基于非局部均值算法的地震随机噪声滤波

为了改善地震图像的质量以利于勘探,提出了一种基于非局部均值滤波抑制地震图像随机噪声的新算法。非局部算法最初是一种用于图像去噪法。该算法对图像的每一个像素点（或数据）去噪只需考虑像素点的相似性,而无需考虑像素点空间上的距离。非局部均值所对数据没有假设前提,除了数据结构具有一阶冗余度。由于这个假设对大部分地震数据是成立的,所以我们提出了对地震数据随机噪声去噪的非局部算法。合成地震记录和实际数据使用非局部去噪算法,与传统算法（如：中值滤波,高斯滤波）相比,既对随机噪声进行了抑制,又不会降低地震同相轴陡变处或同相轴弯曲处的分辨率,提高了图像的质量。     

改进非局部均值各向异性扩散图像去噪算法

针对各向异性扩散算法的不稳定性在去噪过程中易产生阶梯效应,导致纹理细节不能较好保留的缺点,提出一种改进的非局部均值各向异性扩散图像去噪算法.所提算法将非局部均值引入迭代过程,利用图像中的大量相似冗余信息,以中心像素邻域图像块作为像素点的相似性度量,对图像进行合理的描述;同时在扩散系数函数中,将图像梯度结合残差图像中局部能量算子,自适应选择扩散系数.结果表明,所提算法在有效平滑噪声的情况下,减弱了阶梯效应,保留了更多的纹理细节,与各向异性扩散算法、自适应选择扩散去噪算法和基于非局部均值理论的各向异性扩散算法相比,峰值信噪比和结构相似度有较好提升.     

一种基于边缘提取和渐进非局部均值的快速低剂量CT图像去噪算法

低剂量CT降低了病人的辐射危害,却导致图像质量下降,医疗诊断难度增加。为了提高CT图像的质量,提出了一种基于边缘提取和渐进非局部均值的快速低剂量CT图像去噪算法。一方面,通过对图像边缘的提取,提高去噪中的边沿保护能力;另一方面,采用多次逐步去噪的渐进式滤波策略,在去噪的同时达到有效保护图像细节的作用。此外,求出了整幅图像所有图像块的加权2-范数平方数值之后,计算每次的加权欧氏距离时进行调用,并使用快速傅里叶变换实现非局部相似块的加权欧氏距离计算,大大提高了算法的运行效率。在真实和模拟的低剂量CT图像上进行了实验,结果表明,本文算法不仅可以提高低剂量CT图像的质量,而且能够将算法运行速度提高约3倍。     

Shearlet域非局部均值图像去噪

该文提出了一种基于主分量分析的shearlet域非局部均值图像去噪算法。该算法将主分量分析方法引入到 shearlet 域的非局部均值算法中,具体的在利用非局部均值算法处理shearlet 分解得到的图像分量时通过主分量分析的方法降低图像分量的相似窗的维数,提高估计的准确度,然后利用广义高斯模型非局部均值的思想完成图像...     

一种改进型自适应加权模糊均值滤波算法

针对原有的自适应加权模糊均值AWFM滤波器对局部噪声幅度估计不足的缺点。提出了一种新的改进型自适应加权模糊均值MAWFM滤波算法。该算法采用了一种新的模糊检测方法，可以同时检测各个像素点的正负向噪声幅度，从而能够建立一种新的自适应的模糊信号空间，以适应噪声在各个图像局部的变化。实验结果表明，MAWFM滤波器比以前的AWFM滤波器及传统的中值滤波器均有较优越的性能。     

基于区间值描述的自适应直觉模糊神经网络

针对模糊集合在语义描述上存在的不足,为提高自适应模糊神经网络的紧凑性,提出了自适应直觉模糊神经网络。首先,推导了适合神经网络计算的直觉模糊规则。接着,给出了自适应直觉模糊神经网络的结构和各层的含义,并给出了网络学习算法和收敛性分析。最后,通过典型实例仿真试验,表明提出的自适应模糊神经网络结构更为紧凑,学习算法的泛化性能更佳。     

基于模糊K-均值算法的模糊分类器设计

基于模糊K-均值算法的模糊分类器,就是把目前比较常用的模糊K-均值算法的聚类方法,再一次与模糊分类规则提取相结合而得到的一种分类器。它是一种很有效的模糊分类器,训练样本能正确的分类。在这种方法中,首先用模糊K-均值算法按剖分和覆盖的原则把训练样本分成群,并且每一群的中心和半径都被计算出来。然后,设计一个用模糊规则来表示分类的模糊系统。这样就有效地构建了一个能对训练样本比较准确分类的模糊分类器。用这种方法设计的分类器不需要预定义参数、训练时间较短、方法简单     

一种改进的中值滤波去噪算法

图像的去噪是图像处理中最基本的工作,去噪处理的好坏将直接影响到后续的分割和识别,本文针对传统的中值滤波算法容易造成细节的丢失的缺点,提出一种改进的算法,采用两种不同尺度的正方形窗口和一个多极加权滤波窗口作为候选窗口,判断灰度方差最小的窗口作为最终的滤波窗口完成滤波去噪操作,实验表明,该改进算法实现了自适应选择不同尺度不同方向的窗口来进行滤波,具有良好的保边性能。     

基于α-型相对信息的模糊散度

模糊散度可用于度量两个模糊集之间的差别。本文基于α-型相对信息提出两类新的模糊散度,并借助Csiszar提出的f-散度观点对这两类模糊散度的性质进行研究。这两类模糊散度所具有的性质显示它们均为模糊集上的区别度。     

