l1优化在网格去噪中的应用

目的 网格去噪是计算机图形学中的经典问题,而如何在去除噪声的同时保持网格的特征结构是这一研究方向所面临的最大挑战。方法 提出一种具有稀疏性的全局网格去噪方法,该方法源于信号处理理论中稀疏表示的基本思想,通过优化全局能量函数来去除网格模型的噪声,同时能够保持网格模型的特征结构。该方法共分为两个步骤,第1步为网格面法向量的滤波,首先建立全局优化模型,对噪声网格的面法向量进行滤波优化,其中引入l₁范数来保证解的稀疏性,使得优化后新的面法向量能够保持网格的特征结构;第2步为网格曲面的重建,根据第1步得到的新的面法向量,按照面法向量的定义,建立最小二乘意义下的网格顶点的重建模型,求解得到新的网格曲面。结果 由于该模型是全局方法,避免了现有滤波方法可能出现的不收敛等问题,能够取得比较满意的去噪效果。结论 大量实验结果表明,本文方法在去除噪声的同时,能较好地保持网格的特征结构,尤其对于CAD模型有很好的实验效果。     

基于局部特征匹配的网格去噪算法

由于三维扫描设备精度不足以及各类人为因素的影响,扫描获取的三维模型不可避免地包含了噪声信息。如何有效地去除扫描模型中的噪声一直是一个经典热门问题。文中提出了一个数据驱动的算法,通过分析已有的噪声模型和对应原始模型数据,建立噪声模型局部几何特征与原始模型法向量之间的数据映射关系,再利用此信息局部特征匹配得到去噪后网格。实验结果表明,该方法可以有效地对网格进行去噪,在去除噪声的同时,可以很好地保持网格的特征结构。     

小波去噪与平均算法去噪在拉曼光谱中的应用

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限,现有滤波方法在光谱信号除噪方面有种种缺陷.使用自适应小波阈值函数滤噪法和平移不变量小波去噪法两种方法,并分别与传统方法平均算法相结合,实现了信号与噪音的有效分离,均取得了很好的效果.即使对信噪比小于1的高噪声信号也能够很好地保留了信号的细节,获取满意的处理结果.     

小波阈值去噪在图像去噪中的应用

小波阈值去噪分为硬阈值去噪和软阈值去噪,它们的去噪思想都是在小波分解后的各层系数中,对模大于和小于某个阈值的系数分别进行处理.本文主要针对图像去噪,将一幅图像分别进行软和硬阈值去噪的方法进行比较,得出无论阈值门限设为何值,软阈值的去噪效果总是比硬阈值的去噪效果好这个结论.     

噪声先验自适应加权的稀疏表示混合去噪算法

提出了一种结合噪声分布先验知识的稀疏表示混合去噪算法。该算法通过自适应中值滤波器进行初始化来分析噪声分布先验,对稀疏编码中的原子进行自适应加权。然后以当前原子集的极值为基准调整选取阈值,对稀疏编码中的原子进行选择淘汰。本算法避免了传统混合去噪算法的两相检测策略,时间复杂度显著降低。实验表明本算法在峰值信噪比PSNR和去噪效率上都有明显优势。     

面向可展特征的网格模型去噪方法

可展特征是三维网格模型的常见几何特征。为了更好地对具备可展特征的网格模型进行去噪,提出一种面向可展特征的网格模型去噪方法。首先基于变分形状逼近策略分割可展区域,识别出网格模型上可展特征区域,并对分割区域进行基于可展性度量的合并和划分,改进现有L₀去噪算法中针对非均匀噪声网格的正则优化表达项,引入三角网格顶点的可展度量项,利用可展特征的曲面法向量L₀范数的优化问题求解实现网格模型的去噪。通过对多个模型数据集中的大量模型数据进行处理,验证了该方法的有效性。实验表明,结合模型的可展特性的去噪方法在保持模型的几何特征特别是可展特征上效果优于已有方法。     

保持特征的三角网格曲面去噪技术综述与展望

三角网格曲面去噪是计算机图形学领域一个经典问题,近年来不断涌现出各种新的去噪方法.该文主要关注保持特征的三角网格曲面去噪技术,总结了三角网格的几何表示以及一系列特征结构,依据算法类型将现有去噪技术分为优化法、滤波法、数据驱动法3类.针对不同的去噪模型和所利用的网格属性,对各分类下的去噪方法进行分析、讨论;简述了4类常用评估准则,从尖锐特征保持能力、体积保持、异常值去除能力、有无顶点漂移现象、有无面片翻转现象5个方面展示不同算法的优缺点;并根据这些算法存在的共性问题提出三角网格曲面去噪技术发展方向.     

