联合VMD和Shearlet变换的去噪方法研究

地震数据中的噪声信号会很大程度上降低地震数据的信噪比,对后续的处理和解释工作造成一定的难度,因此研究一种去噪方法具有十分重要的意义。本文构建一种变分模态分解(Variational Mode Decomposition, VMD)和Shearlet变换联合去噪的方法,首先通过VMD将地震数据分解为一系列不同中心频率分布的模态分量(Intrinsic Mode Function, IMF),然后使用Shearlet变换对含噪的IMF分量进行去噪并对处理后的分量进行重构,最终达到去噪目的。该方法引入基于稀疏表示的地震数据去噪方法,兼顾VMD和Shearlet变换的优点,可以有效去除噪声。经过合成信号、模型及实际数据测试结果表明,本文方法处理合成信号结果显示,与VMD和小波变换方法相比,信噪比分别提高1.69、1.87,均方误差数值上减少近一半,在去除噪声的同时能更好地保留地震数据特征,提高地震资料的信噪比。     

基于Shearlet变换的泊松噪声图像复原问题研究

为了解决泊松噪声图像的复原问题,几种正则化方法已被提出,其中最著名的是全变差（TV）模型,但TV模型会引起阶梯效应。总广义变差（TGV）是全变差的推广,用TGV作为正则项来恢复泊松图像,可以消除阶梯效应,但图像的边缘细节信息不能很好地保持。为了克服这个缺点,基于TGV和Shearlet变换,该文提出了一种新的正则化模型,并用交替方向乘子法（ADMM）求解。数值结果有效地展示了该模型在保持图像边缘细节上的优越性。     

基于PROMAX系统提高初至波拾取精度的方法

初至波拾取是做好层析成像等静校正处理的基础环节,同时也是人工工作量较大的环节。如何快速高精度拾取初至波是一线处理人员面临的一个实际问题。通过对复杂探区地震资料的初至波特征的分析,提出一种运用PROMAX系统中的一些相关模块组合进行初至波拾取的方法。该方法只需少量的人工操作,就能方便快速准确完成初至渡拾取。该方法包括如下几步：初至的自动拾取、干扰道的识别与剔除、异常值处理。应用实例表明,该方法既能快速改善初至波拾取精度,又具有较强适应能力,基本能够解决复杂探区初至拾取这一难题。     

基于非下采样Shearlet变换的磁瓦表面缺陷检测

针对磁瓦表面缺陷对比度低、图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换（non-subsampled shearlet transform,NSST）的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子带图像和多个频率和方向变化的高频子带图像。然后,根据缺陷在高低频域表现出的不同特征进行针对性的处理,在低频子带中分别计算行均值线图像和列均值线图像,将列均值线图像沿行均值线图像扩展,构造基于均值的自适应阈值面对低频子带进行滤波,以去除不均匀背景;同时,利用同一分解尺度下各高频子带系数中微弱缺陷信号的方差较大,显著缺陷信号的能量较大,而噪声和背景干扰信号的方差和能量均较小的差异,构造基于Shearlet高频分解系数方差和能量的综合高频缺陷识别算子,滤除高频子带中的噪声和背景干扰。最后,对修正后的分解系数进行逆NSST重构,得到背景均匀,磨削纹理和噪声干扰得到充分抑制的高对比度图像,采用自适应阈值分割方法,提取出缺陷区域。实验结果表明,该方法的假阳性率、假阴性率和检测准确率分别达到8.8%,5.0%和93.1%,算法在MATLAB仿真平台中平均运行时间为0.629 s;相较于现有的磁瓦表面缺陷检测算法,该方法能够有效地去除不均匀背景、磨削纹理和噪声干扰,检测结果更加准确,鲁棒性更强。     

