基于场景有序运动的热红外视频去噪方法

在信号动态范围较小的场景下热红外图像的信噪比偏低,同时在诸多应用中其场景会在某一方向发生单调运动。基于这种考虑,提出了一种基于场景有序运动的热红外视频去噪方法。通过低秩矩阵近似的相关理论,引入场景有序运动这一先验知识并构建严格的观测矩阵,利用加权核范数最小化算法求解去噪的低秩矩阵形式并重构视频信号。经仿真分析,本方法在强噪声环境下具有较高的峰值信噪比与降噪鲁棒性,通过海洋遥感数据验证了方法的实际效果,从而在遥感与搜救等领域具有一定应用价值。     

低秩矩阵恢复下的自适应图像超分辨率重建

低分辨率自适应图像的像素密度过于稀疏,导致图像清晰度达不到超分辨标准。为此提出低秩矩阵恢复下的自适应图像超分辨率重建方法。构建低秩矩阵恢复模型,计算峰值信噪比参数,完成低秩矩阵恢复下的自适应图像降噪处理。在图像区域中提取自适应特征,根据超分辨率判别条件定义具体的重建函数表达式,完成低秩矩阵恢复下自适应图像超分辨率重建方法的设计。实验结果表明,该方法的应用可使图像有效去噪,信噪比高于31 dB,重建后图像分辨率均值达到100 PPI,实现了超分辨重建。     

一种新的融合小波变换与低秩矩阵恢复的图像去噪算法

针对小波阈值图像去噪会引入量化噪声和阈值选取不当会损失图像本身有用信息的问题,提出一种新的融合小波变换与低秩矩阵恢复(Low Rank Matrtix Recovery,LRMR)的图像去噪算法.不同于传统的单一阈值的去噪算法,所提出的算法在单一阈值上结合了低秩矩阵恢复算法,这样不仅能进一步消除噪声,同时还能修复被噪声损坏的数据,而且更能适应各种不同的噪声环境.首先,选取固定阈值对图像矩阵进行小波去噪处理.其次,采用增广拉格朗日乘子算法最小化矩阵核范数.最后,将矩阵分解为低秩逼近矩阵和稀疏误差矩阵.实验结果表明,算法获得了较高的峰值信噪比,在不同噪声环境下有较高的鲁棒性.     

滤除图像中混合噪声的LSE模型

图像中的高斯白噪声使LS模型中的低秩矩阵低秩性和稀疏矩阵稀疏性不能同时满足,造成去噪不充分或细节严重丢失。本文在LS模型的基础上引入高斯噪声约束项,提出一种新的用于去除图像中混合噪声的LSE模型,该模型首先对图像进行相似块匹配,然后对得到的相似块低秩逼近得到去噪图像。实验结果表明,与LS模型相比,LSE模型在保证去噪效果的同时,保留了图像的细节信息,具有更佳的视觉效果,去噪图像的信噪比提高了约0.1-2dB;与BM3D相比,在高斯噪声较小的情况下信噪比提高了约0.5-2.5dB。      

应用残差总变分和低秩表示的视频去噪算法

为了有效地去除视频当中的高斯噪声和脉冲噪声,提出了一种新的视频去噪算法。该算法通过相似图像块组内的残差值总变分及低秩表示来同时探索图像块内的局部相似性以及图像块之间的相似性。首先,采用块匹配的方式在含噪视频中寻找最相似图像块并组合成图像块组;其次将每个相似图像组表达为一个低秩矩阵及一个稀疏矩阵之和,并同时强调低秩矩阵内的残差总变分范数最小化;最后,通过求解最优化问题获得最终的低秩矩阵,即恢复出的图像块组数据。实验结果表明,本文的算法能够有效去除视频当中含有的高斯噪声和脉冲噪声。与同类算法相比,能够获得显著的峰值信噪比提升。      

形状自适应低秩表示的电力设备热故障诊断方法研究

本文提出一种形状自适应低秩表示的电力设备热故障诊断方法。该方法通过联合超像素分割和低秩表示技术进行热故障诊断。首先,使用主成分分析算法对输入的红外图像进行变换,并对第一主成分进行超像素分割处理,将红外图像自适应地分割为若干非重叠的超像素。然后,采用低秩表示技术对逐个超像素进行热故障诊断,通过充分挖掘空间结构信息和红外温度信息,优化提升热故障诊断精度。实验结果表明,与其他传统热故障诊断方法相比,本文提出的方法在热故障诊断精度上具有较大的优势,满足电力设备红外巡检的应用需求。     

