基于BEMD与自适应维纳滤波的图像降噪

自适应维纳滤波器是一种经典的线性降噪滤波器,较其他线性滤波器能够更好地解决边界模糊的问题。然而由于含噪图像的噪声主要集中于它的高频部分,而图像的低频部分所含有的噪声较高频部分则小很多。自适应维纳滤波算法对图像中所有频率成份都不加区分地进行滤波降噪处理,因而它不能得到更为令人满意的结果。提出了一种将二维经验模态分解和自适应维纳滤波相结合的图像去噪方法,通过将图像分解为不同频率成份的子图像并对各子图像采用不同的降噪处理,从而更好地对含噪图像进行降噪。实验结果表明,算法相对于自适应维纳滤波算法降噪效果更好。     

基于变换域和噪声估计的路面图像去噪研究

针对不考虑噪声的统计分布,仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题,提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同,以及图像噪声在不同变换域下的统计特性,提出先将图像进行傅里叶变换,根据噪声的统计特性构造传递函数H,使用Wiener滤波器进行降噪处理,得到一次降噪图像;再对图像再进行小波变换,根据噪声在小波的各尺度下,以及同一尺度下的不同特性,分别采用软门限降噪法和MMSE准则的降噪方法,得到二次降噪图像。仿真实验证实,该算法能有效提高降噪效果,降噪后的图像不失真,包含噪声少。     

基于局部统计参数的复数图像降噪算法

为了使复数图像更为清晰、边缘轮廓更为平滑,提出了一种基于局部统计参数的复数图像降噪算法,使用单小波转换方法对图像分解与重构,得到复数图像的三种带通子带,使用局部统计参数对子带图参数调整,映射出复数图像的局部架构特征,利用各向同性扩散方法,将复数图像梯度算子转换为常量,通过上述得到的架构特征结果对初始复数图像进行基础降噪,同时因图像仍存在冗余噪声,依靠小波系数信号对冗余噪声进行几率密度,计算完成二次降噪.仿真结果证明,较比传统方法,所提方法能够有效地对复数图像进行降噪,并且降噪完成后不会出现冗余噪声.     

两阶段多层感知的随机脉冲噪声比例预测

目的 基于卷积神经网络（CNN）在图块级上实现的随机脉冲噪声（RVIN）降噪算法在执行效率方面较经典的逐像素点开关型降噪算法有显著优势,但降噪效果如何取决于能否对降噪图像受噪声干扰程度（噪声比例值）进行准确估计。为此,提出一种基于多层感知网络的两阶段噪声比例预测算法,达到自适应调用CNN预训练降噪模型获得最佳去噪效果的目的。方法 首先,对大量无噪声图像添加不同噪声比例的RVIN噪声构成噪声图像集合;其次,基于视觉码本（visual codebook）采用软分配（soft-assignment）编码法提取并筛选若干能反映噪声图像受随机脉冲噪声干扰程度的特征值构成特征矢量;再次,将从噪声图像上提取的特征矢量及对应的噪声比例分别作为多层感知网络的输入和输出训练噪声比例预测模型,实现从特征矢量到噪声比例值的映射（预测）;最后,采用粗精相结合的两阶段实现策略进一步提高RVIN噪声比例的预测准确性。结果 针对不同RVIN噪声比例的失真图像,从预测准确性、实际降噪效果和执行效率3个方面验证提出算法的性能和实用性。实验数据表明,本文算法在大多数噪声比例下的预测误差小于2%,降噪效果（PSNR指标）较其他主流降噪算法高24 dB,处理一幅大小为512×512像素的图像仅需3 s左右。结论 本文提出的RVIN噪声比例预测算法在各个噪声比例下具有鲁棒的预测准确性,在降噪效果和执行效率两个方面较经典的开关型RVIN降噪算法有显著提升,更具实用价值。     

基于分块处理的三维非局部均值降噪算法

现有二维非局部均值降噪算法仅能抑制三维图像的层内噪声,无法利用层间信息对图像进一步降噪。针对该问题,分析印刷电路板在锥形束CT系统中所成图像的自相似性,将现有二维算法扩展到三维空间,提出基于分块处理的三维非局部均值降噪算法。实验结果表明,该算法可进一步抑制噪声,具有较高的计算效率。     