一种基于Shearlet变换的图像质量客观评价方法

提出一种新的图像质量评价方法,将Shearlet变换捕捉视觉感知特征的能力和人类视觉系统的感知特性相结合来描述各种失真引起的图像质量的变化。该评价方法首先对参考图像和失真图像进行Shearlet分解,再对分解得到的不同尺度下的子带系数进行对比敏感度掩膜。然后根据由参考图像子带系数确定的感知阈值来计算参考图像和失真图像的各个子带中可感知到的系数所占的比例。最后通过比较失真图像相对于参考图像可感知到的系数所占比例的变化程度,综合得到图像质量的客观评价。分别在LIVE数据库和不同失真程度的图像集上对本研究算法进行有效性和合理性实验。实验表明本研究所获得的客观质量评价结果与人类的主观质量评价具有较高的一致性,能够很好地反映人类的主观感受。     

Shearlet域变换与复扩散方程结合的SAR图像降斑

针对大多数降斑算法不能很好地在实现区域平滑的同时保持图像细节边缘这一问题,提出了一种新的复扩散方程,结合Shearlet变换给出了一种模极大值边缘检测方法.将获得图像边缘与降斑平滑的结果相结合,在有效实现降斑平滑的同时保持了图像的边缘.实验结果表明,该方法对SAR图像中的点目标、边缘和纹理具有较好的保持能力,在有效降斑的同时,更多地保留了图像的边缘和细节.     

Shearlet变换与核各向异性扩散的图像噪声抑制

为了更有效地抑制图像噪声,改善图像视觉效果,提出了一种基于非下采样Shearlet变换（ nonsubsampled shear?let transform,NSST）与核各向异性扩散的图像噪声抑制方法。首先对含噪图像进行非下采样Shearlet变换;然后对所得到的低频和高频分量分别进行改进的全变差（ improved total variation, ITV）扩散与核各向异性扩散（ kernel anisotropic diffu?sion, KAD）;最后对扩散后的低频和高频分量进行非下采样Shearlet逆变换得到噪声抑制后的图像。给出了实验结果,并且依据主观视觉效果和峰值信噪比、结构相似度两种定量评价指标,与近年来提出的基于小波阈值收缩结合全变差、基于复Contourlet域非线性扩散、自适应Shearlet域约束的全变差等3种噪声抑制方法进行了比较。实验结果表明,该方法的噪声抑制能力更强,且更为完整地保留了图像的边缘和细节信息。     

马尔可夫模型与Shearlet变换结合的SAR图像超分辨率复原方法

为了不改变成像硬件条件,通过软件方法提高SAR图像分辨率,提出一种马尔可夫随机场(MRF)模型和Shearlet变换相结合的超分辨率复原方法。该方法分为两个过程,训练过程和学习过程。在训练过程中,首先对训练库中的高、低分辨率图像进行Shearlet变换,提取不同方向、不同分辨率的中、高频信息,然后对不同方向的中、高频信息进行分块。在学习过程中,使用Shearlet变换提取待复原图像的中频信息并对其分块,然后在训练库的辅助下,使用MRF建立图像特征模型,最后通过最大后验概率(MAP)估计出各个方向的高频信息,将估计出的高频信息和待复原的低分辨率图像叠加到一起进行Shearlet反变换,最终获得高分辨率图像。通过对真实SAR图像的处理结果表明,无论是主观的视觉效果还是客观的指标上,本文提出的方法都取得较好的结果,优于传统插值方法以及目前最新的基于稀疏表示的超分辨率方法。     

计算机交互图形的存储和拾取技术研究

本文在分析计算机交互图形特点的基础上，对交互图形软件设计中，图形存储和拾取二大关键技术进行了研究，其中对映射表存储方式及相应的拾取方法作了详细介绍。     

地震反应谱的快速傅里叶变换和小波变换自动匹配方法对比

为研究反应谱图的自动匹配和判比技术,并探讨如何提高自动匹配技术的准确性以及可靠性,设计了基于快速傅里叶变换和小波变换的自动特征提取和匹配方法.通过LABVIEW工具分别将2种方法用于地震反应谱图的分析,比较2种方法的优缺点.经过对大量已有样本的分析实验,可以看出基于小波变换理论的自动特征提取及匹配方法较基于快速傅里叶变换的方法有着更高的局部分辨力,可以清晰地获得奇异点特征值,更有利于谱图匹配和比较.通过本研究丰富了自动解谱领域的理论,促进了自动解谱方法的发展,为今后更深入的研究和应用奠定了基础.     

