混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.     

基于模糊理论的空间屏蔽滤波信号去噪

基于模糊理论提出了一种空间屏蔽滤波信号去噪方法.对信号进行二进小波变换后,对信号进行空间屏蔽滤波,对于未通过滤波器的系数进行模糊阈值处理实现去噪.通过对含噪HeaviSine和Doppler信号的去噪仿真,表明,该方法对噪音具有良好的抑制作用,能较好地保持信号在间断点处的信息.与传统空间屏蔽滤波相比,该方法对不同种类的含噪信号均具有良好的去噪效果.     

基于NLMS自适应滤波的近红外光谱去噪处理方法研究

为了去除直接采集的近红外(NIR)光谱中含有的噪声,将归一化最小均方(NLMS)自适应滤波方法引入到NIR光谱去噪领域中。以51份土壤样品的NIR光谱为研究对象,探讨NLMS自适应滤波方法在NIR光谱预处理中的应用,并将处理后的结果与土壤中有机质的含量相关联,建立模型。结果表明,通过NLMS自适应滤波去噪后的光谱,预测集的相关系数r由处理前的0.8284提高至0.9654,预测均方根误差(RMSEP)由处理前的0.3385降至0.1606。由此可见,NLMS自适应滤波对NIR光谱的去噪有显著效果,可以有效地提高光谱的分析精度和模型的稳健性,为NIR光谱的预处理提供了一种新方法。     

基于双边纹理滤波的图像细节增强方法

为了实现图像的细节增强,特别是纹理细节增强,同时尽可能保持图像的结构完整,提出了一种基于双边纹理滤波的图像多尺度分解方法。首先,对图像进行多尺度双边纹理滤波分解,分别得到一幅基本图像和一系列细节纹理图像。接着,类似于小波增强方法,对细节图像采用多尺度自适应增强方法,得到一系列增强后的纹理细节图像。最后,将基本图像和增强后细节图像相加,重构出最后的增强图像。实验结果表明:本文提出的增强方法能够在突出边缘的同时,较好地增强图像中的纹理细节信息。将基于双边纹理滤波的多尺度分解引入图像增强,能更好地体现图像纹理细节特征,为增强图像提供更加丰富的信息。     

一种参数优化的混沌信号自适应去噪算法

针对非线性自适应混沌信号去噪算法的参数优化问题, 考虑到最优滤波窗长受到不同因素的影响, 为提高该算法的自适应性, 提出一种滤波窗长自动最优化的判决准则. 依据混沌信号和噪声自相关函数的不同, 首先采用不同窗长对含噪混沌信号进行去噪, 然后计算每个窗长对应的残差自相关度(RAD), 最后通过对最小RAD所对应的窗长进行一定比例收缩实现窗长的最优化. 仿真结果表明, 该判决准则能够在不同条件下对滤波窗长进行有效的自动最优化, 提高了混沌信号去噪算法的自适应性.     

全变分引导的双边滤波图像去噪方法

双边滤波是一种结合了图像空间邻近度和像素值相似度的非线性滤波方法。当噪声水平较小时,使用输入的待去噪图像来引导双边滤波核函数权重的计算较为可行,但当噪声水平变大时,噪声图像的结构信息被严重破坏,影响了双边滤波器中值域核函数权值的准确计算。提出了全变分引导的双边滤波图像去噪方法,给出其Split Bregman快速算法。利用全变分模型对噪声图像进行光滑,得到一幅包含清晰结构信息的图像,将图像作为双边滤波的引导图像进行计算,对上述过程进行迭代处理以提高算法的稳定性。实验表明,提出得算法不仅在主观视觉效果上优于双边滤波,客观评价指标PSNR值也较双边滤波提高了1.5dB左右;在较好去除噪声的同时较好地保持了边缘结构。     

基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(,)=(0.4, 20)时,采用本文去噪方法,峰值信噪比（PSNR）为34.002 1,平均绝对误差（MAE）为2.365 3。     

结合松弛中值滤波的高阶彩色图像迭代去噪算法

为去除基于局部平均曲率的彩色图像去噪模型中作为几何特征而保留下来的斑点,提出了一种改进的迭代算法。采用局部平均曲率作为正则项耦合各个颜色通道,在迭代过程中根据局部统计量检测斑点,并引入松弛中值滤波进行斑点抑制。使用不同特征的图像进行仿真实验,并对峰值信噪比的演化进行分析。实验结果表明,改进的算法在有效消除斑点的同时较好地保护了图像结构,并且提高了计算效率。峰值信噪比提高了2.47%,迭代次数减少了93.66%。     

