去噪算法

A. 图像去噪方法有哪些

减少噪声的方法可以在图像空间域或在图像变换域中完成。
图像空间域去噪方法很多，如：线性滤波法、中值滤波法、维纳滤波法等。
图像变换域去噪方法有：傅里叶变换和小波变换等

B. 信号去噪方法有那些

哪种信号啊？信号分老多种啦!
我对雷达较有研究给你我的论文看一下吧

常常借鉴地震资料处理的反褶积方法，将雷达记录转变为反射系数序列。然而由于地下介质的复杂性和各种噪声的影响，常常反褶积对杂波与信号的分离并无改善；所以很多情况下应用效果并不理想。鉴于利用常规的探地雷达数据处理方法进行目标体资料分析，易受杂波干扰、波形混叠等等因素影响而导致应用解释效果欠佳，因此对于探地雷达的数据处理方法仍有待于进一步深入研究。

在图像和信号处理论域广泛应用的小波变换，以及基于HHT变换的EMD分解等时频分析方法，近年来在探地雷达数据处理中得到了重视。小波变换具有线性变换、多分辨率分析、局部细化、可灵活选择小波基等等优点，对瞬态非平稳信号或宽带信号分析具有独特之处，使得它非常适合于探地雷达脉冲信号的处理。而希尔伯特(换是提取信号瞬时参数的有效途径，但它对信号的提取有条件要求；基于HHT变换的经验模态分解，依据数据本身的信息进行分解，得到的固有模态函数信号是有限个且均满足Hilbert变换对信号的提取条件，较之基于传统的傅立叶变换的时频分析方法，具有真正有意义的瞬时参数分析。

由于应用探地雷达的瞬时参数分析可以形成三个参数相互独立的解释剖面，从而比较全面的了解地下介质变化情况。但是瞬时参数易受噪声影响，尤其是瞬时相位对噪声干扰比较敏感。而城市环境中探地雷达探测信号干扰较多，同时由于工作条件的复杂多样，有时直达波强度常常可与探测目标回波强度相比拟。由于直达波的消除不易，使得对目标的特征识别、解释以及空间定位比较困难。在进行处理时，杂波的移除是非常重要的部分。为此首先进行常规处理，主要是消除直达波强烈影响。简单的做法是从实测的探地雷达记录中直接消减直达波记录；或者通过选择合理的滤波参数，采用移动平均滤波器或中值滤波器消减直达波；

在此基础上，采用小波变换方法对探地雷达数据进行降噪分析处理。从效果上讲，以Donoho的阀值去噪方法最为突出。这里利用Mallat提出的多分辨率分析的概念和正交小波快速算法（Mallat算法），假定噪声信号广泛分布在各个尺度且幅值相对较小，通过正交变换，将信号能量集中在某些频带的少数幅值相对较大系数上。为了数据处理方便，借助Matlab提供的方便而强大的计算及可视化工具，利用Matlab的小波工具箱函数，只须应用简单的信号处理知识和编程技能，就可以通过Matlab编程进行小波阀值估计，给予其它频带上的小波系数较小的权重或者置零，从而达到有效抑制噪声的目的。总的来说，应用小波变换处理可以有效地消除各种噪声干扰，从而更清楚有效地显示目标层位。

通过上述数据处理过程，避免了在噪声干扰情况下直接进行经验模态分解较难获得良好的分解效果的问题。由于希尔伯特－黄（HHT）变换具有一定的噪声分解能力，不同尺度的噪声被分离到不同的固有模态函数，使得噪声对信号的影响减小，从而信号特征的提取的有效性和信号分解的精度都有了提高。通过对经验模态分解得到的IMF信号进行变换，获得瞬时频率、瞬时相位、瞬时振幅等瞬时参数，其中瞬时频率可以较好的探测地下介质的形状和性质的变化；瞬时相位可有效的探测地下介质的连续性并且与信号振幅无关，可以更好的分析深层信号特征；瞬时振幅反映了信号能量的变化，可以推测地下介质性质的变化。