基于离散Shearlet类别可分性测度的人脸表情识别方法

针对优化表情特征稀疏表达问题,提出一种基于离散Shearlet类别可分性测度的人脸表情识别方法。首先,对预处理后的图像进行离散Shearlet变换,得到变换系数。然后,根据测度函数评估每个方向与尺度系数的可分性指标,在最佳可分性方向与尺度上,融合低频和高频系数作为特征。最后,引入支持向量机进行分类。结果证明:本文方法选取具有最佳可分性的尺度和方向系数作为特征,抛弃了无用信息,降低了特征维度与计算量,使系统更高效。     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理.并在Matlab下进行奇异信号的仿真试验,取得了理想的效果.实验结果表明,小波变换在奇异信号的检测中是有效的.     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理．并在Matlab下进行奇异信号的仿真试验，取得了理想的效果．实验结果表明，小波变换在奇异信号的检测中是有效的。     

基于压缩感知理论的宽带信号波达方向估计

针对一维宽带信号波达方向(DOA)估计中聚焦变换算法需要角度预估值的问题,在双边相关变换算法基础上设计了一种无需角度预估值的DOA估计算法.首先,利用离散傅里叶变换(DFT)变换将宽带信号分解为若干个不同频点处的窄带数据模型.然后,通过本文改进的聚焦矩阵将不同频点处的窄带数据聚焦到同一参考频点,得到单一频率点处窄带信号...     

基于Hilbert-Huang变换的心率变异信号分析与处理

提出一种均匀重采样RR间期序列预处理方法,利用Hilbert-Huang变换进行心率变异信号的特征提取与RR间期序列的Hilbert谱分析.研究表明,该算法能明确RR间期序列的物理意义,能有效提取HRV中频率变化的有用信息,改善Hilbert谱估计结果,为心率变异分析提供新思路.     

基于局部余弦变换的多普勒信号降噪方法研究

提出一种基于自适应局部余弦变换和非负Garrote取阈值的多普勒超声信号降噪方法.首先,对信号进行局部余弦变换,并且搜索描述信号的最优基;然后,利用非负Garrote方法对最优基系数取阈值;最后,由取阈值后的系数进行重构得到真实信号的估计.仿真结果表明,该方法在低信噪比情况下优于基于时移不变小波变换的降噪方法,是一种可行而且有效的降噪方法.     

一种改进的小波阈值消噪方法

在运用小波阈值法去噪时,在一些不连续点处有时会产生伪吉布斯现象。为了去除这种现象,考虑在阈值法的基础上对信号进行循环平移,然后再对平移后阈值上的系数进行放大,对信号进行消噪处理。通过仿真实验,可知该方法消噪后的视觉特性较好,并且信噪比提高,均方根误差有所降低,从而说明了该方法的有效性。     

基于Hilbert-Huang变换的涡街信号处理方法

利用Hilbert-Huang变换(HHT)的固有模态分解特性，提出了一种涡街信号频率估计的新方法.采用压电传感器进行涡街信号的检测，通过分析信号经过固有模态分解后的时频特性，获得了不同模态所代表的噪声信号成分和实际涡街信号成分.模态中的一部分表示了信号中的噪声，而剩下的部分模态真实反映了信号的频率成分.在仿真的基础上，获得了去除噪声的部分模态瞬时频率与涡街频率的关系.研究结果表明，基于HHT的涡街频率估计方法，可以精确估计涡街信号频率并提高涡街流量计的抗干扰能力.该方法计算量小，能够满足涡街流量计在实际工程应用中的要求.     

基于小波变换的心电信号的分析与处理

本文分析了小波变换与窗口傅里叶变换的时频特性,以及小波变换下信号的奇异特征,研究了基于小波变换的心电信号的特征提取与心电信号的消噪处理,研究结果表明,心电信号中ＱＲＳ波的平均检出率可达９９％以上;经消噪处理后的重建心电信号的信噪比可由原来的５．１ｄＢ提高到１２．８ｄＢ,因此,小波变换技术是生物医学信号分析与处理的又一可行有效的技术方法。