基于小波变换的图像降噪技术

小坡变换在图像处理中有着重要的应用,在基于小波的图像降噪处理算法中,常常存在着对图像信息的过分滤除和对噪声信息的欠滤出,而使得对图像降噪后不仅没有提高信噪比反而使其降低了,这就不利于对图像进行分析观察。究其原因主要是由于阈值选取和处理方法不恰当引起的。在小波空间Donoho闺值算法的基础上,结合Birge—Massart策略得出的多层阂值图像降噪处理算法,从而达到较好的保留图像的细节有用信息、降低噪声的目的,仿真实验表明对一般受低噪声干扰的图像做降噪处理时,效果较好。     

局部均值噪声估计的盲3维滤波降噪算法

目的 图像在获取和传输的过程中很容易受到噪声的干扰,图像降噪作为众多图像处理系统的预处理模块在过去数十年中得到了广泛的研究。在已提出的降噪算法中,往往采用加性高斯白噪声模型AWGN（additive white Gaussian noise）为噪声建模,噪声水平（严重程度）由方差参数控制。经典的BM3D 3维滤波算法属于非盲降噪（non-blind denoising algorithm）算法,在实际使用中需要由人工评估图像噪声水平并设置参数,存在着噪声评估值随机性大而导致无法获得最佳降噪效果的问题。为此,提出了一种新的局部均值噪声估计（LME）算法并作为BM3D算法的前置预处理模块。方法 本文专注于利用基于自然统计规律（NSS）的图像质量感知特征和局部均值估计技术构建图像噪声水平预测器,并通过它高效地获得噪声图像中准确的噪声水平值。关于自然场景统计方面的研究表明,无失真的自然场景图像在空域或者频率域上具有显著的统计规律,一旦受到噪声干扰会产生规律性的偏移,可以提取这些特征值作为反映图像质量好坏的图像质量感知特征。另外,局部均值估计因其简单而高效率的预测特性被采用。具体实现上,在具有广泛代表性且未受噪声干扰图像集合上添加不同噪声水平的高斯噪声构建失真图像集合,然后利用小波变换对这些失真图像进行不同尺度和不同方向的分解,再用广义高斯分布模型（GGD）提取子带滤波系数的统计信息构成描述图像失真程度的特征矢量,最后用每幅失真图像上所提取的特征矢量及对其所施加的高斯噪声水平值构成了失真特征矢量库。在降噪阶段,用相同的特征提取方法提取待降噪的图像的特征矢量并在失真特征矢量库中检索出与之类似的若干特征矢量及它们所对应的噪声水平值,然后用局部均值法估计出待降噪图像中高斯噪声大小作为经典BM3D算法的输入参数。结果 改进后的BM3D算法转换为盲降噪算法,称为BM3D-LME（block-matching and 3D filtering based on local means estimation）算法。准确的噪声估计对于诸如图像降噪,图像超分辨率和图像分割等图像处理任务非常重要。已经验证了所提出噪声水平估计算法的准确性、鲁棒性和有效性。结论 相对人工进行噪声估计,LME算法能够准确、快速地估算出任意待降噪图像中的噪声大小。配合BM3D算法使用后,有效提高了它的实际降噪效果并扩大它的应用范围。     

基于无监督深度图像生成的盲降噪模型

鉴于有监督神经网络降噪模型的数据依赖缺陷,提出了一种基于无监督深度生成（UDIG）的盲降噪模型。首先,利用噪声水平评估（NLE）算法测定给定噪声图像中的噪声水平值并输入到主流FFDNet降噪模型中,所得到降噪后的图像（称为初步降噪图像）作为UDIG降噪模型的输入。其次,选用编码器—解码器架构作为UDIG模型的骨干网络并用UDIG模型的输出图像（即生成图像）分别与初步降噪图像、噪声图像之间的均方误差之和构建混合loss函数;再次,以loss最小化为优化目标,通过随机梯度下降（SGD）网络训练算法调整网络模型的参数值从而获得一系列生成图像;最后,当残差图像（噪声图像与生成图像之间）的标准差逼近之前NLE算法所测定的噪声水平估计值时及时终止网络迭代训练过程,从而确保生成图像（作为降噪后图像）的图像质量最佳。实验结果表明：与现有的主流降噪模型（算法）相比,UDIG降噪模型在降噪效果上具有显著优势。     