采用低秩稀疏建模的盲频谱检测算法

频谱检测技术是认知无线电的一项关键技术,传统的频谱检测方法或依赖于相关的先验信息,或受限于低信噪比和运算复杂度的影响,在实际应用中均有一定的缺陷。针对此问题,本文基于协方差矩阵的检测算法,结合低秩稀疏建模理论,建立了频谱检测的低秩稀疏模型,提出了一种改进的频谱检测新方法。所提方法不需要事先获取主用户信号和噪声功率等先验信息,对信号样本的协方差矩阵进行低秩稀疏分解,以低秩矩阵之间的特征差异来判决当前是否存在主用户信号。仿真实验验证了所提方法具有较好的检测性能和鲁棒性。      

基于多尺度低秩模型的心脏磁共振成像方法研究

本文提出一种基于多尺度低秩模型（MSL,Multi-Scale Low rank）的磁共振成像方法,该方法将矩阵分解成多尺度的块低秩矩阵之和,并将多尺度块低秩矩阵之和的最小化作为约束条件用于磁共振成像.两种不同的心脏磁共振数据用于验证本文所提出算法重构磁共振成像的精度.实验结果表明,相比于k-t SLR（k-t Sparsity Low Rank）和L+S（Low Rank plus Sparse）方法,所提出的MSL方法具有更好的重建效果,获得更高的重构信差比（signal to error ratio）,并具有更好地结构相似性,但需要更长的重构时间.     

低信噪比下二维联合快速超分辨B-ISAR成像方法

双基地ISAR成像分辨率受限于信号带宽和方位积累时间,且成像质量受噪声影响严重.本文在充分考虑回波的二维联合稀疏特征基础上,提出二维联合字典下的矩阵复数近似消息传递超分辨快速成像算法.在构建双基地ISAR的二维联合超分辨成像模型基础上,首先通过向量化处理,将二维超分辨成像问题转换为复数基追踪去噪问题;其次通过两种策略实现复数基追踪去噪问题的快速求解,一是利用向量化与Kronecker积的关系,推导出矩阵形式复数近似消息传递算法,从而避免向量化处理带来的大矩阵运算量和大存储量问题;二是为进一步减少单次迭代的运算量,将矩阵乘法等效为二维快速傅里叶变换.最后,利用本文算法在迭代过程中对噪声阈值不断精确逼近,提高算法在低信噪比下的成像能力.仿真数据成像结果验证了本文算法的有效性.     

一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法.该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像.基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势.     

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

基于哈达玛矩阵编码测量的自适应压缩成像

为了消除采样过程中的噪声干扰,进一步提高重构图像质量,针对数字微镜阵列(DMD)与桶探测器在测量过程中点对点采样产生的起伏噪声导致图像信噪比降低的问题,提出基于哈达玛矩阵编码测量的压缩采样成像方法。首先采用DMD分区控制方法,利用哈达玛编码测量,计算获得低分辨率的粗糙图像,接着在预测的重要小波系数所在区域,对同一尺度上的重要区域利用哈达玛矩阵进行投影,同时计算出这些区域的小波系数,最后通过小波逆变换获得重构图像。实验表明,在测量噪声为0.2倍的热噪声下,只需要10%的采样率,通过哈达玛编码测量,图像峰值信噪比从13.98dB最高提高到34.56dB,提高了20.58dB,成像质量明显改善,清晰度高。当存在较大的测量噪声时,该方法可以大幅提高图像的信噪比,尤其适用于微弱光信号条件下的高灵敏压缩采样成像。     

Denoising recovery for compressive sensing based on selective measure

In order to reduce the effect of noise folding (NF) phenomenon on the performance of sparse signal recon-struction,a new denoising recovery algorithm based on selective measure was proposed.Firstly,the NF phenomenon in compressive sensing (CS) was explained in theory.Secondly,a new statistic based on compressive measurement data was proposed,and its probability density function (PDF) was deduced and analyzed.Then a noise filter matrix was constructed based on the PDF to guide the optimization of measurement matrix.The optimized measurement matrix can selectively sense the sparse signal and suppress the noise to improve the SNR of the measurement data,resulting in the improvement of sparse reconstruction performance.Finally,it was pointed out that increasing the measurement times can further enhance the performance of denoising reconstruction.Simulation results show that the proposed denoising recon-struction algorithm has a better improvement in the performance of reconstruction of noisy signal,especially under low SNR.     