改进各向异性扩散模型在图像滤波去噪中的应用

为了增强锅炉水位计图像滤波去噪效果,提高图像清晰度,便于后期液位计图像识别研究,通过分析P-M各向异性扩散模型、选择扩散模型及You Yu-Li和Kaveh M四阶偏微分方程的滤波去噪算法,提出了改进各向异性扩散模型滤波算法.所提算法对Perona和Malik两个扩散函数均值化,并引入标准差作为梯度期望值的偏差裕度,结合了P-M各向异性扩散模型保边缘特性的优点,并消除了由于传统各向异性滤波算法迭代过度所造成的阶梯缺陷问题,确保图像有用信息不缺失和像素点平滑度.实验结果表明:所提算法能够更好地降低噪声对目标信号提取产生的影响,提高了图像识别鲁棒性,增强了图像平滑滤波效果,保证了锅炉水位计图像边缘清晰度和完整性.     

椭圆滤波器在语音去噪中的应用

语音信号是一种非平稳的信号,人们在语音通讯过程中会受到来自周围环境,和传输介质的影响,产生噪音,影响人们的听觉,因此我们需要对语音信号进行去噪处理。使用数字滤波器可以有效地去除语音信号中的高频和低频噪声,本文主要研究椭圆滤波器在语音去噪中的应用。并用Matlab仿真实现。     

提升小波和Savitzky-Golay滤波结合的近红外光谱去噪研究（英文）

在近红外光谱数据处理中,测得的近红外光谱数据不仅有被测样品的近红外特征光谱,还包含一些随机噪声,噪声的存在会影响后续光谱分析的准确性,为提高近红外光谱分析精度,需要对近红外光谱数据进行去噪处理。单一的提升小波去噪、小波去噪以及Savitzky-Golay滤波很难获得较好的去噪效果。因此提出将提升小波变换结合Savitzky-Golay滤波方法用于近红外光谱去噪,对降噪效果进行仿真与评估并与单一去噪方法进行对比。分别对添加随机噪声的1 467 nm近红外光谱进行单一小波去噪、提升小波去噪、Savitzky-Golay滤波以及提升小波变换结合Savitzky-Golay滤波进行去噪。实验结果显示所提出的方法去噪后的信噪比比单一三种去噪方法分别提高0.336 4、1.107 4、0.128 7,均方根误差分别降低0.002 6、0.009 1、0.001,表明所提方法能够有效去除近红外光谱中的噪声信息,并提高去噪的评估指标。     

保特征的联合滤波网格去噪算法

目的 在去噪的过程中保持网格模型的特征结构是网格去噪领域研究的热点问题。为了能够在去噪中保持模型特征,本文提出一种基于变分形状近似（VSA）分割算法的保特征网格去噪算法。方法 引入变分形状近似分割算法分析并提取噪声网格模型的几何特征,分3步进行去噪。第1步使用变分形状近似算法对网格进行分割,对模型进行分块降噪预处理。第2步通过分析变分形状近似算法提取分割边界中的特征信息,将网格划分为特征区域与非特征区域。对两个区域用不同的滤波器联合滤波面法向量。第3步根据滤波后的面法向量,使用非迭代的网格顶点更新方法更新顶点位置。结果 相较于现有全局去噪方法,本文方法可以很好地保持网格模型的特征,引入的降噪预处理对于非均匀网格的拓扑结构保持有着很好的效果。通过对含有不同程度高斯噪声的网格模型进行实验表明,本文算法无论在直观上还是定量分析的结果都相较于对比的方法有着更好的去噪效果,实验中与对比算法相比去噪效果提升15%。结论 与现有的网格去噪算法对比,实验结果表明本文算法在中等高斯噪声下更加鲁棒,对常见模型有着比较好的去噪效果,能更好地处理不均匀采样的网格模型,恢复模型原有的特征信息和拓扑结构。     

