基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果.为了提高近红外光谱分析精度,需要对光谱数据进行预处理.光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强.应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线件小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究.结果显示,小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景.     

基于小波变换的体内外酒精含量近红外光谱检测与分析

应用小波分析对体外和体内的酒精近红外光谱信号进行去噪分析,通过体外光谱分析确定酒精吸收峰特征范围,为体内近红外光谱分析确定有效区间。软阈值和硬阈值下,分别采用缺省阈值、Birge-Massart阈值和最大最小值阈值,比较酒精光谱去噪,信噪比(signal noise ratio,SNR)和均方根误差(root mean square error,RMSE)去噪效果。结果表明:缺省硬阈值方法对酒精近红外光谱去噪的效果较好;小波变换可以有效去除酒精近红外光谱的噪声,提高信噪比,保留有用真实信号。在不同的酒精浓度下,去噪后的近红外光谱能够较好的显示浓度变化规律。小波分析在近红外光谱法对人体酒精无创检测及定量分析方面有较好的应用前景。     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中，由于分光光度计内部的光学系统、光源、检测器、电子元器件，电路设计以及外部环境干扰等因素产生的随机噪声，严重影响光谱定量分析结果的准确性，为提高紫外可见光谱分析精度，需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率，低熵性、去相关性等特点，基于小波分析的去噪算法优于传统的去噪算法，目前基于小波去噪的方法主要有模极大值去噪算法，系数相关去噪算法，阈值去噪算法，工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理，提出一种基于提升小波变换的阈值改进算法，一方面使用提升小波变换，提升小波变换是第二代小波变换，继承了小波的多分辨率特性，并且不需要进行傅里叶变换，从而具有算法简单，速度快，实现简单的优点；另一方面提出了一种新的阈值函数，克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题，同时对阈值估计进行了调整，有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号，添加随机噪声后使用该方法进行去噪处理，并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明，提出的算法优于Donoho的软硬阈值去噪算法，能够有效提高光谱信噪比和降低均方根误差，从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征，比较适合用于紫外可见光谱数据建模之前的去噪预处理，在紫外可见光谱信号分析中具有较好的应用前景。     

近红外漫反射光谱的小波变换的去噪方法

以测定的紫丁香醛近红外漫反射光谱信号为标准,随机加入了一噪音信号,采用Daubechies小波系中的DB5小波函数,以4种阈值选取方法(最小最大准则阈值、Stein无偏似然估计阈值、混合阈值和固定阈值)和2种阈值函数(软阈值函数和硬阈值函数)组合对含噪音的光谱信号进行了小波去噪处理试验,以均差MSE评价组合各种阈值选取及阈值函数方法的去噪优劣。结果表明,对于该类型的光谱信号,采用最小最大阈值和软阈值函数组合,得到最优的去噪效果。     

EEMD在土壤剖面反射光谱消噪中的应用

实测光谱常含有大量干扰信息, 消噪在光谱数据处理和分析中极为重要, 它直接影响后续的定量分析和信息挖掘。因此, 选择适当的消噪方法是改善光谱分析精度, 提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程, 能充分保留信号本身的非线性和非平稳特征, 在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性, 提出了一种新的EEMD阈值光谱消噪方法, 并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用, 对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明: 与传统的小波阈值法相比, EEMD阈值法消噪结果的信噪比从14.836 6 dB提高到34.275 7 dB, 均方根误差由6.786 1×10-5降到7.240 6×10-6, 相关系数从0.982 5提高到0.999 8, EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声, 较好地保留了光谱的细节信息, 提高了光谱的定量分析精度, 且与小波阈值消噪方法相比具有较强的可靠性和自适应优势, 作为光谱数据预处理的一种新方法, 其应用前景良好。     

基于经验模态分解的近红外光谱预处理方法

针对微分法在有效消除光谱背景和基线漂移的同时会增加光谱噪声的问题,把最新发展的经验模态分解方法(EMD)引入到近红外光谱处理中来,以烟草的一阶导数近红外(NIR)光谱为研究对象,探讨经验模态分解在近红外光谱预处理中的应用,并与小波变换消噪效果进行了对比分析。结果表明,用基于经验模态分解去噪后的光谱进行分析,预测集的决定系数r2由去噪前的0.9705提高到0.9832,均方根误差(RMSEP)由去噪前的0.5606降为0.3310,比基于小波变换的分析结果略高。因此,经验模态分解方法对消除光谱的噪声是有效的,有效地提高了光谱的分析精度和模型的稳定,为近红外光谱预处理提供了一种新方法。     

