方按由大到小的顺序排列,n表示平稳小波系数的数目,X=[x1,x2,…,xn],且x1≤x2≤…xn;取这种阈值的风险为:
其中i=1,2,…,n,设rm为风险集合元素中的最小值,由此推出相对应小波变换系数xm,则
式中,σ和sqtwolog阈值选取方式中σ意义相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101383878A CN102818629A (zh) | 2012-05-04 | 2012-05-04 | 基于平稳小波变换的微型光谱仪信号去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101383878A CN102818629A (zh) | 2012-05-04 | 2012-05-04 | 基于平稳小波变换的微型光谱仪信号去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102818629A true CN102818629A (zh) | 2012-12-12 |
Family
ID=47302889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101383878A Pending CN102818629A (zh) | 2012-05-04 | 2012-05-04 | 基于平稳小波变换的微型光谱仪信号去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102818629A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020136A (zh) * | 2014-06-25 | 2014-09-03 | 中国科学院重庆绿色智能技术研究院 | 小波中值近红外光谱去噪方法和装置 |
CN105004278A (zh) * | 2015-07-10 | 2015-10-28 | 东南大学 | 基于分布传感和小波解析技术的实时基线及去噪处理方法 |
CN105738948A (zh) * | 2016-02-24 | 2016-07-06 | 重庆地质矿产研究院 | 一种基于小波变换的微地震数据降噪方法 |
WO2017148451A1 (zh) * | 2016-03-02 | 2017-09-08 | 深圳竹信科技有限公司 | 一种基于平稳小波变换滤除肌电干扰的方法和系统 |
CN109086547A (zh) * | 2018-08-23 | 2018-12-25 | 华南理工大学 | 一种金属老化等级测量方法 |
CN109188461A (zh) * | 2018-08-31 | 2019-01-11 | 成都盈风智创激光技术有限公司 | 用于测量不同高度风场的机舱式激光测风雷达 |
CN109341855A (zh) * | 2018-10-26 | 2019-02-15 | 中国人民解放军海军工程大学 | 一种基于fbg光谱奇偶分解的精确寻峰方法 |
CN109724693A (zh) * | 2018-12-27 | 2019-05-07 | 南京邮电大学 | 一种基于平稳小波的融合光谱去噪方法 |
CN111198167A (zh) * | 2020-01-06 | 2020-05-26 | 邵阳学院 | 一种溶液金属离子浓度检测方法、终端设备及存储介质 |
CN112014349A (zh) * | 2020-11-02 | 2020-12-01 | 季华实验室 | 太赫兹时域光谱成像复原方法、装置、存储介质及终端 |
CN112766039A (zh) * | 2020-12-22 | 2021-05-07 | 北京航天飞腾装备技术有限责任公司 | 一种基于小波的陀螺滤波降噪方法 |
CN112899692A (zh) * | 2021-01-15 | 2021-06-04 | 福州大学 | 基于平稳小波变换的管道防腐层微小破损点定位方法 |
CN114894043A (zh) * | 2022-03-30 | 2022-08-12 | 北京航天飞腾装备技术有限责任公司 | 一种基于小波包变换的精确制导弹药姿态滤波方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900674A (zh) * | 2010-07-02 | 2010-12-01 | 天津大学 | 一种用于二氧化碳浓度检测信号静噪的小波滤波方法 |
-
2012
- 2012-05-04 CN CN2012101383878A patent/CN102818629A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900674A (zh) * | 2010-07-02 | 2010-12-01 | 天津大学 | 一种用于二氧化碳浓度检测信号静噪的小波滤波方法 |
Non-Patent Citations (5)
Title |
---|
XU ZHE、ZHANG DI: "De-noising of spectral signal based on stationary wavelet transform", 《ELECTRIC INFORMATION AND CONTROL ENGINEERING, 2011 INTERNATIONAL CONFERENCE》, 30 April 2011 (2011-04-30), pages 3098 - 3011 * |
吕瑞兰等: "采用不同小波母函数的阈值去噪方法性能分析", 《光谱学与光谱分析》, vol. 24, no. 7, 31 July 2004 (2004-07-31), pages 826 - 829 * |
张峰等: "一种新的基于平稳小波变换的红外焦平面非均匀性校正技术", 《光子学报》, vol. 38, no. 8, 31 August 2009 (2009-08-31), pages 2135 - 2138 * |
张贺龙等: "基于小麦近红外漫反射光谱的小波阈值去噪方法研究", 《长春理工大学学报(自然科学版)》, vol. 33, no. 4, 31 December 2010 (2010-12-31), pages 46 - 49 * |
方勇华等: "应用小波变换实现光谱的噪声去除和基线校正", 《光学精密工程》, vol. 14, no. 6, 31 December 2006 (2006-12-31), pages 1088 - 1092 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020136A (zh) * | 2014-06-25 | 2014-09-03 | 中国科学院重庆绿色智能技术研究院 | 小波中值近红外光谱去噪方法和装置 |