一种在扩散加权图像降噪中的算法

扩散加权图像中的噪声为莱斯噪声并且图像本身含有丰富的边界信息,因而要求对DWI图像有效降噪的同时,能够较好地保留图像的边界信息。由于BEMD算法可将图像分解为细节图像及余项图像,其所分解的细节图像包括DWI图像的边界信息以及主噪声,而余项图像则描述图像的趋势信息。因此,提出一种将二维经验模态分解算法与改进的维纳滤波器相结合的降噪算法,并将该算法应用于DWI图像的降噪中。通过实验,将所提出的算法与其他算法应用于DWI图像的降噪处理,并通过对结果的分析比较证明所提出的算法能够更有效地对DWI图像进行降噪处理。     

低照度视频监控图像降噪算法设计与实现

针对低照度环境下视频监控图像噪点较多的问题,提出一种基于运动检测的低照度视频监控图像降噪算法。在研究低照度视频监控图像噪声特点的基础上,通过一种阈值运动检测算法将图像帧划分成8×8的运动像素宏块和静止像素宏块,对运动像素宏块采用改进的维纳滤波算法进行降噪,对静止像素宏块采用数学形态学和中值滤波相结合的算法进行降噪。实验数据显示,该算法总体时间复杂度接近O(n),使用该算法降噪后的图像的PSNR值和DV,BV值均高于经典降噪算法,证明了该算法在降低时间复杂度的同时,能有效降低图像噪声,并较好地保持图像的解析度。     

线阵CCD信号的小波去噪方法研究

随机噪声是影响CCD器件输出信号信噪比的主要因素,它包括1/f分形噪声和白噪声.使用传统方法去除分形噪声效果比较差,而小波变换是一种具有一定时间和频率分辨率的方法,它能够较好的滤除分形噪声.就如何在小波变换域进行参数估计,给出了确定阈值的方法,并在此基础上对TCD142D线阵CCD输出信号进行滤波,结果表明了该方法的有效性.     

平移不变离散小波变换在光纤陀螺信号处理中的应用

光纤陀螺输出信号中主要含有白噪声和具有非平稳、长程相关、自相似性及具有1/fγ类型谱密度的分形噪声,传统的滤波方法难以去除这类噪声,小波分析的多分辨分析特性,使之成为分析分形噪声的有力工具.文中分析了光纤陀螺输出信号误差特性,建立了输出信号的数学模型,在分析了分形噪声的特性的基础上,采用小波变换方法生成分形噪声.在实验室环境下采集了某型号光纤陀螺仪输出信号,对其进行多种小波滤波方法滤波对比实验,并进行了实验结果分析,实验结果表明采用平移不变离散小波变换半软阈值滤波方法可以有效地去除分形噪声和白噪声,克服了硬阈值法有较大的方差和软阈值法有较大的偏差的缺点.     

基于BP神经网络的云相态检测方法研究

利用MODIS中5个光谱波段上不同云相态的特性,提出了一种基于BP神经网络的云相态检测方法。首先,分析了所选波段上不同云相态的特性,利用5个波段上光谱图像的反射率、亮温值和亮温差值构成4组特征数据作为输入层,隐层和输出层分别采用优化的传输函数。然后,利用3层前馈型BP神经网络对所选波段MODIS数据进行了云相态检测。最后,将两组测试数据用该BP神经网络算法进行云相态检测的结果与相应MOD06云相态数据进行了对比分析,结果表明该方法能很好地识别云相态,检测平均准确率达到86.11%,计算结果与标准结果平均相关性达到0.874的高度相关,且无需在计算前进行复杂的云和晴空分离处理。     