EEMD在土壤剖面反射光谱消噪中的应用

实测光谱常含有大量干扰信息,消噪在光谱数据处理和分析中极为重要,它直接影响后续的定量分析和信息挖掘。因此,选择适当的消噪方法是改善光谱分析精度,提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程,能充分保留信号本身的非线性和非平稳特征,在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性,提出了一种新的EEMD阈值光谱消噪方法,并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用,对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明:与传统的小波阈值法相比,EEMD阈值法消噪结果的信噪比从14.836 6dB提高到34.275 7dB,均方根误差由6.786 1×10-5降到7.240 6×10-6,相关系数从0.982 5提高到0.999 8,EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声,较好地保留了光谱的细节信息,提高了光谱的定量分析精度,且与小波阈值消噪方法相比具有较强的可靠性和自适应优势,作为光谱数据预处理的一种新方法,其应用前景良好。     

小波阈值去噪法在农药荧光分析中的应用

在农药荧光分析中，最大峰值波长对应的荧光强度的信息直接关系到检测的精度。该文提出用小波变换法对测得的农药荧光光谱进行消噪处理。鉴于软阈值和硬阈值2种方法均存在一定的缺陷，介绍一种新的阈值处理方法——软硬阈值折衷法，并将使用该方法进行小波去噪后的荧光光谱图与用传统模拟低通滤波器去噪后的光谱图进行了比较。结果表明，经小波去噪后的荧光光谱图更多地保留了原信号的信息，有助于提高系统的检测精度。     

应用小波分析进行油菜籽红外光声光谱去噪

为探究小波分析对油菜籽红外光声光谱的去噪效果,利用db6小波4尺度分解对其进行去噪研究.对比分析低频系数重构、缺省阈值、Birge-Massart阈值和4种自适应阈值(Rigrsure、Minimaxi、Rigsure和Sqtwolog)模型等模型的去噪效果.同时与Savitzky-Golay卷积平滑和快速傅里叶变换的去噪效果进行比较.研究表明,Birge-Massart阈值模型的综合小波去噪效果最好,同时小波去噪的方法较Savitzky-Golay卷积平滑和快速傅里叶变换去噪可以更好地捕获光谱的尖峰特征.     

基于广义S变换和奇异值分解的近红外光谱去噪

针对近红外光谱物质含量检测过程中噪声影响模型精度和稳定性的问题,引入广义S变换与奇异值分解(SVD)。利用广义S变换得到光谱数据的时频谱,并将二维时频谱系数矩阵作为SVD的Hankel矩阵求解奇异值,再采用k-均值聚类算法对奇异值序列进行分类计算,确定重构奇异值个数,对去噪后的数据矩阵进行广义S逆变换得到去噪后的光谱数据。给出组合方法的基本理论和具体实现过程,对仿真数据和谷朊粉导数光谱进行去噪,并与传统的9点平滑法和小波软阈值法的去噪结果进行比较。结果表明:所提方法克服了时域或频域单维滤波的局限性,且无需参考噪声数据和选择基函数,在谷朊粉导数光谱去噪中,只需采用两个奇异值就能实现较好的去噪效果,降低了滤波过程的复杂度。采用所提方法处理后,近红外光谱的分析精度和模型的稳健性优于9点平滑处理法和小波软阈值法。相比9点平滑法,所提方法的预测集的决定系数由0.9436增大为0.9985,预测均方根误差由0.0843减小为0.0406,明显提高了谷朊粉中水分含量定量检测的精度。     

电力设备红外图像的小波阈值去噪方法研究

对于电力设备的红外图像自动检测系统,图像去噪是非常关键的。针对传统的小波硬、软阈值函数在去噪时存在的不足,在传统小波硬、软阈值函数的基础上对其进行了改进。改进的阈值函数克服了硬阈值函数不连续的缺陷,改善了软阈值函数具有恒定偏差的不足,并引入了两个变量,具有一定的灵活性。同时还使用了一种新的分层阈值选择函数代替统一阈值方法,以改善实际应用的效果。实验结果表明:改进的小波阈值去噪方法在视觉效果、峰值信噪比和均方误差方面都优于传统的硬、软阈值去噪方法;改进的小波阈值去噪方法可以运用到红外图像自动检测系统中,使系统具有更好的去噪效果。     

基于小波模极大值移位相关的光谱去噪方法

提出一种小波模极大值移位相关滤波算法,用来对吸收光谱进行去噪处理.首先,依据小波变换模极大值理论,识别吸收光谱的二进小波系数中的噪声成分和有用信号成分;然后将其中相邻尺度的有用成分在波数轴上移位对齐,修正模极大值在尺度间的"漂移"现象,并对其中噪声成分进行平滑;最后将预处理后的相邻尺度的小波子带相乘,根据得到的小波系数尺度间的相关度,进一步强化信号的重要特征,同时衰减噪声.相比SSNF及MPTH等去噪方法,新的算法不需要估计噪声强度,可避免引入误差和复杂计算;也不需要进行迭代计算,可消除算法收敛缓慢甚至不收敛的危险;同时,该算法修正了光谱谱峰在不同尺度的模极大值位置的"漂移",可弥补这一现象造成的谱信息的损失.实验结果证明,提出的滤波算法在保留SF6气体红外吸收光谱的有用成分的前提下,有效的滤除了噪声.     