宽测绘带SAR成像的一种侧摆模式及其压缩感知处理方法

宽测绘带合成孔径雷达(SAR)采用了不同的信号录取方式及成像算法,但现有的ScanSAR和循序扫描体制(TOPSAR)往往会造成场景分辨率的整体下降。针对这一问题,该文采用一种新的侧摆模式进行宽幅场景成像。该模式通过距离向波束角度的变化,以损失部分积累时间为代价,得到宽幅场景的回波信号,继而采用稀疏算法在方位向实现降采样成像。仿真结果表明,在波束变化轨迹确定后,星载雷达侧摆模式下稀疏SAR成像可有效增加场景幅宽,同时确保场景中心区域的高分辨成像。     

强噪声源背景下的盲信号提取

低信噪比下的去噪一直是一个难题,最近Emir等人提出了independent component analysis(ICA)去噪方法,该方法在光学功能成像中得到了成功应用。但研究发现在极低信噪比,由于观测信号的样本协方差矩阵具有奇异性,这使得ICA去噪算法中的白化处理步骤无法进行。为解决这一问题,本文利用信号子空间的概念,在ICA去噪方法的基础上提出了一种新的基于信号子空间的ICA(ICA based 0n signal subspace；SSICA)去噪方法。仿真表明该方法能在极低信噪比下有效去噪,同时与传统的滤波去噪相比,SSICA去噪方法在去噪的同时还能够成功得将频域重叠的信号正确分离。     

Single-Threshold Detection of a Random Signal in Noise with Multiple Independent Observations,Part 2:Continuous Case

A single-threshold detector is derived for a wide class of classical binary decision problems involving the likelihood-ratio detection of a signal embedded in noise. The class of problems considered encompasses the case of multiple independent (but not necessarily identically distributed) observations of a nonnegative (or nonpositive) signal embedded in additive and independent noise, where the range of the signal and noise is continuous. It is shown that a comparison of the sum of the observations with a unique threshold comprises an optimum detector if a weak condition on the noise is satisfied independent of the signal. Examples of noise densities that satisfy and that violate this condition are presented. A sufficient condition on the likelihood ratio which implies that the sum of the observations is also a sufficient statistic is considered.     

功能性近红外光谱脑成像噪声源及去噪方法综述

综述了功能性近红外光谱脑成像噪声源及去噪方法。从成像原理、噪声来源和发生机制等方面分析并给出了抑制噪声的方法和操作,详细分析了干扰的组成成分及特性,给出了有效去除方法和提高近红外光谱脑成像分析建模过程中的信号质量算法。这些方法能对近红外光谱脑成像数据的分析和处理提供指导。总结了3种会影响近红外光谱脑成像信号的噪声源：电气噪声、实验设计和操作误差、生理伪影,给出了2种实用去噪算法,并阐述了成像技术的发展趋势。     

基于小波变换的光寻址电位传感器信号去噪研究

基于(LAPS)(光寻址电位传感器)技术的生化传感器中的光生电流是一种微弱的非平稳信号,信噪比(SNR)低。为了提取清晰的LAPS信号,且鉴于传统的傅里叶方法去噪后信号失真严重,本文采用小波变换的方法对LAPS信号进行去噪处理。通过小波变换将信号分解为3层,得到各层的小波系数以及阈值。根据每一层系数特点,按阈值进行分别处理,得到新的小波系数。最后根据新的小波系数,重构信号。对去噪后的信号进行频谱分析发现,信号频谱为有效的LAPS信号谱段。将傅里叶去噪和小波去噪方法进行对比发现,小波去噪得到信号的SNR和平滑度(SR)要高于傅里叶去噪,表明小波变换是LAPS信号去噪的有效方法。