一种改进的基于数学形态学混合去噪方法

针对数学形态学在工程图纸矢量化过程中去噪处理的缺点,通过研究形态学运算的特点,结合图像算术运算和模板滤渡的技术,在基于数学形态学的混合去噪方法的基础上进行了改进和扩展.这种改进后的方法不仅可以保留细图线,而且可以还原图线间狭长间隙,达到既消除各种噪声又保持了图像的细节,具有良好的处理效果.     

基于小波变换的光电传感器信号去噪技术研究

光电传感器当前已经在多个领域内发挥了重要作用,即通过对于各类检测信息的获得和传递,让控制系统可以根据获得的相关信息做出各项决策。然而,在实际运行过程中,会由于外部环境以及内部环境的同时影响形成噪声,不利于信号传输的质量保持。基于对小波变换计算方法的分析,该文研究了在光电传感器信号去噪技术中的应用方法,从而让信号的获得和传递质量提升。     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

基于数学形态学算法的遥感图像边缘去噪方法

为了提升遥感图像边缘去噪质量以及去噪效率,设计一种基于数学形态学算法的遥感图像边缘去噪方法。对遥感图像数据实施归一化处理、标准化处理、图像增强处理。以预处理后的数据作为研究基础,对原有形态边缘提取算子实施多次改进,采用加权自适应多尺度形态边缘提取算法提取遥感图像边缘,利用伞形算子进行递归局部邻域扩散,实现遥感边缘图像去噪。测试结果表明,该方法的最大去噪误差与平均去噪误差较小,边缘去噪时间较短,小曲率数据点的个数明显增加,而大曲率数据点的个数则明显减少,说明设计方法的遥感图像边缘去噪质量高,去噪效率高。     

基于小波变换的磁记忆信号去噪方法研究

在利用小波变换对油库（站）输油管道的磁记忆检测信号进行消噪处理时，主要有三种方法，基于小波变换的非线性方法能够获得较理想的处理效果。本文详细介绍了基于该方法的信号处理原理，并重点介绍了影响消噪效果的三项因素。非线性方法在工程实践中取得了良好的效果。     

基于数学形态学的纸张计数算法的研究

针对目前在生产和生活中使用的机械式纸张计数装置存在的体积大、成本高以及存在较多局限性的现状,提出了一种基于数学形态学的纸张计数算法,通过二值形态学开闭以及膨胀运算填充纸张条纹中的孔洞,使得计数精确度大为提高,能够满足实际生产的应用.     

基于EMD-DFA-NLM的电涡流传感器信号去噪方法

针对电涡流位移传感器输出信号中的非稳态噪声,提出一种基于经验模态分解(EMD) －去趋势分析(DFA)－非局部均值(NLM)原理的去噪方法。该方法解决了EMD去噪方法信号、噪声模态不易确定的问题,并且可在滤除高频背景噪声的同时保留信号细节。首先通过EMD将信号分解得到若干本征模态(IMF)分量,然后使用DFA区分噪声主导IMF分量和信号,主导的IMF分量,对噪声主导分量进行NLM去噪处理,最后与信号主导分量一起重构信号,分别对仿真信号和电涡流传感器输出信号进行去噪处理。结果表明,相较EMD去噪法和EMD－小波阈值去噪法,所提方法去噪性能更优SNR(MSE)值提升(减小)明显,去噪后信号的毛刺与高频震荡大大减少。     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

小波变换在神经细胞传感器信号去噪中的应用

将神经元培养在半导体传感器芯片表面,构建出能够对细胞电生理特性进行长时程无损测量的神经细胞传感器,具有广阔的生物医学应用前景.由于生物信号非常微弱,采集到的信号往往难以满足实际检测的需要.本研究针对培养在光寻址电位传感器(LAPS)芯片表面的PC12细胞的胞外电生理信号,采用小波变换方法对其进行去噪处理.通过小波变换将信号分解为不同层次的小波系数,得到每一层的阈值.并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,最后根据该系数,重构了信号.对去噪后的信号进行频谱分析,发现有效信号频率集中在小于2 kHz的范围内,信噪比得到提高,表明小波变换是神经细胞传感器信号去噪的有效方法.     

基于数学形态学的基因芯片图像高亮噪声处理

大多数已有应用都采用简单算法对图像进行整体处理,在去除噪声的同时也破坏了图像边缘和细节信息．为解决这一问题,首先分析了不同类型噪声对网格定位的影响,提出用分割线和面积均方根误差进行定量评价．然后提出用数学形态学与最大类间方差结合的方法去除高亮噪声．最后将该算法应用于出生缺陷的基因芯片噪声处理,并与其他几种去噪方法做了对比．实验结果表明,该算法实用、有效,并能最大限度地保留图像的有用信息．     

基于小波自适应算法的传感器信号降噪研究

基于MALLAT算法原理和自适应算法,设计了小波自适应算法的结构,并对算法进行了理论分析和仿真研究。仿真结果表明,小波自适应算法在传感器信号降噪方面表现出了良好的性能。     

