基于K-means聚类的数字半色调算法

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术,提出将K-means聚类法应用在数字半色调技术中。算法中应用人类视觉系统模型(HVS)和印刷模型最大限度减少原始灰度连续调图像和半色调图像之间的视觉误差;利用K-means聚类法将灰度图像划分成聚类分区,在每个聚类分区应用最小平方法(least-squares)最小化二值半色调图像和原始灰度级图像之间的平方误差,所构造的半色调算法与基于模型的最小平方法(LSMB)算法相比,随着聚类分区的增加,图像平滑且边缘清晰度增加,尤其是在图像细节部位。与LSMB算法比较,该算法的均方误差值有所降低,而权重信噪比和峰值信噪比提高了0.2～2 dB,模拟实验结果验证了算法的有效性。     

一种去除椒盐噪声带L1保真项的混合变分模型

图像去噪技术是数字图像处理领域中一个重要的分支,目的是在去除噪声同时更好地保持图像的对比度、清晰度、纹理特征等有用的信息,它是图像分割、特征提取与目标识别等图像处理过程的前提。为了有效抑制脉冲噪声,针对调和模型和TV-[L1]模型去噪的不足,提出一种针对脉冲噪声去噪的带[L1]保真项的混合变分模型,并用增广拉格朗日算法进行数值实现。采用峰值信噪比、均方根误差指标评定图像的去噪效果。实验结果表明,该模型的峰值信噪比大于其他几类已有模型,有效降低了均方根误差,并且计算的CPU时间更短,去噪效果得到明显改善。该模型具有更好的去噪性能,获得了更理想的视觉效果,不仅能提高了图像质量,而且在客观上得到了有效证实。     

一种新的结合SVM和FNN的多聚焦图像融合算法

针对基于分块的图像融合中分块裂痕和实际融合特征的不确定等问题,提出一种结合支持向量机(SVM)和模糊神经网络(FNN)的多聚焦图像融合新方法。首先,通过模糊C均值聚类(FCM)和SVM获得FNN的网络参数,利用构建的模糊神经网络,将分割的图像块分成清晰区域、模糊区域和过渡区域三类;然后用模糊神经网络的反模糊化输出作为权值因子对三类区域进行加权融合,输出融合的多聚焦图像。最后,通过均方根误差、平均绝对误差和峰值信噪比等指标对多种融合算法进行融合质量评价。实验结果表明,提出的融合算法鲁棒性和计算性能较好,基本满足实际图像融合的需求,且融合质量评价也表明本文方法优于现有的融合算法。     

一种新的图像放大方法及其评价体系

针对数字图像放大问题,重点考虑了图像的两个重要特征：梯度和光滑性,提出了一种新的非线性偏微分PM-MF方法,并将其应用于图像放大。进一步从灰度偏移、信噪比、均方误差和梯度模值4个方面,提出了一套衡量图像放大质量的评价体系。实验结果表明该方法无论从保护边缘信息、灰度偏移以及图像清晰度等视觉特性方面均优于线性偏微分方法。     

A novel algorithm for selective current limit used in AMOLED panel

A selective current limit algorithm based on color space conversion is proposed in this paper. There are mainly two advantages for this algorithm. Firstly, only the luminance component Y is decreased, and the color component Cb or Cr is not changed; thus, the color distortion is avoided in the process of current limit. Secondly, the current of pixels with high luminance is limited while that of those pixels with low luminance is not, which means current limit is executed selectively. For the same value of mean square error, the simulation results show that the ratio of pixels with high luminance of the image processed by the proposed algorithm is zero, and that processed by the net power control and the algorithm based on color space conversion is 0.081 and 0.0854, respectively. This algorithm is implemented on a field‐programmable gate array to drive the image display on the AMOLED panel.     

一种基于多小波变换的方向加权图像融合算法

针对单小波在图像变换中存在的不足,将研究推到多小波领域.提出边沿信息方向性加权的区域能量融合改进算法,重新构造融合图像对应的多小波系数,通过逆变换重构融合图像.此外,利用交叉熵;平均误差;峰值信噪比等参量,对该融合方法的融合性能进行了评价与分析.实验结果表明,该融合方法是有效的.     

