Generalized total variation-based MRI Rician denoising model with spatially adaptive regularization parameters

Magnetic resonance imaging (MRI) is an outstanding medical imaging modality but the quality often suffers from noise pollution during image acquisition and transmission. The purpose of this study is to enhance image quality using feature-preserving denoising method. In current literature, most existing MRI denoising methods did not simultaneously take the global image prior and local image features into account. The denoising method proposed in this paper is implemented based on an assumption of spatially varying Rician noise map. A two-step wavelet-domain estimation method is developed to extract the noise map. Following a Bayesian modeling approach, a generalized total variation-based MRI denoising model is proposed based on global hyper-Laplacian prior and Rician noise assumption. The proposed model has the properties of backward diffusion in local normal directions and forward diffusion in local tangent directions. To further improve the denoising performance, a local variance estimator-based method is introduced to calculate the spatially adaptive regularization parameters related to local image features and spatially varying noise map. The main benefit of the proposed method is that it takes full advantage of the global MR image prior and local image features. Numerous experiments have been conducted on both synthetic and real MR data sets to compare our proposed model with some state-of-the-art denoising methods. The experimental results have demonstrated the superior performance of our proposed model in terms of quantitative and qualitative image quality evaluations.     

基于核方法的模拟电路故障诊断

核方法通过非线性映射将原始数据嵌入到高维特征空间,然后进行线性分析和处理,为基于知识的数据分析带来新的方法和模式;传统方法无法解决故障特征数据维数高、在故障样本交叠严重时多分类性能较差的问题,因此在电路故障特征数据预处理阶段,提出了分步骤分别在时域对电路输出电压波形进行小波包分析和在频域测量电路幅频特性的方法来提取电路故障特征;预处理后的故障特征向量只是8维向量,减少了SVM的训练时间;将该方法应用于国际标准电路中的CTSV滤波器电路的故障诊断,结果表明:该方法能突出不同故障的特性,故障诊断正确率达到98.57%(414/420)。     

多尺度变步长最小均方自适应算法在光纤陀螺数据处理中的应用

为有效抑制光纤陀螺(FOG)随机噪声,提出将一种多尺度变步长最小均方(MVSLMS)自适应算法应用于FOG数据处理中。根据FOG输出数据的特点,构建了MVSLMS自适应滤波器,提出了FOG信号滤波算法的实现步骤。对FOG实测静态数据、振动数据和速率测试数据进行了滤波实验,结果表明所提算法对FOG随机噪声的抑制效果明显,相比LMS滤波,MVSLMS自适应滤波后的静态数据零偏稳定性数值减小了72.0%,振动数据在振前、振中、振后零偏稳定性数值分别减小91.5%,77.4%和96.5%,速率测试数据标准差减小了54.4%。摇摆测试滤波实验结果表明所用算法对FOG真值信号具有较好的跟踪能力。     

一种快速稀疏分解图像去噪新方法*

提出了一种基于分层树型结构正交匹配追踪算法的快速图像去噪方法.通过选择高斯函数和墨西哥草帽小波母函数构建混合冗余字典,采用分层树状结构表示字典,结合构正交匹配追踪算法,实现图像稀疏表示,提高了图像表示的稀疏性,降低了算法的复杂度.依据噪音能量阈值,通过多次迭代达到图像去噪的目的.实验结果表明,在相同的噪音水平下,该迭代去噪算法取得了较高的较好的PSNR,获得更好的视觉效果.     

单幅条纹图相位解调的小波分析方法

相位解调是条纹相位分析的关键问题.本文提出一种应用小波频率估计联合频率导数对变形条纹进行瞬时频率分析,从中提取参考基频,从而依靠单一变形条纹实现相位解调的方法.首先,理论上证明了当变形条纹瞬时频率空间导数等于零,该空间点的瞬时频率等于参考基频频率;其次,引入Gabor小波提取变形条纹的瞬时频率空间分布,利用变形条纹瞬时频率的空间导数分布识别提取参考基频,从而实现相位解调.利用该方法进行了三维形貌测量的实验,结果表明该方法在实现相位解调中效果良好.     

基于时频分析的Lamb波散射源定位方法研究

针对Lamb波损伤定位中频散效应对定位精度的影响,提出了基于时频曲线和椭圆定位法的Lamb波散射源定位法.利用经验模态分解(EMD)法把散射信号分解成有限个窄带信号分量,再采用改进的连续小波变换(CWT)求出每个信号分量的时频曲线,叠加形成整个信号的时频曲线,实现对不同频率成分波达时刻的准确判别.利用椭圆定位法获得对应于散射信号中一系列频率成分的定位结果,最终由这些多组定位的综合判定损伤位置.在铝板结构上的测试结果表明,在频散较严重的A0模式低频段,该方法求出的时频曲线较细致,损伤位置定位较精确,能有效排除偶然因素对最终结果的影响.     

基于Shearlet变换域图像噪声混合滤波方法

在深入分析Shearlet变换理论的基础上,给出具体的Shearlet变换步骤,并提出一种针对图像脉冲噪声的混合滤波方法.该方法首先对噪声图像进行Shearlet多尺度变换,获得高频和低频系数,保留低频系数不变;然后针对Shearlet高频系数能够较好地刻画噪声局部化的性质,设计出一种多尺度、多方向特性的串/并联自适应中值滤波器,对高频系数中噪声进行自适应检测和滤除;最后实现低频系数和滤波后高频系数重构.通过与小波阈值法去噪和开关中值滤波法仿真实验比较可知,该滤波方法对于高强度的脉冲噪声具有较好的处理效果.     

基于小波变换的高精度旋转变压器信号数字转换电路

针对旋转变压器信号到数字转换方法中,在采用DSP处理或查表方法时,由于正弦信号的非线性,造成转换精度较低的问题。本文提出基于小波变换的多分辨率分析理论,设计出一种高精度旋转变压器器信号到数字信号转换电路以提高转换精度。这里通过模拟电路实现Harr小波变换,通过对正弦信号进行逐级逼近处理,将信号分解并平移到（0~π16）范围内,根据泰勒定理实现角度值的求解,实现0.02°（14位二进制精度）的转换精度。成功解决了由于非线性信号造成的旋转变压器器信号到数字信号转换精度较低的问题,具有很高的实用价值。在此分析了电路工作原理并给出了SPICE仿真结果,试验表明该电路能够实现14位的转换精度。     

基于混沌、HVS和小波变换的自适应数字水印算法

为了提高常规小波域水印算法的自适应性,在此提出了一种在小波域嵌入数字水印的新算法。首先,对载体图像进行一层小波分解;然后,对具有较大纹理强度的中频子带进行二层小波分解,并选取二层中频子带HL1作为嵌入区域;最后,计算嵌入区域中每一点的亮度差异值,并根据HVS原理将混沌置乱后的二值水印信息自适应的嵌入到具有较大亮度差异的位置上。经仿真实验表明,该算法具有很好的不可见性,且对JPEG压缩、加噪、滤波等常见的图像攻击具有很强的鲁棒性。