基于轮廓结构元素和阈值分割的形态学去噪

将图像分割技术应用于图像复原,提出基于轮廓结构元素和阈值分割的数学形态学去噪算法。该算法对图像进行阈值分割得到目标图像和背景图像,采用不同的轮廓结构元素滤波器算子对得到的2幅图像进行滤波并合成。实验结果表明,与其他形态学滤波算法相比,该算法有效地抑制了噪声,对主要目标的边缘细节起到了较好的保护作用。     

数学形态滤波在振动信号分析中的应用研究

本文介绍了数学形态滤波的基本原理与形态滤波器的构建。针对环境试验振动信号中存在的非线性噪声问题,我们提出一种基于开、闭运算的级联组合数学形态滤波器的新方法。通过将数学形态滤波器用于复杂锥筒结构振动信号中的脉冲干扰的实例分析与运算,说明该方法对振动信号的干扰噪声有很好的滤波效果,亦表明数学形态滤波有很好的的应用前景。     

数学形态学的图象分割算法

图象分割在图象分析、机器视觉、目标识别中都将直接影响到后续的理解和识别工作。本文着重讨论了基于数学形态学变换的图象分割算法，提出了基于图象最大内切圆的数学形态学形状描述图象分割算法和基于目标最小闭包结构元素的数学形态学形状描述图象分割算法。     

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法的优势,提出了一种新的去噪LWT-FLP去噪算法,首先利用提升小波对加速度计数据进行了多尺度变换,降低了原始数据的不平稳性;其次利用高频数据进行灰化处理,使原本无规律的数据体现出一定的规律性,可以有效提高FLP的预测精度。并对FBG传感器信号进行应用结果表明,提出的算法能够有效去除噪声对FBG传感器输出信号的影响,有效地证明了提出的LWT-FLP算法在去噪方面的优越性。通过与单一的算法进行去噪结果对比,验证了该算法的准确性,为传感器信号处理提供了一定的理论新方法。     

基于奇异值分解的电感式磨粒传感器信号降噪方法研究

利用奇异值降噪技术对含有系统噪声的电感式磨粒传感器测试信号进行处理.针对奇异值降噪中轨道矩阵最优重构阶次难以有效确定的问题,提出一种基于噪声阈值和奇异值聚类的重构阶次确定方法.首先由含噪信号轨道矩阵的嵌入维数和噪声方差确定奇异值的噪声阈值,得到重构阶次的上限;然后依据信号奇异值分布离散,噪声奇异值分布集中的特点,对大于噪声阈值的奇异值进行聚类分析,进一步确定轨道矩阵的重构阶次.仿真和实测信号降噪效果表明,该降噪算法能显著改善含噪信号的信噪比,降噪后的信号具有较小的峰值误差,适合电感式磨粒传感器信号的降噪.     

FFT和小波变换在信号降噪中的应用

信号降噪是指滤除信号的高频噪声从而使信号尽量接近真实值,这是信号处理的关键环节.在分析FFT和小波变换的基础上,采用这两种方法对加入随机噪声的信号进行降噪处理,并在MATLAB平台上仿真实现.用基于信号降噪的两大准则对两种降噪结果进行分析,表明小波变换在该信号的降噪处理中有明显的优势.     

改进小波阈值函数信号去噪研究

为解决信号去噪中白噪声的抑制问题,在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出一个双变量阈值函数。与传统的硬阈值、软阈值函数相比,该函数有优越的数学特性。仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述去噪方法,具有较高的实用价值。     

基于数学形态滤波的植被光谱去噪方法研究

光谱维噪声使地物光谱扭曲或变形,中心波长偏移,影响地物信息提取和地表参量反演的精度。对光谱维噪声进行滤波处理,有利于改善遥感数据定量应用的效果。由于数学形态滤波的原理简单且较易实现,被应用到植被光谱以及有机化合物光谱的研究中。运用数学形态滤波对地面实测小麦光谱去噪,一方面对滤波后的光谱进行噪声和波形相似度的直观分析,另一方面通过植被指数反演小麦理化参量进行定量应用评价。结果表明,与传统Savitzky-Golay滤波相比,在可见-近红外波段范围内,数学形态滤波去噪后的光谱能够保持可见—近红外波段原始光谱的固有特征,叶面积指数和叶绿素的反演精度比去噪前有小幅提升,主要原因是实测光谱在该谱段范围的噪声影响很小;在短波红外波段范围内,数学形态滤波能有效去除短波红外大尺度噪声,提高叶片含水量的反演精度。而传统Savitzky-Golay滤波只能削弱短波红外大尺度噪声。广义形态滤波去噪后植被指数和叶片含水量之间的R2最高可达0.5130(去噪前0.3753),叶片含水量的反演值与实测值之间的R2最高可达0.4221(去噪前0.3097),RMSE为0.0243(去噪前0.0318),优于传统Savitzky-Golay滤波。     

基于自适应小波阈值收缩算法的冲击消噪

冲击信号属于非平稳随机信号,在分析冲击信号之前信号消噪非常重要.基于Donoho提出的小波阈值收缩算法,提出了一种新的自适应于原信号的折中收缩函数.不同于经典阈值消噪算法,新算法克服了硬阈值算法造成的信号不连续的缺点,也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差.应用结果表明,自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果.