综上所述，根据探地雷达信号的特点，通过试验和研究，首先去除直达波等干扰，并利用小波变换具有良好的时频分析特性进行信号去噪，再利用希尔伯特－黄（HHT）变换得到瞬时频率、瞬时相位、瞬时振幅等瞬时参数，形成多个参数剖面，可以多角度多方面的分析探地雷达剖面并易于给出合理的地质解释。因此，在探地雷达信号去噪基础上，基于EMD分解的瞬时参数分析在探地雷达数据处理中具有很好的应用前景。

C. matlab图像去噪算法里 均值滤波跟中值滤波降噪为什么必须转换成灰度图像才可以处理

其实都可以对彩色图像处理的，只是matlab里面的实现不一致。均值滤波和中值滤波matlab函数只考虑了单通道当然就必须转换成灰度图像；小波降噪的matlab函数不知道你是用的那个，肯定也需要把三通道的彩色图像先转换成单通道，分别去噪以后再整合成彩色图像。总的来说一般图像去噪都是对单通道来处理的，因为大部分的filter都是对二维矩阵来操作的，要是对三通道处理也需要分别对不同的通道处理再整合。

D. 特殊去噪方法

在一个弹性分界面上形成的反射波、转换波均属于体波。在三维空间内，体波随着时间的变化向整个弹性空间的介质体积内传播。相对于体波而言，在弹性分界面附近，还存在着另一类波动，即面波。从能量来说，面波只分布在弹性分界面附近。其中，分布在地面附近自由表面的面波称为瑞雷面波(Rayleigh)。在地震勘探勘探中，把它作为一种干扰看待，需要压制或者剔除掉。但在工程勘探中，利用面波的频散现象，可以反演表层速度结构，通常可以作为一种工程勘察手段。另外，在表面介质和覆盖层之间，还存在一种SH型面波，称为乐夫面波(Love)。在深部两个均匀介质之间还存在类似瑞雷面波的斯通利面波(Stoneley)，在测井的饱和度计算中它可以得到很好的应用。

(1)极化滤波(polarization filtering)

在反射波的有效频带内，面波与有效波成分重合。半空间自然条件的复杂性、地表固体介质的纵横向非均匀性等因素，导致面波波场变得复杂，这样常规处理中使用带通滤波去面波将丢失有效波的低频成分。F-K滤波、τ-p变换等方法压制面波，通常会产生一定的混波效应，有效波的保真度将受到一定程度的影响。

极化滤波又称为向量滤波(vector filtering)、自适应滤波(adaptive filtering)等。采用极化滤波的方法压制面波十分重要。纵波与瑞雷波在传播过程中，质点的极化方式不同，能够利用这种不同的极化特征，采用极化分解技术的滤波方法去压制面波干扰，提高地层反射波与转换波的信噪比。Chiou-Fen、R.B.Herrmann(1990)较早提出采用极化滤波和相位匹配滤波压制面波的方法^{［99，100］}，张建军(1999)提出了利用极化滤波提取有效瑞雷面波的方法^［101］。近年的SEG年会，也有大量的文献介绍极化滤波的算法与效果。但是，由于资料或算法优化问题，在应用中有成功的，也有不成功的。

理论上，面波具有以下特征:

1)在传播方向的垂直面(xOz平面)内，介质质点沿椭圆轨道逆时针运动，是面上的椭圆极化波;

2)介质质点振动的振幅随深度Z迅速衰减，且衰减系数与波长成反比，具有明显的频散现象;

3)X方向的振动和Z方向的振动存在π/2的相位差;

4)在三维空间，面波的波前面是一个圆柱体。振幅随槡r(r为传播波前面扩散半径)衰减，比体波的球面扩散要慢。

实际上，在地震记录上，面波表现的特征是:

1)传播的视速度低、能量强、视频率低、频散现象明显等;

