Schlieren方法中的二维空间滤波效应

在分析一维Ｓｃｈｌｉｅｒｅｎ方法不能有效显示二维弱位相分布的基础上，为有效地显示二维位相梯度分布，构造了几类二维直角空间滤波函数，并分别计算了它们的滤波效应。结果表明几类二维空间滤波都可以较大的衬度同时显示二维弱位相梯度分布，且不同形式的二维空间滤波对像面强度分布的“直流”分量有影响。     

非寻复域状态-空间滤波

针对实际非平稳海洋声数据存在非寻和非圆特性,在状态-空间模型下,对复信号作增广表示,建立复域状态-空间模型.从观察者的角度,推导了复高斯条件下的最佳瞬变观察者的线性表达式,即复域卡尔曼滤波器.当状态-空间模型为非线性非高斯时,最佳瞬态观察者须通过线性化或数值近似的方法近似得到.给出一种数值近似的方法--复域质点滤波,通过计算机仿真和波导实验证明了在信号非寻的情况下,复域卡尔曼滤波和复域质点滤波比常规的卡尔曼滤波和质点滤波具有更好的估计性能.     

滚动轴承早期故障诊断的时域新方法

信号的时域平均方法适合于滚动轴承的故障诊断,但在实际应用中它要求精确地确定感兴趣周期分量的周期,否则效果不佳．一种新的信号时域平均分析方法——梳状滤波矩阵法,以类似扫描的方式,通过绘制二维灰度图,能精确计算出信号中感兴趣周期分量的周期,为信号时域平均方法的工程应用铺平了道路．首先介绍一般梳状滤波器理论及梳状滤波矩阵法的具体实现方法,最后给出了仿真和实验实例．     

高斯光束在细纱条干动态检测中的应用

高斯光束经空间滤波后与硅光电池构成传感器，可用于细纱条干不匀的大样本动态检测．文中描述了高斯光束的空间滤波方法和信号检测原理，提出了大样本数据的分段计算公式，给出了传感器线性特性和温、湿度特性的实验结果．     

二维离散系统的H_∞滤波仿真研究

基于Roesser模型对二维离散系统的H∞滤波问题进行研究,讨论了二维H∞滤波器的设计方法。针对任意能量范围内的噪声输入,二维H∞滤波器能保证噪声衰减的水平。应用LMI(线性矩阵不等式)方法和黎卡提不等式方法处理二维H∞滤波问题。设计基于观测器的H∞滤波器,最后通过图像处理的相关实例进行结果仿真验证。仿真结果表明,滤波误差系统的频率响应低于指定的H∞噪音衰减水平,滤波效果明显。     

地震数据时域滤波方法研究

为了进一步提高地震数据的质量,针对地震数据时域滤波技术进行了研究。基于时间域滤波方法的原理,采用褶积镶边法设计滤波器,以避免吉布斯效应的影响。应用Matlab软件与C语言混合编程的方法,实现信号的时间域滤波设计。理论模型应用和实际地震数据试算的结果表明,运用时间域褶积滤波方法对地震信号去噪的效果良好,使地震资料的信噪比有所提高。     

均匀水平大地上频率域垂直磁偶源电磁场数值滤波解法

给出了垂直磁偶源和测量点在水平均匀大地的地上、地面时频率域电磁场数值滤波求解方法，介绍了Guptasarma和Singh给出的汉克尔J0变换线性滤波器(61点和120点)和汉克尔J1变换线性滤波器(47点和140点)，并计算了水平均匀大地上垂直磁偶源的场．     

Schlieren方法中的二维空间滤波效应

在分析一维Ｓｃｈｌｉｅｒｅｎ方法不能有效显示二维弱位相分布的基础上，为有效地显示二维位相梯度分布，构造了几类二维直角空间滤波函数，并分别计算了它们的滤波效应．结果表明几类二维空间滤波都可以较大的衬度同时显示二维弱位相梯度分布，且不同形式的二维空间滤波对像面强度分布的“直流”分量有影响．     

八阶数字滤波器计算机仿真探讨

通过对8阶低通数字滤波器的计算机仿真，进行程序设计，用有限精度算法实现离散时间线性非时变系统，以完成对信号进行滤波处理。     

分形滤波及其在信号处理中的应用

介绍一种模糊自动控制滤波器的原理及其在时域信号处理中的应用.讨论了滤波器的滤波效果与模糊控制参数间的关系.提出了一种利用短时分形维数来修正滤波器的模糊控制参数,从而改善滤波效果的方法.通过对Weierstrass函数的滤波,表明了这是一种有效的滤波降噪方法,对各种复杂信号的滤波均有非常好的应用前景.     

二维分数阶小波变换滤除混合图像噪声研究

图像形成与传输过程中,常受到复杂混合噪声的干扰.本文结合二维分数阶小波变换与中值滤波,提出一种新的混合未知图像噪声滤除方法.该方法先通过噪声检测将脉冲噪声标识出来,并利用中值滤波方法滤除,然后计算剩余噪声,进一步得到二维分数阶小波变换的最优阶次,在二维分数阶小波时频域,将剩余的高斯白噪声用阈值去噪方法滤除.经实验证明,该方法在有效去除混合噪声时具有优势.     