基于Bayesian估计和Wiener滤波的阈值去噪方法

基于阈值的小波域去噪方法的核心是阈值选取,通过最小化一个Bayesian风险函数得到一种自适应阈值,结合线性滤波中具有代表性的Wiener方法,提出了一种新的去噪方法.实验结果表明,该方法能有效地去除图像中的白噪声,同时还能较好地保留图像的边缘信息,其效果优于目前的一些小波阈值去噪方法.     

改进阈值提升小波和自适应滤波器的开放光路红外光谱去噪

大气污染物的主要组成成分为挥发性有机物(VOCs),傅里叶变换红外光谱技术(FTIR)是现阶段应用广泛的挥发性有机物在线测量方法。开放光路获取到的大气红外光谱(OP-FTIR)易受各种噪声污染,如何有效、快速的去除红外光谱中的噪声是大气在线实时监测系统研究的热点。综合利用提升小波变换结构简单、运算量低的优点以及最小均方误差自适应滤波器的自动调节参数以达最优化滤波的性能,提出了一种改进阈值提升小波结合自适应滤波的红外光谱去噪算法。该算法先通过改进阈值小波系数的提升小波去噪,在去噪的同时保留更多光谱特征信息,然后使用提升小波变换分解出的高频系数重构出噪声相关信号,将其作为最小均方误差自适应滤波器的参考输入进行二次滤波处理,最终获得的去噪信号很好的去除了与特征光谱频谱重叠的噪声信号。分别对人工添加噪声的标准红外光谱和合肥市市区上空实测开放光路红外光谱进行去噪处理,结果显示使用该算法处理后的光谱信噪比(SNR)较离散小波传统阈值去噪方法高出3db,均方根误差(RSME)平均减少30%左右,运行时间减少46%。表明该算法计算简单、运行速度快,对于大气环境监测实时消噪系统具有重要的实际应用意义。     

基于多分辨率双边滤波的红外场景杂波抑制

背景杂波是影响红外搜索跟踪系统探测性能的主要因素,针对这一问题,根据红外场景中目标和背景特性,提出了一种基于多分辨率双边滤波的红外场景杂波抑制新方法.首先采用非下采样轮廓波对红外场景图像进行多尺度、多方向分解,提取红外原始场景图像在不同尺度和方向上的细节特征,然后,根据目标和背景信号子带分布特性之差异,通过应用双边滤波调整分解后的各子带系数,最后重构各子带就可将红外场景中目标信号和背景杂波分离,可有效地将背景杂波剔除掉.将本文提出的方法应用于实际的红外场景,实验结果显示,与经典的二维最小均方误差方法相比较,该方法具有更好的杂波抑制能力.     

基于双边滤波和双树复小波的图像去噪算法

提出了基于空域双边滤波和双树复小波变换的图像去噪算法.该算法使用双树复小波变换对含噪图像进行多尺度和多方向的分解,对各个高频方向子带使用带有方向窗的局部维纳滤波算法进行去噪.在重构过程中,对每一个尺度上重构得到的低通图像使用空域的双边滤波算法进一步的去除噪声.实验结果表明本文提出的图像去噪算法获得了明显的去噪性能改善.     

基于方向滤波和自商图像的人脸光照补偿

为了实时处理恶劣光照条件下的人脸图像,在自商图像的基础上,提出了一种新的人脸光照补偿的方法.该方法首先在人脸三维光照简化模型的基础上,利用方向滤波削弱附着阴影.然后结合高斯低通滤波器,进一步削弱投射阴影.两者非线性结合,显著改善光照图像的质量.利用Yale B数据库提供的光照图像,在10万人脸数据库系统中进行测试,结果表明在光照条件恶劣的情况下能显著提高识别率.     