基于加权因子非线性变化的改进加权多模盲均衡算法

为了提高加权多模算法的盲均衡性能,提出基于加权因子非线性变化的改进加权多模盲均衡算法。新算法构造了均方误差和加权因子的非线性函数关系,提高了收敛速度,增强了算法对不同信噪比的适应能力。在算法收敛过程中,加权因子的值随着均方误差的减小逐渐增大,从而动态地调整算法的模值,使得误差模型越来越精确地匹配信号星座图,达到降低稳态均方误差的目的。理论分析和仿真结果表明,提出的算法降低了稳态均方误差,提高了收敛速度。     

光纤温度传感系统中信号去噪方法

针对光纤温度传感系统采集的温度信号噪声较大的问题,分析了温度采集过程中干扰噪声信号的特点、滑动平均滤波和小波变换两种方法对信号去噪的效果.针对采集的温度信号,选择合适的小波去噪方法,并确定了最优的小波基和分级层数,将经过平移滑动滤波算法处理后的温度信号,进一步进行小波去噪处理,并将均方根误差(RMSE)、信噪比(SNR)及去噪信号的平滑度指标R,作为判定去噪效果的依据.实验结果表明:综合去噪算法能够有效去除有用信号中的干扰噪声,在信号无失真的情况下信噪比可以提升10～12 dB.     

基于VMD的相控阵超声信号降噪方法研究

针对超声检测在钢板板边和轮对可能存在漏检的问题,采用相控阵超声检测技术对钢板板边裂纹缺陷和轮对孔缺陷进行成像检测;针对钢板和轮对缺陷散射信号信噪比低的问题,提出了一种参数优化的变分模态分解（VMD）算法,避免了人为主观影响,通过选择对应频带的本征模态函数（IMF）分量表征原始信号特征,并通过比较VMD分解后各本征模态函数（IMF）分量与原始信号的信噪比与均方根误差来评价（VMD）算法的效果,最终实现缺陷成像检测。实验结果表明：与原始信号相比,该方法处理后的缺陷信号具有较好的保真度,信噪比与平滑度,均方根误差降低,不易出现模态混叠现象,有良好的分解效果。处理后成像结果更为清晰,缺陷的大小、位置及形状都能够完整展示出来,可以实现孔缺陷和裂纹缺陷的定位检测。     

基于灰度最值和方向纹理的概率滤波算法

为了更高效地检测和滤除噪声,基于灰度最值和方向纹理的概率滤波算法根据灰度最值进行噪声检测,对检测出来的可疑噪声,根据四个方向纹理的平滑过渡性进行第二次噪声检测。运用滤波窗口中出现频次最高的信号像素取代噪声。如果窗口中不存在信号像素,增大滤波窗口,以使窗口包含信号像素。当滤波窗口增大到允许的最大尺寸时,窗口中依然没有信号像素,则用窗口中已处理的、出现频次最高的像素取代噪声。将算法与当前滤波性能最好的中值滤波算法用于图像滤波实验。从滤波结果的主观视觉效果和客观数据两方面进行的比较分析证明,相对于当前的中值滤波算法,基于灰度最值和方向纹理的概率滤波算法具有更加良好的滤波性能,在滤除噪声的同时,很好地保持图像的边缘和细节。     

基于奇异谱分析和维纳滤波的语音去噪算法

针对维纳滤波算法对非平稳语音信号去噪存在的信号失真、信噪比(SNR)不高的问题,提出了一种奇异谱分析(SSA)和维纳滤波(WF)相结合的语音去噪算法SSA-WF。通过奇异谱分析将非线性、非平稳的语音信号初步去噪,提高含噪语音的信噪比以获取尽可能平稳的语音,并将其作为维纳滤波的输入,以剔除其中仍存在的高频噪声,最终获取纯净的去噪语音。在不同强度的背景噪声下进行仿真实验,结果表明SSA-WF算法在SNR和均方根误差(RMSE)等方面都要优于传统的语音去噪算法,能够有效去除背景噪声,降低有用信号的失真,适用于非线性、非平稳语音信号的去噪。     

基于最小重构误差的优化局部聚合描述符向量图像检索算法

针对局部聚合描述符向量(VLAD)模型中对特征软量化时权重系数的取值不确定性和特征量化误差较大问题,提出一种具有最小重构误差的权重系数分配算法。该算法以最小化重构误差为标准,将具有最小化重构误差的稀疏编码的编码系数作为软量化VLAD的权重系数。数据库的图像检索测试结果表明,该算法相比主流的VLAD特征编码算法所得图像检索精度可提高10%左右,且有更小的特征重构误差。     

一种2D-VMD与NLM结合的芯片图像去噪算法研究

为了提高智能电表芯片图像的字符识别精度,需要消除芯片图像中的噪声,以减小干扰;文章提出了一种基于二维变分模态分解算法(2D-VMD)与非局部均值(NLM)滤波的芯片图像去噪算法;首先利用2D-VMD将含有噪声信号的芯片图像分解为K个模态分量;然后根据提出的结构相似(SSIM)阈值设置方法确定噪声分量并将其去除,使用剩余的有效分量重构图像;最后通过非局部均值滤波算法对重构后的图像进行处理,进一步滤除残余噪声,达到二次去噪的效果;实验结果表明,相比传统的图像去噪算法,提出的算法能在较好保留原始芯片图像的字符信息的基础上,去除不相关的噪声干扰,使去噪后的芯片图像的均方误差值变小,峰值信噪比增大,提高芯片图像质量.     