2)受其他信号与面波信号的叠加影响，实际地震记录的Z分量与R分量极化图呈不规则椭圆形状。

全数字3D3C采集记录了X、Y、Z三分量完整的波场，包含了纵波、转换波、面波等完整的波场矢量信息。由于Rayleigh面波在空间的质点运动轨迹是椭圆，弹性体波在空间的质点运动轨迹是直线，随机噪声在空间的质点运动轨迹没有一定的形状，没有确定的方向性。根据这些特征，对三分量检波器所记录的面波水平与垂直分量的极化图进行椭圆拟合后，就可以从三分量的水平与垂直分量记录中有效地消除面波的影响以提高资料数据信噪比。通常，极化滤波在坐标旋转后的Z分量和R分量上进行。

以下介绍极化滤波实现方法及应用效果。

1)椭圆参数求解。

椭圆一般圆锥曲线方程表示为

图4.3.8 典型的P波泄漏转换波记录

图4.3.9 P波泄漏压制前(左)后(后)记录

(3)P波泄漏衰减(Pwave leakage attenuation)

在非规则地表或低降速带较薄的情况下，如转换波记录的X和Y分量上往往存在频率较高、速度也比较高的具有双曲线特征的P波干扰，即P波泄漏干扰。如图4.3.8可见，在一些转换波记录上，P波泄漏干扰十分严重，如不采用合理的方法进行压制，就严重影响转换波处理效果。

P波泄漏的衰减方法可以采用类似于去多次波的方法实现，只是在去除P波泄漏时首先利用估计的转换波速度进行NMO动校正。由于转换波速度比纵波速度低，当转换波基本校直时，纵波将出现严重的校正过量，可利用高精度τ－p域去噪方法衰减泄漏的P波。当然，也可以使用纵波的速度对转换波记录进行动校正，并利用二维去噪技术滤除水平同相轴。

还可以根据P波在Z分量上和R分量上具有相似性的特征，进行P波泄漏压制。利用自适应滤波方法去除转换波中与Z分量相同的部分信号，从而达到压制P波泄漏干扰的目的。

图4.3.9为P波泄漏压制前后的转换波记录，可见主要目的层(2500～3000ms)及以上的P波泄漏得到较好的压制。转换波记录的信噪比得到了进一步提高。

E. 心电信号的几种去噪方法比较

摘要:由于心电信号的噪声严重影响着数字心电信号的分析诊断,因此去噪问题一直是计算机心电分析的一个重要课题.……

F. 请问有关数字图像去噪算法关于空域和频域有哪些算法

请问有关数字图像去噪音法，天空工程和频域。

G. 基于MATLAB的非线性图像去噪的算法介绍

非主流是什么意思啊，如果不用传统的高斯滤波的话，可以考虑双边滤波bilateral filter,记得有个fast bilateral filter,参考http://people.csail.mit.e/sparis/bf/，效率挺高的。双边滤波的matlab代码网上也有。

H. 如何根据噪声类型选择不同的去噪方法;

图像在采集和传输中会不可避免的受到噪声的污染，影响人们对图像的理解和分析处理。图像去噪的目的就是滤除噪声，减少噪声的影响，使图像信息更加真实的呈现。本文简单介绍了图像噪声的分类及常用的图像的去噪方法，对传统的中值滤波方法进行了分析，并针对传统的中值滤波方法存在的不足,提出自适应中值滤波方法，并在MATLAB软件上进行了编程和仿真。结果表明自适应中值滤波方法对噪声密度较大的图像比传统中值滤波有更好的滤波效果。

本文第一章对数字图像处理常用方法，图像噪声的分类和主要去噪方法等基础知识做了介绍，并对MATLAB软件发展主要组成和功能进行了概括，同时对用于图像处理的MATLAB主要函数进行了介绍。第二章对图像的中值滤波方法的原理和算法进行介绍，并分析其不足，提出自适应中值滤波器的设计。第三章对自适应中值滤波器的原理和设计算法做了分析，并在MATLAB软件上进行了编程和仿真，对处理结果进行比对、归纳。最后，对本论文做了总结。

I. 去噪算法中的3σ准则是什么

误差超过3σ的情况仅占总数的0.3%，所以舍去。因操作出错导致的偏差（这就不是误差了）通常远高于3σ。