基于B样条的Level-Set GPU演化算法

大部分Level-Set演化模型基于平均曲率或梯度,这对去除3D数据的噪声时保持线状特征是不利的;在解Level-Set演化方程时一般采用迎风格式,精度较低。设计了基于曲率差的高阶演化方程以及基于B样条和中心差分的混合GPU解法器。实验结果表明,基于曲率差的演化方程能够在光顺数据时保持线状特征。     

抗噪的应用层二进制协议格式逆向方法

现有的基于网络流量的二进制协议格式逆向方法通过比对多个相同类型的报文来推导协议格式,但报文集中的噪声报文会导致协议格式识别准确率较低,为此文章提出一种自动化去除噪声并推断协议格式的方法.该方法首先挖掘报文序列每个位置上的频繁项,识别出报文集中的特殊标识(FD);然后根据每个位置上FD的频率之和有效去除噪声报文;接着根据...     

结合结构张量和Wiener滤波的图像去噪算法

利用图像的结构张量表示的局部结构信息,结合Wiener滤波给出了一种图像去噪算法,并采用了加性算子分解格式求解非线性扩散方程以提高计算效率。实验结果表明,该算法在去除噪声的同时很好地保持了图像中的强弱边界等细节特征,去噪后的图像在峰值信噪比和主观视觉效果上都有显著提高。     

基于 MCM 噪声参数测量不确定度评定的方法研究磁

开展了基于蒙特卡洛法（MCM ）的噪声参数测量不确定度评定工作,以等效噪声参数方程作为不确定度评定的测量模型,利用从测量系统获得的物理量求解函数方程,得到反映等效噪声参数分布情况的数据,并从等效噪声参数导出噪声参数及其概率分布,最后得到噪声参数测量的不确定度。该方法有效地结合了数学随机仿真、物理测量边界判据,实现了噪声参数测量结果的不确定度评定,该方法符合国际标准,可应用的测量系统种类多,普适性高。最后通过实验数据验证,证明了评定方法的有效性,不确定度评定数据的真实性和可靠性。     

基于MCM噪声参数测量不确定度评定的方法研究

开展了基于蒙特卡洛法(MCM)的噪声参数测量不确定度评定工作,以等效噪声参数方程作为不确定度评定的测量模型,利用从测量系统获得的物理量求解函数方程,得到反映等效噪声参数分布情况的数据,并从等效噪声参数导出噪声参数及其概率分布,最后得到噪声参数测量的不确定度。该方法有效地结合了数学随机仿真、物理测量边界判据,实现了噪声参数测量结果的不确定度评定,该方法符合国际标准,可应用的测量系统种类多,普适性高。最后通过实验数据验证,证明了评定方法的有效性,不确定度评定数据的真实性和可靠性。     

同向平均梯度的各向异性扩散模型

遥感图像成像过程中经常会产生包括高斯噪声和椒盐噪声的图像噪声,这些噪声在很大程度上降低了图像的清晰度,影响了图像的实际应用。如何在有效的去除图像噪声的同时又能够很好的保留图像的纹理信息,成为遥感图像去噪追求的目标。针对林石算子和基于非线性小波阈值的各向异性扩散方程存在的不足,提出一种基于同向平均梯度值的各向异性扩散去噪模型,该模型克服了林石算子和基于非线性小波阈值的各向异性扩散方程无法去除强高斯噪声和椒盐噪声的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理信息。实验结果表明,提出模型的稳定性和有效性,并且去噪后的图像信噪比较林石算子和基于非线性小波阈值的各向异性扩散方程分别提高了24 dB。     

基于偏微分方程的医学超声图像去噪方法

研究了各向异性扩散方程在医学超声图像去噪中的应用。在理论上对去噪原理进行了分析,并在此基础上采用改进的针对乘性噪声的各向异性扩散算法对医学超声图像去噪,实验结果表明,该方法在有效去除噪声的同时较好地保留了医学超声图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除超声图像斑纹噪声,提高图像的质量。     

彩色图像的方向扩散去噪模型研究

图像去噪的难点是如何区分噪声和边缘,并在去噪的同时保持边缘信息。通过分析基于变分形式、散度形式和方向拉普拉斯格式的去噪模型的结构与联系,提出了一种基于方向扩散的彩色图像去噪模型。模型利用结构张量的两个特征值的不同组合作为沿边缘和垂直边缘方向的边缘度量,并用其作为自变量设计出一类单调递减函数作为扩散方程的扩散系数。通过实验获得模型最优参数,理论分析和实验表明,新模型具有更强的去除噪声和保留边缘的能力,并且模型参数具有稳定性。     

一种改进的PDE图像去噪方法

研究用于图像去噪的偏微分方程;在理论上对去噪原理进行了分析。通过对扩散方程中扩散系数的改进,提出了一个对噪声图像更有效、更具有适应性的去噪扩散模型,对高斯噪声图像进行处理。与传统的各向异性扩散算法进行了比较并对偏微分方程的未来发展方向进行了展望。实验结果表明,该方法在有效去除噪声的同时较好地保留了图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除图像噪声,提高图像的质量。     