基于小波分析的激光陀螺信号处理

随机噪声是影响激光陀螺精度的一个重要因素,其中随机噪声主要是白噪声。利用小波变换理论对激光陀螺数据进行消噪处理是小波的一个最基本的应用。选用Daubechies小波函数作为小波基,采用软阀值方法去除噪声。对某型号的激光陀螺的滤波结果表明了该方法的有效性。     

Effects of fast noises on long-range correlations

Improvement in time resolution sometimes introduces fast (short-range) random noises into temporal data sequences. These noises affect the results of power-spectrum analyses and the detrended fluctuation analysis (DFA). The DFA is one of useful methods for analyzing long-range correlations in non-stationary sequences. The effects of noises are discussed based on artificial temporal sequences. Short-range noises prevent power-spectrum analyses from detecting long-range correlations. The DFA can extract long-range correlations from noisy time sequences. The DFA also gives the threshold time length, under which the noises dominate.     

MODIS影像条带噪声行的判断及去除研究

为了提高MODIS_L1B含有条带噪声的波段5和波段27的影像质量,基于MODIS的扫描特性提出了一种通过扫描带行均最大值判断条带噪声行的方法。去除影像的噪声行时,在波段5的单行邻域插值法基础上,针对波段27提出了一种相邻多行插值方法。最后,通过对比原始数据和去条带噪声后数据的差值图、行均值图和数值分析来证实条带噪声处理效果。结果表明:该方法可以精确判断这两个波段影像的所有条带噪声行,且对条带噪声去除效果较好,去除条带过程简单且适用于复杂场景的光谱图像。     

基于数学形态学的混合消噪法

工程图纸的矢量化过程中,噪声的正确消除一直是比较难解决的问题.为了提高图纸消噪的效果,在研究了噪声消除方法、图纸噪声特点与消噪要求以及形态学在图纸噪声消除方面的应用后,提出了一种改进的消噪法:混合消噪法,以形态学的膨胀与腐蚀基本运算为基础,通过加减运算、开闭运算的多次混合,达到了既消除图纸噪声,又不丢失细线条目标的目的,对工程图纸的处理有较大的应用价值.     

基于噪声空间结构嵌入和高维梯度方向嵌入的鲁棒人脸识别方法

基于核范数的矩阵回归方法(Nuclear norm based Matrix Regression,NMR)对人脸图像中因遮挡和光照变化等噪声引发的误差具有很强的鲁棒性。分析了NMR的鲁棒性的基本原理:首先,误差的核范数度量的是误差在其主方向上的能量,而主方向上的能量通常都去除了常规噪声的干扰;其次,误差的核范数度量嵌入了噪声的空间结构信息,而噪声的空间结构对于表示并排除噪声的影响至关重要。然而,仅仅考虑噪声的空间结构并不能有效消除噪声的影响。将具有噪声抑制能力的高维梯度方向(High-dimensional Gradient Orientation,HGO)特征嵌入NMR,提出了 一种基于高维梯度方向特征的NMR方法(High-dimensional Gradient Orientations-based NMR,HGO-NMR)极大地提升了NMR的识别性能。其重要意义在于指出噪声空间结构信息和噪声抑制机制对于面向现实的鲁棒人脸识别系统同等重要,单方面强调其中任何一种机制都将导致不稳定的识别性能。     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

弹上二次电源抗干扰设计

二次电源在直流—交流,交流—直流过程中容易形成各种干扰噪声,产生严重的传导干扰和辐射干扰;直接影响了供电质量的好坏;为解决干扰问题,文中首先设计了DC/DC转换模块的输入和输出滤波电路,它能够有效的减小输入噪声和阻止二次电源向输入电源反馈的噪声,抑制了高频噪声的辐射干扰;其次完善了对机箱的电磁兼容设计:减小箱体与前、后面板接合面的接触电阻,以便形成低阻抗电流通路;安装合适的导电衬垫,防止强干扰源的辐射;最后对屏蔽技术中需要注意的几个问题进行了探讨;实验结果表明,文中提出的这些抗干扰设计的方法具有明显的效果。