返回散射电离图干净数据提取

基于返回散射电离图无线电波干扰的基本特征,提出一种无线电波干扰消除算法;结合电离图中杂波信号和背景噪声的分布特点,提出一种自适应阈值返回散射电离图干净数据提取算法,简单介绍了返回散射电离图干净数据提取算法的计算步骤.仿真结果显示,本文提出的算法适应不同状态的实测电离图,满足工程应用的需要.     

返回散射电离图传播模式的自动识别方法

提出了返回散射电离图传播模式的自动识别方法.介绍的方法仅基于返回散射电离图本身,结合电离层传播机理,无须人工干预,自动识别出一幅返回散射电离图存在哪几个反射层(E层、Es层和F层)的回波,根据层数采用不同的算法提取各个层的回波前沿.最后,又提出了利用垂测和斜测电离图辅助判读返回散射电离图的方法,能够提高返回散射电离图模式识别和前沿提取的正确率,具有较好的应用前景.     

返回散射扫频特殊电离图的信息提取

根据返回散射电离图中噪声和干扰的时统特性提出了一套算法,用于特殊状态下(强底噪、D层吸收增强)的返回散射电离图有效信息的提取。算法首先利用频率域滤波技术,采用巴特沃斯低通滤波器对图像进行过滤处理,使得同频干扰信息得到抑制,然后利用矩形窗去噪和自适应中值滤波器对电离图进行去噪处理,并且对处理后的电离图进行补偿,得到了返回散射电离图干净有效的信号区域,并利用返回散射电离图频率和距离的相关性,将前沿描迹给出。结果显示,该算法对返回散射特殊电离图中的信号部分提取有较好的效果。     

基于迭代去噪的返回散射同频干扰修复方法

将基于自适应小波阈值滤波和离散余弦变换滤波的迭代去噪技术的图像修复方法引入到返回散射同频干扰的修复问题中,使用澳大利亚的返回散射电离图对算法进行了验证,修复结果的功率信噪比达到40 dB左右.对于实测数据,与传统的修复方法相比,给出的基于小波分解的迭代去噪算法具有更佳统计性能,而且小波方法具有更好的边缘保持能力和结构保持能力,这是返回散射电离图判读的一个重要的性能指标.     

返回散射电离图处理方法研究

提出了一套完整的返回散射电离图处理方法。该方法首先利用信号与干扰的特性对电离图进行干扰去除,并对去除干扰后的电离图进行内插;其次针对电离图的特点进行噪声去除,并根据电离图的距离和频率相关性进行补偿,最后提取前沿。处理结果表明,该方法实时性好,处理效果明显。     

基于形状识别的返回散射电离图分类方法研究

基于中值滤波算法, 结合电离图中杂波信号和背景噪声的分布特点, 提出了一种返回散射电离图干净数据提取新算法; 利用返回散射电离图干净数据, 基于形状识别理论, 给出了一种返回散射电离图分类算法, 并对形状因子的提取方法进行了简单介绍.实测电离图仿真实验结果显示, 所提电离图分类算法具有较好的实测电离图识别和分类能力, 具有较好的应用前景.     

返回散射电离图仰角信息提取方法研究

利用短波二维天线阵列，在国内首次获得了高频返回散射扫频-仰角电离图，本文结合遗传算法和Otsu法对群距离-频率-能量三维电离图进行信号区域提取，通过连通域标记方法进行离散点噪声消除，获取"干净"信号，然后利用Canny算子获得频率对应回波信号分布的最近和最远群距离，在群距离-频率-仰角三维电离图上，提取相应频率的仰角-群距离分布数据，分别利用线性曲线拟合、对仰角求对数拟合和对群距离求对数拟合的方式对数据点进行处理，通过青岛观测站的测高仪数据对拟合后的曲线分别进行了误差分析，结果显示，对群距离求对数拟合得到的曲线与目标曲线的符合较好，证明了提取方法的有效性.     

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

电离层返回散射探测中干扰抑制方法研究

电离层返回散射工作在高频频段,密集的外部干扰如短波通信、广播电台及大气噪声等污染了接收数据,严重影响返回散射电离图的判读。利用外部干扰的空时特性,提出了一种自适应波束形成-干扰对消级联去干扰的方法。对实测数据的处理结果表明这种方法的有效性和实用性。     

基于自适应阈值分割改进Canny算子的管道边缘检测方法研究

针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差 (OTSU)阈值分割算 法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。     

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明：在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。     

一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

基于小波和脊波变换的探地雷达信号杂波抑制

针对如何有效去除探地雷达信号的干扰噪声问题,提出了一种基于小波和脊波变换的杂波抑制方法。小波能有效地描述图像的点奇异性,而脊波能有效地描述图像的线奇异性。首先结合小波和脊波的特点,对探地雷达回波信号进行自适应阈值去噪,然后利用脊波的方向敏感性在脊波域去除直达波信号,最终通过处理实际探底雷达数据,验证算法的有效性。     

基于单小波和多小波的红外图像盲去噪

Introduction Infrared Image denoising is a basic problem of image processing.It is well known that the more prioriknowledge is used,the better filtering effect is gotten.Usually,we can only get a contaminated image and prioriknowledge of noise can not be gotten accurately so the filtering effect is not good.Wavelet denoising algorithmproposed by Donoho et al.[1]is widely used.It is considered the better denoising algorithm recently.However,itrequires size of image to determine the important …     

基于小波影响锥分析的图像去噪方法

采用非抽取小波变换(UDWT),在小波影响锥(COI)分析的基础上,提出一种新的图像去噪方法,能够有效地去除脉冲噪声同时保护图像的边缘.该方法与传统小波阈值去噪法结合,可以很好地抑制高斯噪声和泊松噪声,甚至混合形式的噪声.实验结果证实了该方法的有效性.     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

Noise reduction for magnetic resonance images via adaptive multiscale products thresholding

Edge-preserving denoising is of great interest in medical image processing. This paper presents a wavelet-based multiscale products thresholding scheme for noise suppression of magnetic resonance images. A Canny edge detector-like dyadic wavelet transform is employed. This results in the significant features in images evolving with high magnitude across wavelet scales, while noise decays rapidly. To exploit the wavelet interscale dependencies we multiply the adjacent wavelet subbands to enhance edge structures while weakening noise. In the multiscale products, edges can be effectively distinguished from noise. Thereafter, an adaptive threshold is calculated and imposed on the products, instead of on the wavelet coefficients, to identify important features. Experiments show that the proposed scheme better suppresses noise and preserves edges than other wavelet-thresholding denoising methods.     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

Shearlet变换域自适应图像去噪算法

首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。     

Adaptive image denoising using scale and space consistency

This paper proposes a new method for image denoising with edge preservation, based on image multiresolution decomposition by a redundant wavelet transform. In our approach, edges are implicitly located and preserved in the wavelet domain, whilst image noise is filtered out. At each resolution level, the image edges are estimated by gradient magnitudes (obtained from the wavelet coefficients), which are modeled probabilistically, and a shrinkage function is assembled based on the model obtained. Joint use of space and scale consistency is applied for better preservation of edges. The shrinkage functions are combined to preserve edges that appear simultaneously at several resolutions, and geometric constraints are applied to preserve edges that are not isolated. The proposed technique produces a filtered version of the original image, where homogeneous regions appear separated by well-defined edges. Possible applications include image presegmentation, and image denoising.