基于PDE的图像去噪方法

针对P-M非线性扩散模型以及自蛇模型对图像滤波的不足,为了充分利用两种模型各自的优势,提出了一种新的基于自蛇模型与P-M扩散模型相混合的去噪方法,同时在其扩散方程中添加了忠诚项,这样噪声去除与边缘保留就可以得到一个较好的效果。最后实验结果表明,该方法既能有效去除图像噪声,也能很好地保持图像的边缘等细节信息。     

去除图像中高斯-脉冲噪声的有效方法

数字图像在获取和传输过程中常常会受到噪声的污染,有时会同时受到高斯噪声和脉冲噪声的污染。然而现有的去噪算法大多针对单一的高斯噪声或脉冲噪声,在处理混合噪声时无法取得令人满意的去噪效果。给出了一种去除数字图像中高斯-脉冲混合噪声的有效方法,去噪过程分为两个步骤：首先采用一种称为边界判定噪声检测的脉冲噪声检测方法检测出混合噪声中的脉冲噪声,对噪声图像作中值滤波后得到一幅受高斯噪声污染的过渡图像。然后用贝叶斯最小平方-高斯尺度混合模型对过渡图像进行滤波得到降噪后的图像。实验表明,同现有的其他去噪方法相比,该方法能够更有效地去除混合噪声。     

基于svc和wavelet-transform的图像脉冲噪声自适应新滤波器

利用小波变换Wavelet Transform可以检测信号奇异点的原理,提出了一种基于WT的脉冲噪声检测方法,并把这一方法与支持向量分类器SVC脉冲噪声检测方法相结合,提出了一种改进的SVC图像脉冲噪声滤波器。实验表明,这一改进的SVC脉冲噪声滤波器的滤波效果比原先的SVC滤波器有明显的改善。     

室内语音源定位技术中的时间延迟估计方法

针对室内的脉冲噪声居多的情况下,结合语音信号的特征,提出了基于声门脉冲提取的分数低阶协方差时延估计方法（LPC+FLOC）,通过理论分析和仿真实验表明,具有较好的时延估计有效率,且抗混响能力较强,比较适合室内的语音源定位。     

基于ROLD统计量的混合噪音线性滤波算法

提出一种基于ROLD统计量的混合噪音线性滤波算法（RLMF）。算法把用来检测脉冲噪音的ROLD统计量运用于混合噪音的滤波算法上,提高了混合噪音中脉冲噪音成分的检测效率,它不仅适用于恢复被混合噪音污染的数字图像,而且也适用于恢复被纯脉冲噪音或纯高斯噪音污染的数字图像。仿真实验证明,RLMF滤波后的图像视觉效果和PSNR均优于已知的同类滤波器。     

一种有效的脉冲噪声去除算法

噪声像素的检测精度是修复图像的重要因素。为提高噪声像素的检测精度,提出一种有效的两步脉冲噪声滤波算法,算法先以空间局部异常测度为基础,结合S-估计统计量对图像中的脉冲噪声进行检测,然后通过建立、解算正则化目标函数实现对噪声像素的赋值修复。实验验证了该算法的有效性。     

Lipschitz指数与平稳小波变换在CT图像去噪中的应用

针对CT切片图像噪声特点以及应用需求,提出了基于Lipschitz指数和平稳小波的CT图像去噪算法。利用改进的中值滤波器滤除图像的脉冲噪声,然后根据图像阶梯边缘的Lipschitz指数与小波系数之间的关系,在更好地保护图像边缘细节的前提下,利用平稳小波变换的阈值去噪方法滤除高斯噪声。实验结果表明,该方法无论是在视觉效果上,还是在最小均方差意义和信噪比增益上,以及保护图像边缘细节上都有很大提高。     

基于混合视觉皮层模型的红外图像去噪和分割

针对交叉视觉皮层模型(ICM)网络运行速度慢的问题,提出一种用于图像处理的混合视觉皮层模型(MCM)。MCM将人眼视觉现象中的韦伯律特性融入ICM,根据韦伯律特性设定神经元点火域值,采用金字塔分解式的运算方法扩大神经元的感受野,并利用ICM的脉冲同步发放性质,实现快速图像处理。基于MCM开发红外图像的去噪算法及红外图像分割算法,实验结果表明,与基于ICM的图像去噪和分割算法相比,基于MCM的算法具有良好的去噪和分割效果,运行速度较快。     

融合偏微分方程和中值滤波的图像去噪模型

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声,并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题,提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析,在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率;而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时,利用脉冲噪声梯度值远大于边缘梯度值的特点,定位脉冲噪声所在区域,在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声,保护图像边缘并消除“块效应”现象,同时提高了去噪效率。实验表明了该模型的有效性。     

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。     

DCSK的反相叠加相关解调方案

基于DCSK的类重传特点提出了反相叠加相关解调方案。第一种方案将同一码元前后半段的信号反相叠加后与前半个码元信号进行相关运算,其结果作为判决量;第二种方案将第一种解调方案的判决量与前后半个码元信号直接相关运算的结果进行反相叠加后再作为判决量。只要同一码元的前后半段内的噪声具有正相关性,与将前后半个码元信号直接相关运算的结果作为判决量的现有解调方案相比,所提方案均可有效抑制噪声的影响。而第二种方案在噪声相关系数小于0.5的条件下进一步提高了系统的噪声容限。