CN104020136B (zh) * | 2014-06-25 | 2016-08-31 | 中国科学院重庆绿色智能技术研究院 | 小波中值近红外光谱去噪方法和装置 |
CN105004278A (zh) * | 2015-07-10 | 2015-10-28 | 东南大学 | 基于分布传感和小波解析技术的实时基线及去噪处理方法 |
CN105004278B (zh) * | 2015-07-10 | 2018-03-16 | 东南大学 | 基于分布传感和小波解析技术的实时基线及去噪处理方法 |
CN105738948A (zh) * | 2016-02-24 | 2016-07-06 | 重庆地质矿产研究院 | 一种基于小波变换的微地震数据降噪方法 |
CN105738948B (zh) * | 2016-02-24 | 2018-03-23 | 重庆地质矿产研究院 | 一种基于小波变换的微地震数据降噪方法 |
WO2017148451A1 (zh) * | 2016-03-02 | 2017-09-08 | 深圳竹信科技有限公司 | 一种基于平稳小波变换滤除肌电干扰的方法和系统 |
CN109086547A (zh) * | 2018-08-23 | 2018-12-25 | 华南理工大学 | 一种金属老化等级测量方法 |
CN109188461A (zh) * | 2018-08-31 | 2019-01-11 | 成都盈风智创激光技术有限公司 | 用于测量不同高度风场的机舱式激光测风雷达 |
CN109341855A (zh) * | 2018-10-26 | 2019-02-15 | 中国人民解放军海军工程大学 | 一种基于fbg光谱奇偶分解的精确寻峰方法 |
CN109724693A (zh) * | 2018-12-27 | 2019-05-07 | 南京邮电大学 | 一种基于平稳小波的融合光谱去噪方法 |
CN111198167A (zh) * | 2020-01-06 | 2020-05-26 | 邵阳学院 | 一种溶液金属离子浓度检测方法、终端设备及存储介质 |
CN111198167B (zh) * | 2020-01-06 | 2022-12-13 | 邵阳学院 | 一种溶液金属离子浓度检测方法、终端设备及存储介质 |
CN112014349A (zh) * | 2020-11-02 | 2020-12-01 | 季华实验室 | 太赫兹时域光谱成像复原方法、装置、存储介质及终端 |
CN112766039A (zh) * | 2020-12-22 | 2021-05-07 | 北京航天飞腾装备技术有限责任公司 | 一种基于小波的陀螺滤波降噪方法 |
CN112899692A (zh) * | 2021-01-15 | 2021-06-04 | 福州大学 | 基于平稳小波变换的管道防腐层微小破损点定位方法 |
CN114894043A (zh) * | 2022-03-30 | 2022-08-12 | 北京航天飞腾装备技术有限责任公司 | 一种基于小波包变换的精确制导弹药姿态滤波方法和系统 |
CN114894043B (zh) * | 2022-03-30 | 2023-12-22 | 北京航天飞腾装备技术有限责任公司 | 一种基于小波包变换的精确制导弹药姿态滤波方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102818629A (zh) | 基于平稳小波变换的微型光谱仪信号去噪方法 | |
US20190120995A1 (en) | Method for random noise reduction from mrs oscillating signal using joint algorithms of emd and tfpf | |
US20190287220A1 (en) | Systems, methods and programs for denoising signals using wavelets | |
CN104217448B (zh) | 基于迭代特征修正的磁共振快速成像方法及系统 | |
CN102928517A (zh) | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
CN103761719B (zh) | 一种基于邻域相关性的自适应小波阈值去噪方法 | |
CN101944230B (zh) | 基于多尺度的自然图像非局部均值去噪方法 | |
CN104635223A (zh) | 基于经验模式分解与分数阶傅里叶变换的激光回波去噪方法 | |
CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN104182941A (zh) | 高光谱图像条带噪声去噪方法 | |
CN109709585A (zh) | 去除gps坐标时间序列中有色噪声的方法 | |
Ali et al. | An improved method of audio denoising based on wavelet transform | |
CN109724693B (zh) | 一种基于平稳小波的融合光谱去噪方法 | |
Vimala et al. | Noise reduction based on double density discrete wavelet transform | |
Ullah et al. | Wavelet based de-noising using logarithmic shrinkage function | |
Ding | Wavelets, curvelets and wave atoms for image denoising | |
CN106023103A (zh) | 一种基于精确局部方差先验建模的自适应正交小波图像去噪方法 | |
Kaur et al. | A survey on implementation of discrete wavelet transform for image denoising | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
Raju et al. | Denoising of remotely sensed images via curvelet transform and its relative assessment | |
CN103824263A (zh) | 一种基于混合变换的遥感图像稀疏估计方法 | |
CN105069762A (zh) | 基于Shearlet变换和非线性扩散的图像去噪方法 | |
CN107203972A (zh) | 一种超声图像去噪和增强方法 | |
US20230260087A1 (en) | Wavelet denoising using signal location windowing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121212 |