基于多重分形分析的SAR图像消噪增强研究

根据SAR图像中原始信号与噪声的多重分形谱的不同，提出了一种基于奇异性分析的雷达图像消噪新方法。在图像经过多重分形分析后，通过对多重分形谱相关的Holder指数进行特征化处理来实现图像消噪。经过实验确定当变化后的Holder指数略大于1．7时，最终恢复的图像消噪效果最佳。这种方法可以在尽量保留信号奇异性(如边缘，纹理等)相关信息情况下，使得图像平滑，噪声消除。     

Weighted thin-plate spline image denoising

This note aims to present new denoising method based on thin-plate splines (TPS). The proposed approach is based on the general TPS denoising Berman [2], however, its unfavorable smoothing of edges and details is suppressed by introduction of a weighting approach applied locally. The performance of the method is shown and compared to the original TPS denoising.     

快速网格去噪声算法

消除网格噪声是构造完美三维模型过程中必不可少的一步。通过把图像处理领域中的双向滤波引入到三维网格上，Fleishman等虽已提出了一种快速、简单的网格去噪声算法，但该算法效率较低，且不够稳定，为此提出用准柯西函数和泰勒多项式函数取代该算法所采用的高斯函数，并改进和完善了其中的细节部分，以使算法的效率和稳定性得到进一步提高。最后还讨论了如何选择合适的参数，以达到最佳效果的问题。     

基于多小波基维纳滤波图像去噪

提出一种多小波基维纳图像去噪方法。它把多个小波基用于小波维纳滤波图像去噪，利用多个小波各自独有的特性和维纳滤波估计最小误差估计的优点，达到对图像更有效去噪的目的。实验结果表明，该方法可以有效降低图像噪声，同时，较好地保持图像视觉效果。     

DISCRETE WAVELET TRANSFORM FOR DENOISING RAMAN SPECTRA OF HUMAN SKIN TISSUES USED IN A DISCRIMINANT DIAGNOSTIC ALGORITHM

In this work, we applied the discrete wavelet transform (DWT) method as a denoising tool for dispersive Raman spectra of skin samples, and we compared the results obtained with the low-order polynomial fitting in a discriminating model based on principal components analysis (PCA). We used a set of 50 Raman spectra of skin tissue fragments diagnosed as normal (N) (25 spectra) and basocellular cell carcinoma (BCC) (25 spectra). A denoising procedure using DWT and its inverse was employed, and the resulting spectra were compared to denoising using low-order polynomial fitting and adjacent averaging smoothing. The tissue spectral profile showed changes in the intensity of bands below 1400 cm^?1 for DWT compared to the denoising by polynomial and smoothing. By applying PCA and Mahalanobis distance in both groups processed, we verified that the filtering method does not alter significantly the discrimination of N and BCC tissues. However, the DWT denoising presented an interesting result, which showed the main components after decomposition of the Raman signal used in the reconstruction.     

基于深度学习直流闭锁判断的高风险连锁故障快速搜索

大容量直流输电系统的快速发展及多馈入直流系统的出现,增加了系统发生连锁故障的风险。建立了基于深度学习的直流闭锁快速判断模型,提出一种高风险连锁故障快速搜索方法。直流闭锁快速判断模型以网络结构和故障位置相关的稳态特征量作为输入,利用堆叠降噪自动编码器(SDAE)提取输入的高阶特征,可以快速判断交流故障是否导致直流闭锁。根据交流故障后正常线路的负载率情况衡量该故障的影响程度,进而得到线路停运风险;搜索过程中采用深度优先策略,以高停运风险为搜索方向,优先获取故障概率较高的交直流连锁故障。实际电网仿真结果表明,所提方法能够快速给出高风险交直流连锁故障的传播路径和故障概率,可用于在线安全预警和防控决策。     

基于小波域加权阈值的图像去噪方法

针对小波全局阈值去噪的缺点,介绍了一种子带自适应的阈值加权算法。通过对图像小波分解系数统计特性的分析,提出了一种近指数模型作为分解层之间小波系数的先验分布。在此基础上,对比噪声图像和无噪图像在各尺度下统计特性,给出了一种子带自适应的加权阈值计算方法,避免了各层子带去噪的不平衡。实验表明,与全局阈值和其它子带自适应阈值去噪方法相比,基于加权阈值的图像去噪方法能获得更高的信噪比和更好的视觉效果。     

基于鲁棒ICA-PCA的TE故障诊断*

针对复杂工业过程混合分布的问题,提出了鲁棒ICA-PCA(Independent Component Analysis-Principal Component Analysis, ICA-PCA)的故障诊断的新方法。由于实际工业过程数据不可避免的带有大量干扰,为降低数据粗差的影响,首先采用小波去噪算法提高建模数据质量,然后利用鲁棒ICA-PCA算法提取过程的非高斯和高斯信息,并构建了三个统计量进行故障的监控。最后把上述方法应用到田纳西-伊斯曼(Tennessee Eastman,TE)化工过程。仿真结果表明,相比于传统PCA算法、ICA-PCA等算法,鲁棒ICA-PCA方法能够有效的检测故障的发生,该方法具有较好的鲁棒性和灵敏性。     

一种基于全变分技术和Lp伪范数的椒盐噪声去除方法

针对传统各向同性全变分（Isotropy total variation,ITV）去噪算法容易导致图像边缘模糊、不易保持图像细节信息等问题,提出一种基于L _p 伪范数和各向同性全变分的图像去噪方法。该方法将L _p 伪范数代替ITV模型中的L ₁范数,利用交替方向乘子算法（Alternating direction method of multipliers, ADMM）将能量泛函拆解成若干个子问题,并将差分算子视为卷积算子;然后引入卷积定理和快速傅里叶变换(Fast Fourier transform, FFT)提高算法运算效率;最后通过Matlab进行仿真实验,运用图像质量的客观和主观评价方法进行评价分析。结果表明,本文方法能够较好地保留图像的边缘特性,有效提升去噪效果。     

圆对称轮廓波变换的构造

提出了具有类似于视皮层变换频带划分的圆对称轮廓波变换.在该变换中,圆对称滤波器组将图像分解为多个不同分辨率的细节子带和一个低频子带,方向滤波器组再将各细节子带分解为方向子带.文中利用遗传算法设计满足重构要求的圆对称滤波器组,应用伯恩斯坦多项式设计的映射函数将9/7双正交滤波器组映射为扇形滤波器组.利用自适应阈值法对Lena图像去噪的实验结果表明,两种圆对称轮廓波变换（CSCT1和CSCT2）的去噪性能与轮廓波变换相比有显著提高.