改进的局部均值分解法在爆破振动去噪中的应用

为了解决爆破振动信号的处理精度极易受到噪声信号的干扰的问题,在局部均值分解法(LMD)和总体平均局部均值分解法(ELMD)的基础上,提出了利用自适应互补集合局部均值分解方法(CELMDAN)分解原始信号,然后采用小波阈值法对获得的乘积函数(PF)分量进行去噪,提高了爆破振动信号去噪的精度。结果表明CELMDAN-WT方法有效地识别破振动信号中的噪声信号,实现了信号与噪声的分离,具有良好的自适应性,在爆破信号去噪中有良好的效果。     

自适应二进小波去噪法

本文通过引入一类新的可微阈值函数,建立了信号的能量同它的二进小波变换系数之间的关系.利用Stein无偏风险估计和梯度下降法,给出了迭代求解各尺度二进小波系数最优阈值的自适应去噪算法.数值实验结果表明,同现存的小波去噪技术相比,该算法的去噪结果具有更高的重构信噪比和更光滑的外观.     

小波阈值去噪法的改进算法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法.其中阈值函数关系着重构信号的连续性和精度,硬阈值函数的不连续性和软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,也限制了它的进一步应用.本文通过数学方法的引入,对阈值函数进行了改进.仿真结果表明,该方法具有较好的去噪效果.     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

利用面片法向均值滤波的混合型网格去噪方法

通过对面片法向均值滤波去噪方法的研究,提出了一种改进的混合型去噪算法。通过取值顶点的一环正常边二面角的平均,将顶点分为噪声顶点和一般顶点,然后对噪声顶点利用Laplacian方法进行平移去噪,同时将保持特征的面片法向均值滤波去噪方法作用于一般顶点。实验结果表明：这种混合方法能有效地去除大小噪声,并且在去噪过程中能保持网格的特征。     

Intuitionistic Fuzzy Petri Nets Model Based on Back Propagation Algorithm for Information Services

Intuitionistic fuzzy Petri net is an important class of Petri nets, which can be used to model the knowledge base system based on intuitionistic fuzzy production rules. In order to solve the problem of poor self-learning ability of intuitionistic fuzzy systems, a new Petri net modeling method is proposed by introducing BP (Error Back Propagation) algorithm in neural networks. By judging whether the transition is ignited by continuous function, the intuitionistic fuzziness of classical BP algorithm is extended to the parameter learning and training, which makes Petri network have stronger generalization ability and adaptive function, and the reasoning result is more accurate and credible, which is useful for information services. Finally, a typical example is given to verify the effectiveness and superiority of the parameter optimization method.     

基于模糊逻辑控制器的自适应遗传算法

针对遗传算法中交叉概率和变异概率的缺陷，设计了一种基于模糊逻辑控制器的自适应遗传算法，实验结果表明，该算法具有较好的在线性能。     

An Efficient DWT and Intuitionistic Fuzzy Based Multimodality Medical Image Fusion

Image fusion aims to integrate complementary information from multiple modalities into a single image with none distortion and loss of data. Image fusion is important in medical imaging, specifically for the purpose of detecting the tumor and identification of diseases. In this article, completely unique discrete wavelet transform (DWT) and intuitionistic fuzzy sets (IFSs) based fusion method (DWT‐IFS) is proposed. For fusion, initially, all source images are fused using DWT with the average, maximum, and entropy fusion rules. Besides, on the fused image IFS is applied. In the IFS process images are converted into intuitionistic fuzzy images (IFIs) by selecting an optimum value for the parameter in membership, non‐membership, and hesitation degree function using entropy. Then, the resulting IFIs are decomposed into the blocks, and the corresponding blocks of the images are fused using the intersection and union operations of IFS. The efficiency of the proposed DWT‐IFS fusion method is recognized by examining it with other existing methods, such as Averaging (AVG), Principal Component Analysis (PCA), Laplacian Pyramid Approach (LPA), Contrast Pyramid Approach (CPA), Discrete Wavelet Transform (DWT), Morphological Pyramid Approach (MPA), Redundancy Discrete Wavelet Transform (RDWT), Contourlet Transform (CONTRA), and Intuitionistic Fuzzy Set (IFS) using subjective and objective performance evaluation measures. The experimental results reveal that the proposed DWT‐IFS fusion method provides higher quality of information in terms of physical properties and contrast as compared to the existing methods.     

小波域隐Markov树模型降噪算法的改进

提出了适应于更一般情况的基于小波域隐Markov树(HMT)模型信号降噪的改进算法。通常算法以数个零均值高斯函数加权之和描述信号小波系数统计分布,在有些情况下可能带来严重失真。改进算法以一般统计模型描述信号小波系数分布,以最优估计方式对其降噪,能够避免不适当统计模型可能带来的潜在失真。数据仿真表明该算法有时可以减少降噪信号的MSE(均方误差)80％以上。     

基于模糊控制的小波包多阈值语音减噪新算法

在分析小波包传统阈值去噪算法的基础上,提出了一种基于模糊控制的小波包多阈值语音减噪新算法。该算法采用改进的多阈值选取方式来代替传统的阈值选择;应用一种新阈值函数对经小波包变换后的最底层频率系数进行量化处理以确保噪声尽可能地被滤除;模糊控制器可用于对信号中的幅值跳变以及边缘粗糙等问题进行优化与修正。综合以上3种方法即可自适应地进行语音增强处理。经实验结果验证,与传统阈值算法相比,该算法能够最大程度地还原纯语音信息,有效提高了语音去噪的准确度与信噪比。