高光谱遥感图像的小波去噪方法

高光谱遥感图像是由二维空间信息和一维光谱信息组成的三维数据。普通的去噪方式通常是分别对空间信息或光谱信息进行去噪,其主要缺点是忽视了高光谱图像强烈的谱间相关性和图谱合一的特点。针对这些特点,文章提出一种基于小波变换的高光谱遥感图像去噪方法。该方法对各波段高光谱图像逐一进行二维小波变换,根据含噪声大的波段与噪声小的波段的波长关系,对小噪声波段的高频系数加权求和,代替噪声大的波段的高频系数,通过小波逆变换得到去噪后的重构图像。该方法运算速度快,能有效地降低噪声。对机载可见红外成像光谱仪数据(AVIRIS)实验表明,与经典的BayesShrink图像去噪方法相比,方法重构图像的信噪比(SNR)高出3.8～10.6 db,节省运算时间一半以上。     

基于光传播Monte Carlo模拟的三维模型特征提取方法

在现代工业设计、人工智能、软件设计等领域,三维模型正展现强劲需求与活力,传统三维模型特征提取方法仅能提取模型表面特征,难以满足复杂模型特征提取需求,为提高三维模型的特征提取精度,基于光谱分析以及可见光传播特性,提出一种具有高区分度的三维模型特征提取方法。首先利用光散射系数、吸收系数、各向异性等光学特性参数,量化分析光在不同介质中透射、散射、反射概率,并确定最佳光谱模拟波段;其次采用Monte-Carlo法模拟光子束在三维模型中的传播历程,获得光子束传播轨迹的角度、距离、能量等多种统计量,计算不同统计量权重,经过统计分析后完成特征提取;然后在ESB国际通用三维模型库中,测试不同光子束数量、约束空间形状对特征提取效果影响,从而确定最佳模拟参数;最后使用多种特征提取方法与光传播模拟法进行特征提取效果比较,并采用查准率、查全率以及E测度评价指标对特征提取效果进行定量测试。实验结果表明,三维模型特征提取准确度对光传播约束空间形态较为敏感,光子传播的最佳约束空间为球体;三维特征提取效率随着光子束数量升高而降低,在保证特征提取精度的前提下,10000~25000区间是光子束模拟数量的最佳取值范围;基于光传播模拟的特征提取准确度高于小波变换、距离夹角以及D2分布方法,能够满足三维模型检索需求,更适合复杂三维模型的离线特征提取与应用。结合光谱分析与可见光传播特性的模型特征提取法拓宽了光谱分析的应用范围,能够提取出融合三维模型表面特性与内部形态的有效特征,为高精度特征提取技术研究注入新动力。     

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.     

基于弱透视成像模型的目标三维姿态测量

为了准确获取空间目标跟踪、视觉导航等领域中目标的三维姿态,进行了目标三维姿态单目视觉测量方法研究.提取图像目标的典型特征点构造出直角三角形,并通过其边长比例先验信息以及弱透视成像模型推导出目标三维姿态的单目解算算法.与传统测姿方法相比,该算法在相机焦距等内参量未知条件下依然可解算姿态,增大了测姿应用范围;与传统迭代测姿方法相比,避免了循环迭代求解过程,无需设置迭代初值,提高了解算效率.数值仿真试验结果表明目标在离相机1~3km成像时姿态测量误差低于1.5°;实际图像序列测量结果表明目标俯仰角和偏航角测量结果拟合残差小于1°,翻滚角拟合残差小于2°.实验验证了算法的正确性和稳定性,表明该算法在内参量未知条件下能有效测量中远距离成像目标三维姿态.     

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、非线性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。     

基于小波包变换和数学形态学结合的光谱去噪方法研究

对反射光谱数据进行去噪是提高光谱信息准确度的前提。传统时域平滑和频域去噪方法存在诸多缺点,本文首次将广义形态滤波方法用于可见近红外光谱的去噪处理,并提出基于小波包变换和数学形态学结合的光谱去噪方法。使用USGS光谱库中的植被光谱进行实验,采用信噪比(SNR)、均方误差根(RMSE)、波形相似度(NCC)和平滑度(SR)四个指标来评估去噪效果。结果表明,小波包最佳基阈值法和广义形态滤波法都能较好地保持波形和平滑度,广义形态滤波法能较好地消除幅值较大的随机噪声,但其对连续随机噪声中幅值较小的噪声成分不能有效消除; 而小波包最佳基阈值法不能有效消除幅值较大的噪声成分; 二者结合的方法组合了这两者的优点,使得幅值较大、较小的噪声成分都能较好地消除,同时还提高了相似度和平滑度指标,充分表明小波包最佳基阈值与广义形态滤波结合的方法是一种更好的可见光近红外光谱去噪方法。