Frequency estimation of a sinusoidal signal via a three-point interpolated DFT method with high image component interference rejection capability

This paper proposes a three-point Interpolated Discrete Fourier Transform (IpDFT) method for frequency estimation of a discrete-time sinusoidal signal. It is based on the maximum sidelobe decay (MSD) windows and is highly effective in rejecting the detrimental effect on the estimation accuracy due to the image component of the signal spectrum. This remarkable feature is achieved by using an analytical expression based on a suitable weighting of the three largest DFT spectrum samples. The proposed method provides good results when the effect of the spectral interference due to the image component dominates other estimation error sources. The accuracy of the proposed method and of other state-of-the-art methods such as the multi-point IpDFT methods and the four-parameter sine-fitting (4PSF) algorithm are compared through both computer simulations and experimental results in the case of ideal, noisy, and harmonically distorted sinusoids. A small number of acquired cycles is assumed in order to analyze situations in which the contribution from the image component interference is significant. The performed comparison shows that the proposed method outperforms the considered multi-point IpDFT methods when the Signal-to-Noise Ratio (SNR) is higher than 30 dB and the number of acquired cycles is enough small. The proposed method outperforms also the 4PSF algorithm when the frequency estimation error is dominated by harmonics rather than wideband noise.     

一种基于领域阈值的小波图像去噪算法

为了去除图像中的噪声,文章利用图像分块的思想,结合阈值去噪法和最小均方误差估计(MMSE),给出了一种基于领域阈值的小波域图像去噪算法。该算法与经典的子带自适应阈值去噪法BayesShrink算法相比,本文算法在峰值信噪比和视觉效果上都好于BayesShrink算法。     

基于邻域信息的自适应中值滤波算法

针对图像中普遍存在的脉冲噪声,提出了一种自适应中值滤波算法,该算法在有效去除噪声的前提下能够保留更多的图像细节。首先,根据脉冲噪声灰度值为0或1的特点初步区分图像中的噪声点和信号点;其次,在每一个可疑噪声点周围取一定大小的邻域,通过判断该可疑噪声点与邻域内其他像素点之间相关性的大小进一步判断该点是否为真正噪声点,若为真正噪声点则利用邻域内所有可靠像素点的中值代替,否则输出原信号点。利用可见光及红外图像将所提算法与几种算法（如传统中值滤波算法、极值中值滤波算法,等）进行比较,实验结果表明该方法能够获得最高的峰值信噪比,去噪效果最佳。     

改进双边滤波和阈值函数的图像增强算法

针对基于单尺度Retinex算法产生的图像泛灰现象和光晕现象、基于双边滤波Retinex算法的泛灰现象及噪声放大现象。提出基于小波变换的改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。该方法对图像进行小波分解,获得图像的低频和高频系数;采用改进双边滤波的Retinex算法对图像低频系数进行处理,采用改进阈值函数对高频系数进行处理;采用离散小波反变换得到增强后的重构图像;对重构图像进行分段性线性变换,增强图像对比度。实验结果表明,该方法避免了图像泛灰和光晕现象,并有效去除了噪声,细节丰富,对比度强,为图像后续处理奠定基础。     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

基于统计量的加权函数图像重建方法

针对图像重建的问题,提出了一种基于统计量的加权函数图像重建方法.考虑到退化图像不仅含有高斯噪声,且含有拉普拉斯噪声,利用最大似然估计的思想估计高斯噪声和拉普拉斯噪声的方差构造基于统计量的高斯和拉普拉斯权重函数;由于在图像重建过程中,噪声分布发生变化,整合L1,L2范数,设计了一种自适应加权函数;结合双边全变差(BTV)正则化算法,设计了一种自适应加权函数图像恢复方法.实验结果表明:相比基于L1-L2混合误差模型(HEM),方法的峰值信噪比(PSNR)和结构相似度(SSIM)分别平均提高了约2.07 dB,0.02,对含有多种噪声的退化图像能够取得比较理想的结果.     

井下OFDM信道估计算法研究

针对煤矿井下信道情况复杂,多径效应会带来噪声增加和误码率上升等问题,建立了煤矿井下正交频分复用系统模型,研究了井下正交频分复用信道最小平方、最小均方误差估计算法;在矩形导频分配方案的基础上,提出了在时域利用曲线拟合方法实现数据符号处信道系数的估计算法。该算法与插值算法相比,对导频符号处信道系数的准确性要求不高,只要求所构造的函数尽可能接近真实值。仿真结果表明,提出的拟合估计算法和最小均方误差估计算法相比,在估计性能没有太大变化的前提下,大大降低了实现复杂度。仿真结果和理论分析基本一致。