基于小波变换的低场核磁共振信号去噪方法的研究进展

低场核磁共振（low-field Nuclear Magnetic Resonance，low-field NMR）技术因其自身具有的独特优越性常被应用于极端条件下的测量，而且由于其采用的是永磁体，因而采集到的信号信噪比常常较低，在很大程度上影响了测量值的准确性.因此，如何去除混杂在信号中的加性高斯白噪声增加测量值的可靠性显得尤为重要.针对这一问题，国内外学者相继提出了众多优秀的去噪方法，其核心都是在不损失含噪信号中有效信息的基础上滤除掉夹杂在其中的噪声信号.本文在基于对小波变换理论分析的基础上，介绍了3种目前较为流行的用于低场核磁共振信号去噪的方法，分别是小波阈值去噪、模极大值去噪和小波系数相关性去噪，并给出了用于评价去噪效果的四个参数及其计算方法.     

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响，测定的光谱数据含有大量噪声这一实际问题，提出了基于小波变换的压缩感知去噪算法，并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理，采用压缩感知去噪算法，将信号在小波域内分解，得到含噪高频系数；采用随机高斯矩阵作为压缩感知算法的观测矩阵，压缩比设置为2，对高频系数进行观测；选择正交匹配追踪算法恢复高频小波系数的稀疏性，从而达到去噪目的。同时针对传统的小波阈值去噪，采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性，采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理，实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统，该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪，且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比，信噪比提高了12.201 5 dB，均方根误差减小了0.009 3，峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题，而且在重构过程中有效地抑制了噪声，为直接光谱法检测水质参数提供了一种新的解决方案。     

基于小波变换的水果糖度近红外光谱检测研究

利用小波变换滤波技术对90个水果样品的近红外光谱信号进行了去噪处理,并结合滤波后重构光谱信号对水果糖度进行逐步线性回归(SMLR)建立其校正模型,通过34个样品的外部检验对校正模型精度进行评价.研究结果表明:校正模型的预测精度在小波尺度为3时其预测精度最好,预测集的决定系数由原来的0.84提高到0.85,预测集相对标准误差由原来的6.1%降为6.0%.因此,使用小波去噪方法有消除原始光谱噪声作用,从而使最终的SMLR模型更具有代表性和稳健性,也提高了品质检测时模型预测精度.     

基于平稳小波变换的有噪弱目标检测方法的研究

利用平稳小波变换的多尺度边缘检测算法分别对模糊图像、低对比度图像和加入噪声的图像进行了边缘检测,验证了多尺度二次B样条小波的检测效果,也比较了三种小波局部模极大值方法在抗噪性、计算量及检测效果等方面的性能,并且针对对比度低,受噪声污染严重的目标图像,提出一种能够根据不同背景计算出自适应阈值的新方法,使其在抗噪的同时又能较好地提取出微弱目标边缘。实验证明,利用多尺度二次B样条小波边缘检测算法能有效地排除噪声干扰,准确地提取出微弱边缘,可以实现3%对比度下的有噪图像的目标探测问题。     

小波变换的EDXRF光谱金属组分特征峰位置识别

主要研究X射线荧光光谱金属组分特征谱位置的确定。依据不同金属组分的特征谱特性，分析了特征谱的选取规律，在奇异值分析理论和模极大值理论的基础上，分析了基于特征谱小波分解系数的模极大值提取方法，在不同分解尺度下的特点及其传播特性，提出了基于模极大值传播的区间特征峰筛选方法，并对实际测量光谱进行了实验分析。结果表明：利用bior4.4小波作为基函数对实验测量的全能谱数据进行4层小波变换，利用模极大值传播特性，可以消除全能谱上叠加的部分噪声对光谱分析造成的阶跃影响；为提高特征峰的位置识别概率，对小波变换中小于给定阈值的分解系数进行压缩，将实验获取的X射线荧光全能谱第4层小波分解系数直接进行特征峰识别，得到的677个峰值位置，压缩到186个；在此基础上，再采用模极大值传播的区间特征峰筛选方法，筛选区间初始值设置为600 eV，经识别得到的特征峰峰值位置仅为27个，识别准确率得到有效提高。     

小波模极大值法与数学形态学边缘检测细化结果

图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度；为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘；首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合；然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果；实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。