Beltrami流及其在图像去噪中的应用

偏微分方程是图像处理主要的方法之一,一般通过其对应的变分模型给出方程的意义,并依此设计优化原偏微分方程以取得最佳的处理效果。针对图像去噪问题,基于经典的Beltrami几何流方法提出了图像流形上一种新的度量张量模型,具有该度量模型的Beltrami流具有清晰的几何意义,并依此提出了该度量模型中参数的优化选择方法。同时,该模型为经典的偏微分方程去噪方法提供了统一框架,且参数的优化选择使得Beltrami流在平滑噪声与边缘保持方面取得了良好的平衡。实验表明该方法提高了图像去噪效果,尤其是对于边缘丰富的图像效果更加明显。     

基于复小波域Wiener滤波的图像去噪方法

针对基于张量积小波域W iener滤波方向性差,从而导致去噪后图像边缘信息保持欠佳的问题,对复数小波的方向性质进行了分析,采用基于具有强方向性的复数小波域的W iener滤波的方法去噪,去噪后图像峰值信噪比和视觉质量较二维张量积小波去噪都有明显改善。     

含噪混合盲扰信分离中联合降噪技术研究

针对盲扰信分离技术在含噪混合条件下分离效果差的问题,文章采用经验模态分解和小波变换联合的降噪技术进行分离前的消噪预处理,研究了联合降噪的三种模式,分别对其降噪效果进行了仿真分析,得到了一种较好的联合降噪模式。将该模式与无噪环境下的盲分离算法相结合,弥补了经典盲源分离算法处理含噪混合盲扰信分离的不足。仿真结果表明该算法在一定范围的低信噪比条件下,能够从含噪的混合信号中恢复出通信信号源。     

用局部对比度信息改善图像质量

在图像的摄取和传输中,图像经常降质。为了改善图像质量,将信息熵的概念与图像的局部对比度信息相结合,提出了一种基于熵概念的非线性噪声的滤除方法,并进一步利用局部统计信息对图像进行增强。分别对模拟图像以及红外图像进行了试验,并与中值滤波、Lee滤波、Frost滤波等经典噪声滤波方法进行比较,实验结果验证了该方法的有效性。     

基于改进EMD的信号降噪方法

经验模态分解(Empirical Mode Decomposition,EMD)算法作为新型时频分析方法受到广泛关注,它基于信号的极值特性处理信号,具有自适应强、无需预先确定基函数的优点。但EMD算法本身仍存在模态混叠及EMD强制降噪法易导致信号失真等一系列问题。针对EMD算法的缺陷,提出基于自相关函数的集合经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值降噪相结合的改进算法。首先利用自相关函数对高频固有模态函数(Intrinsic Mode Function,IMF)进行选择,然后利用小波阈值降噪法为EEMD设定阈值,最后将改进算法用于信号降噪,并与快速傅里叶变换(FFT)算法、小波阈值算法以及EMD强制降噪算法进行比较。该方法的优点是克服了EMD算法的不足,避免了模态混叠现象,有效地保留了高频信号中分量,降噪效果更好。     

基于波导干涉条纹的目标距离特征量提取方法

浅海波导中目标辐射噪声LOFAR谱图存在明暗相间的干涉条纹,从中可以提取出目标距离特征量信息,它反映了目标运动过程中的距离变化率。低信噪比情况下,条纹特征不够清晰,提取的距离特征量值精度会降低。提出了一种边缘定向增强型偏微分方程去噪方法,对LOFAR谱图进行处理,使条纹特征更加明显。海试数据处理结果表明,去噪处理后提取出的距离特征量精度明显提高。为满足实时性需要,提出了基于CUDA的距离特征量实时处理方法,实验结果表明能大幅提高算法运行速度。     

平稳小波的侧抑制网络边缘提取方法

侧抑制网络具有“突出边框,增强反差”的功能,但其增强反差的同时也增强了噪声,其抗噪性较差。正交小波阈值去噪法对图像噪声有一定抑制作用,然而对于图像中噪声幅度较大的情况下,正交小波变换会使图像边缘失真,甚至模糊。基于平稳小波变换的图像去噪法,可以有效降低噪声的同时较好地保持图像的质量,与基于正交小波变换的阈值降噪方法相比,有明显的优越性。因此利用新Bubb le函数将平稳小波和侧抑制网络结合起来,用平稳小波变换去除噪声、侧抑制网络突出边框,从而准确、有效地提取出图像的边缘。     

基于改进小波阈值的MEMS陀螺去噪方法

MEMS陀螺由于结构不完善而存在较大的随机误差,为了推进MEMS陀螺的实用化水平、提高测量精度,首先对MEMS陀螺进行了Allan方差分析,得到了MEMS陀螺随机误差的主要成分;然后通过分析软阈值函数和硬阈值函数在直线上的降噪结果,得到了两种阈值函数的缺陷,为了解决软阈值和硬阈值函数的问题,推导了改进的小波阈值函数。通过对比各种阈值函数和阈值量化准则的降噪效果,确定了最终的降噪方案,将此方案应用在陀螺的动静态输出中,使陀螺输出数据的稳定性提高了一个数量级,数据的平均值也更加接近真实值。     

组合层内和层间小波系数的图像去噪方法

建立了能利用系数层间和层内相互依赖的关系模型,推导了应用最小均方误差原理去除图像中噪声的算法,而且运用隐参变量描述方式,使得小波系数那种反映图像边缘强度特征的空间变属性表现了出来,使算法具有空间自适应能力,实验结果显示该方法比目前存在的一些方法更具优越性。     

基于提升小波包的漏磁信号去噪研究

为了更好地解决对原始漏磁信号的噪声抑制问题,在讨论提升小波包变换的基本原理及特点的基础上,提出应用这种方法对漏磁信号进行分解和重构。与传统小波包变换相比较,该方法具有更高的分辨率和近似优化能力,研究结果表明,它能在保留原始漏磁信号有效成分的同时,更好地去除噪声。