利用对偶树复数小波与全变差模型实现图像去噪的新方法

本文首先研究了一种三层小波系数相关萎缩的概念与性质,利用对偶树复数小波与全变差模型相结合,提出了一种新的图像去噪方法。实验结果表明,与现有的图像去噪方法相比,本文方法无论是在视觉还是在均方误差等方面均有更好的效果。     

基于WRF数值模式的SDAE-SVR风速预测模型研究

风速预测是风力预报中的核心与基础, 采用天气研究和预报(Weather Research and Forecasting, WRF)模式进行风力预报往往存在风速预测误差较大的问题. 为了提高风速预测精度, 提出了一种基于深度学习和支持向量回归(Support Vector Regression, SVR)相结合的风速预测模型. 该模型以WRF模式预报输出的多种气象变量为基础, 结合气象自动观测站传感器的实测风速, 引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder, SDAE)深度网络来学习样本数据中隐含的深度特征, 然后将该深度网络最后一层输出的深度特征置入回归器SVR中, 利用SVR良好的回归预测性能对WRF模式预报的未来1h风速进行预测订正. 结果表明: 所建立的SDAE-SVR风速预测模型具有较高的风速预测精度, 在对典型日的WRF模式预报未来1h风速的预测订正中, 其平均百分比误差与均方根误差仅为8.28％与0.8 066 m·     

光学加工过程中高次非球面的三坐标测量数据处理

三坐标轮廓检测是大口径高次非球面确定性加工过程中的主要面形测量手段。由于原始三坐标数据包含较大的检测误差,无法直接应用于加工过程,本文提出了一组数据处理算法对误差进行全面去除。首先,对获取的检测数据采用基于球心曲面重建的测头半径补偿算法进行测头半径误差补偿,然后对补偿后数据进行坐标系旋转平移误差去除,最后对提取的检测面形残差进行基于KNN的残差噪点过滤。其中,提出的基于球心曲面重建的测头半径补偿算法通过引入一个高精度的测头球心包络面拟合模型,来计算各检测点的测头半径补偿向量,仿真实验证明:算法补偿精度达到RMS<4 nm;提出的基于KNN的残差噪点过滤算法,通过采用插值方法提高样本空间密度和优化噪声度量值的计算,提高了噪点的识别敏感度并实现了噪点的自动化去除。最终根据整个误差清理算法构建了检测点云处理软件,应用实践表明其有效提高了镜面加工过程中检测点云的数据处理精度和效率。     

基于Rudin-Osher-Fatemi模型的图像除模糊和除噪音新模型

介绍一种依赖时间的新模型来解决图像除噪音和除模糊问题.分别使用逆反射、中值两种边界条件的数值试验比较本文新模型和Rudin-Osher-Fatemi模型.试验结果表明中值边界条件的误差比逆反射边界条件误差小.     

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。     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于PSO_Trainlm BP模型的图像去噪研究

针对在使用BP模型进行图像去噪时,模型存在的对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.为了提高模型去噪效率,提出采用改进粒子群神经网络模型进行图像去噪.首先运用改进粒子群算法对BP神经网络权阈值进行初始寻优,再用trainlm BP算法对优化的网络权阈值进一步精确优化,随后建立基于粒子群算法的BP神经网络去噪模型,并将其应用到图像去噪研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP算法的局部搜索能力,减小了模型对初始权阈值的敏感性,有效防止了模型陷入局部极小值的可能,提高了图像去噪模型的速度和质量.     

Perturbation of the eigenvectors of the graph Laplacian: Application to image denoising

Patch-based denoising algorithms currently provide the optimal techniques to restore an image. These algorithms denoise patches locally in “patch-space”. In contrast, we propose in this paper a simple method that uses the eigenvectors of the Laplacian of the patch-graph to denoise the image. Experiments demonstrate that our denoising algorithm outperforms the denoising gold-standards. We provide an analysis of the algorithm based on recent results on the perturbation of kernel matrices (El Karoui, 2010) [1], [2], and theoretical analyses of patch denoising algorithms (Levin et al., 2012) [3], (Taylor and Meyer, 2012) [4].     

基于小波域的维纳滤波算法在锥束牙科CT中的应用

提出一种小波域的维纳滤波方法对锥束牙科CT断层图像进行降噪。该算法以db4小波作为分解小波对CT图像进行分解,在分解后的每个子带再进行维纳滤波,并根据图像的区域统计特性对每个子带的局部均值和噪声方差估计参数进行了调整。利用降噪后的小波系数重构图像,得到降噪后的CT断层图像。通过计算机仿真及锥束牙科CT的真实数据测试表明,本文采用的方法有效抑制了图像噪声,提高了图像的信噪比,明显改善了图像的视觉效果。     

短数据量动态光散射颗粒测量信号去噪方法

在动态光散射测量中,采用自相关法对测量信号进行去噪,其去噪效果受数据量影响。根据噪声和信号的不同特点,采用小波包变换对信号进行去噪,能够提高信噪比,改善粒径反演结果。采用两种去噪方法,对粒径为100 nm颗粒的散射信号进行去噪并反演,小波包去噪法能够改善粒径误差0.88％～6.41％。在不同数据量下,由两种去噪法的反演结果对比看出,在短数据量时,小波包去噪效果更好,当数据量大于1×106时,两种去噪法效果相差不大。因此,小波包去噪法更适合于短数据量的动态光散射颗粒测量。