改进的中值滤波去噪算法应用分析

去噪处理是图像处理中较为重要的环节。中值滤波是抑制图像的噪声的一个行之有效的办法,选择适当大小的中值滤波窗口可以在最大限度地保持图像精度的基础上去除图像噪声。在对中值滤波去噪算法的适用性特点进行研究的基础上,进一步做了中值滤波去噪的改进算法的应用实现研究,同时对其他去噪算法,如均值滤波、低通滤波的小波变换进行实验分析研究,并对实验结果做了相应的比较。     

小波变换的语音去噪方法

提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法,首先对语音信号的高频部分进行二次分解,然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验,实验结果表明该方法提高了信噪比,去除了大部分噪声,相当完整地保留了有效信号能量,很好地解决噪声对语音信号干扰的问题。     

基于小波变换的信号去噪的应用研究

文章指出了小波变换去噪方法与一般意义下去噪方法的不同,讨论了小波变换算法的优越性,进而提出了利用小波算法对含噪信号进行逐层分析与重构,将原始信号分解为不同频带,滤除不需要的频带,最后用Mallat重建算法得到去噪后的信号,既有效地滤除了信号噪声,又保留了信号的突变性。大量的实验结果和进一步的分析表明,该技术应用在动力系统的去噪研究中将更加有利于系统的稳定运行。     

Bayes理论和邻域平均法在图像去噪中的应用

去噪处理是图像处理中较为重要的环节。针对加噪后的图像的直方图进行分析,依据最小错误率贝叶斯决策和均值滤波理论,提出一种基于均值滤波和最小错误率贝叶斯决策的去噪方法。首先对加入噪声后的图像直方图进行统计,从中估计出服从分布的不同类别参数,对图像中每一像素点进行判断是否为噪声,对噪声点进行基于均值滤波的处理。通过试验,取得了良好的效果。     

改进小波阈值算法在电机振动信号降噪中的应用

针对采集的电机振动信号中夹杂着噪声干扰的问题,提出一种基于贝叶斯估计的小波收缩新阈值的电机振动信号降噪方法。新阈值考虑了振动信号经小波变换后在不同尺度上的去噪特性,更符合噪声在各层中的分布情况;改进阈值函数对振动信号进行降噪处理,较好地弥补了各阈值函数的缺陷,保证了阈值函数的连续性,并且可以灵活调节阈值以适应不同噪声情况,同时解决了固有阈值函数带来的偏差问题,很好地保护了含噪信号的有用信息。     

结合小波消噪的捷联惯导系统传递对准性能改进

针对机载捷联惯导系统的传递对准问题,给出了一种速度+姿态匹配算法,旨在强调姿态失准角和惯导器件误差参数估计性能的改善.并基于惯导测量单元 (inertial measurement unit,IMU)原始测量信号的频谱特征,引入了小波串级消噪算法,拟通过对IMU测量进行消噪,进一步提高传递对准的性能.仿真结果验证了所提算法的可行性.     

Energy-based adaptive orthogonal FRIT and its application in image denoising

Efficient representation of linear singularities is discussed in this paper. We analyzed the relationship between the “wrap around” effect and the distribution of FRAT (Finite Radon Transform) coefficients first, and then based on study of some properties of the columnwisely FRAT reconstruction procedure, we proposed an energy-based adaptive orthogonal FRIT scheme (EFRIT). Experiments using nonlinear approximation show its superiority in energy concentration over both Discrete Wavelet Transform (DWT) and Finite Ridgelet Transform (FRIT). Furthermore, we have modeled the denoising problem and proposed a novel threshold selecting method. Experiments carried out on images containing strong linear singularities and texture components with varying levels of addictive white Gaussian noise show that our method achieves prominent improvement in terms of both SNR and visual quality as compared with that of DWT and FRIT.