1、“.....其主要功能种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法论文原稿，去噪效果不理想的同时，牺牲目标区域清晰度，得不偿失。比较之下，本算法的去噪效果非常突出，更为重要的是完好的保留了原图像中感兴趣的部分，为后续的特称提取图。结语就现有技术而言，本算法的有益效果是本算法用小波分解的方法去除周期性的电源噪声......”。

2、“.....去噪效果显著。由图到图的以标记得到符合阈值要求的标记图像，处理结果如图所示。形态学变换。根据上步骤所得到的标记结果，选择适宜的结构元素对标记结果图像依次进行闭运算和多次膨胀运算，对图像做小波变换处理。对带噪声的双精度声纳图像做小波变换，得到各个方向上的小波分解系数。在实际处理过程中采用了离散化处理......”。

3、“.....其处理过程主要有个步骤对图像信号进行小波分解。对经过分解后的系数进行阈值选择。利用维小波重构图像信号。对待处理图像进行预处理。待处理图像原图像素值正常输出标记位置为最终确定的噪声位置，选择其临近非噪声点像素值替代该位置的像素值伽，至此完成整个去噪过程，最终得到小波分解去噪后的声纳图像如图所示。分解后的系数进行阈值选择......”。

4、“.....对待处理图像进行预处理。待处理图像原图是由侧扫声纳获得的带周期性电源噪声的声纳图像，将原图像转换成双精度结果如图所示。形态学变换。根据上步骤所得到的标记结果，选择适宜的结构元素对标记结果图像依次进行闭运算和多次膨胀运算，得到形态学变换后的图像如图所示......”。

5、“.....将原图像转换成双精度图像，如图所示。其中侧扫声纳图像右舷左上角有两个亮点，这者为经过去噪处理应保留下的目标区域波图像分解的侧扫声纳电源周期性噪声的去噪方法论文原稿。其公式如下基本小波变换本算法所使用的去噪方法针对声纳电源产生的周期性噪声的特点，利用小波变换方法精度声纳图像做小波变换，得到各个方向上的小波分解系数。在实际处理过程中采用了离散化处理......”。

6、“.....绘制得到横向分解图以发现图像中的斜纹噪声已经被基本去除，而图像右舷左上角的两个目标区域被完整保留。处理结果对比分别选择均值滤波均值滤波中值滤波中值滤波作为对比算法。种基于像，如图所示。其中侧扫声纳图像右舷左上角有两个亮点，这者为经过去噪处理应保留下的目标区域。替换噪声位置像素。根据得到的标记结果......”。

7、“.....利用小波变换方法对图像进行去噪。其处理过程主要有个步骤对图像信号进行小波分解。对经纵向分解图像斜向分解图像，分别如图图图所示，然后采用适宜的阈值，找到符合要求的水平向小波系数位置，判定为噪声的位置，加以标记得到符合阈值要求的标记图像......”。

8、“.....本方法在处理带有这类噪声的声纳图像时具有突出的优势。种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法论文原稿。对图像做小波变换处理。对带噪声的加大，条纹噪声被定程度的模糊掉了，与此同时，整幅图像，尤其是感兴趣的目标区域同样产生很大程度的模糊，在模板的中值滤波中尤为严重，去噪效果不理想的同时......”。

9、“.....从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。结语就现有技术而言，本算识别奠定了很好的基础。本算法主要提出的是种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法。通过实验验证，证实了此方法可以有效的去除声纳图像中电源产生的理结果可以看出，随着模板尺寸的加大，条纹噪声被定程度的模糊掉了，与此同时，整幅图像......”。