基于三维剪切波变换和BM4D的图像去噪方法

针对传统的块匹配去噪方法只能处理二维图像的缺点,提出一种基于三维剪切波变换和改进的三维块匹配过滤(block-matching and 4D filtering, BM4D)算法的图像去噪方法。利用三维剪切波变换得到变换域系数,通过硬阈值和维纳滤波,在变换域中实现联合过滤。经过多尺度分解和方向剖分两个滤波阶段,确保三维剪切波变换是局部的;进行硬阈值和维纳滤波,分别包括分组、协同过滤和聚合3个步骤,利用堆积成四维组的体素立方体,在该组的四维变换同时利用每个立方体中体素之间存在的局部相关性和不同立方体中相应体素之间的非局部相关性。通过三维剪切波逆变换,得到每个分组立方体的估计值,在它们的原始位置进行自适应聚合。以峰值信噪比和结构相似度作为评价标准,试验结果表明：该方法不仅能够有效去除高噪声环境下的图像噪声,而且还能够有效地改善图像的视觉效果,具有较高的准确性。     

基于模糊多级时频峰值滤波消减地震勘探随机噪声

为解决时频峰值滤波采用单一窗长无法同时压制随机噪声和保留信号特征的问题,需要针对信号和噪声设置不同长度的窗函数,提出一种基于模糊判别的多级窗长时频峰值滤波方法。该方法结合模糊判决准则,根据地震信号局部时变特征模糊判定地震图像中各像素隶属于有效信号和随机噪声的程度。对于模糊分段后的信号和噪声,分别根据信号频率特征和噪声强度设置多级时频峰值滤波窗长时频峰值滤波算法,在噪声区域采用较长的窗长以压制随机噪声,在信号部分采用较短的窗长以保持地震信号的细节。将模糊多级时频峰值滤波应用于合成记录和共炮点地震勘探记录,结果表明,改进的方法增强了时频峰值滤波算法保持信号特征的能力,能够有效提高地震勘探图像的信噪比。     

数学形态滤波在音频大地电磁去噪中的应用

大地电磁去噪方法种类多,且各有其优缺点。本文引入汤井田教授的一种新方法——数学形态滤波法,它是依据形态学原理而创建的一种新型的非线性滤波方法,在信号和图像处理领域中得到广泛的运用。本文通过仿真实验设计一个加噪的正弦曲线,通过经腐蚀运算、膨胀运算、开闭运算、闭开运算和经形态滤波后分析曲线特征,之后对比经组合广义形态滤波在同一结构元素不同长度、同一长度不同结构元素滤波效果,最后将组合广义形态滤波引进到实测的音频大地电磁数据中,对比其滤波前和滤波后的视电阻率曲线,结果表明形态滤波能有效抑制音频大地电磁法中大尺度干扰,取得了良好的应用效果。     

距离图像的分层滤波处理算法

距离图像是指由波束扫描和脉冲反射测距相结合形成的图像,它与常规的光学图像相比具有一些不同的统计特性.提出一种用于处理这种距离图像的分层滤波处理算法,它利用了距离图像中存在多目标时统计直方图具有多峰值的特点进行分层分割、分别滤波,再合成重建新图像.与常规的滤波处理方法相比,它能更加有效地滤除噪声干扰,获得清晰的目标和背景图像.     

几种典型数字图像中值滤波算法的对比分析

中值滤波方法是图像去除噪声的重要方法之一,广泛应用于数字图像处理中。本文为了更好地检验滤波方法的效果,在图像中添加随机和椒盐两种常见噪声,对多级中值滤波、开关中值滤波和极值中值滤波算法进行仿真,以峰值信噪比和归一化均方差（NMSE）作为客观评价标准,对几种典型中值滤波算法进行了对比分析。结果表明,中值滤波既可以去除图像中的噪声又能保护图像的边缘和轮廓。     

经验模式分解域自适应滤波方法

为了利用经验模式分解法提取信号边缘信息,提出一种基于经验模式分解的自适应滤波方法,并给出了噪声功率阈值的两种选取方法．该滤波方法首先对信号进行经验模式分解; 其次对相邻尺度上残差分量一阶导数信号进行空间相关性计算,并对归一化空间相关函数与残差分量一阶导数进行逐点比较,实现对残差分量一阶导数的滤波; 最后根据噪声功率阈值判断自适应滤波过程是否结束．仿真实验结果显示,本方法可以准确提取信号边缘信息,同时抑制噪声信号．     

混有高斯和脉冲噪声图像的一种新滤波方法

针对数字图像中的高斯噪声和脉冲噪声,提出了采用递推最小最大值法与中值滤波相结合的滤波方法。对数字图像首先采用递推最小最大值方法来除去脉冲噪声,然后采用中值滤波方法,并选择合适的窗口尺寸,可得到质量很好的图像。实验结果表明,递推最小最大值方法在抑制脉冲噪声的同时,还能保留良好的图像细节,特别是在多种脉冲噪声存在的条件下,效果更加明显,而中值滤波可以有效地除去剩余噪声,最终得到满意结果。     

基于模糊逻辑的图像脉冲噪声滤除

为了兼顾与平衡在图像脉冲噪声滤除和细节保留两方面的内容,提出了基于模糊逻辑的图像脉冲噪声滤除算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其它改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

基于线性预测的图像去噪

针对图像脉冲噪声的去除问题,本文提出了一种基于线性预测的新方法.根据噪声的特点,首先将像素点分成信号点和可疑噪声点,对信号点不进行处理,对可疑噪声点进行进一步分析.若可以噪声点被确定为噪声点,则采用线性预测方法进行滤波,否则保持不变.实验结果表明,本文方法不仅有效的去除了噪声,而且很好的保持了图像的细节.