三维地震勘探中强声波干扰的压制

在三维地震资料采集中产生的声波为非线性干扰波,能量强,频谱宽,利用常规的分频去噪和线性压噪方法难以将其去除,使后续的资料处理效果受到影响。基于声波具有非常稳定的传播速度这一特点,提出了一种利用非线性变换手段压制强声波干扰的方法。方法原理是,首先对三维地震资料中含声波到达时间的某段记录(时窗)进行转换,将非线性声波时距关系转换为速度趋于无穷、波数趋于零的一组噪声;然后应用f-k滤波对这组噪声进行压制;最后,再通过逆转换得到声波压制后的结果。该方法易于实现,并只对声波到达时间处的小范围数据进行处理,数据量小,计算效率高。对实际三维地震资料的处理结果表明,该方法压制强声波干扰的效果非常明显。     

基于小波变换的语音同步方法研究

为提高语音通信干扰效果客观评估中标准语音文件和受扰语音文件的同步精度,对军标GJB4405A-2006中规定的标准语音文件增设了高低频交叉的双音频同步头;介绍了小波消噪的原理,利用2层sym小波对受扰语音文件进行了消噪处理,将同步头中的高频信号作为噪声进行大幅削弱;设计了基于幅度比较的同步算法,找出同步基准点,并对20组受扰严重的语音文件的进行了仿真测试,仿真结果证明了该方法得到的同步精度符合后续数据处理的要求。     

手背静脉图像的降噪和分割研究

手背静脉识别是一种新兴的生物特征识别技术。根据手背静脉图像的特点,对静脉图像预处理进行了研究。静脉图像预处理分为图像的降噪和静脉图像的分割两部分。提出了一种混合噪声滤除算法,在判断出的脉冲噪声基础上,根据连通性去掉被误判成脉冲噪声的边缘,有效地滤除了静脉图像中的脉冲噪声和高斯噪声,且较好地保护了静脉图像的细节特征;采用了局部动态阈值算法NIBlack算法对图像进行分割。很好的提取出了手背静脉。     

轧辊偏心自动分层确定阈值滤波法

为计算板带轧机中的轧辊偏心信号,对轧制过程中采集的信号进行滤波是一个关键环节。本文提出一种轧辊偏心自动分层确定阈值滤波法：通过使用第二代小波变换方法,根据由轧辊转速计算得出的轧辊偏心频率来确定小波分解层数,并根据不同层中信号频率范围选取不同的阈值,从而对信号进行滤波。通过与类似工况下小波阈值滤波法比较,轧辊偏心自动分层确定阙值滤波法能更准确的反映轧制过程中的检测信号,为更精确提取轧辊偏心信号、进行有效的轧辊偏心补偿奠定基础。     

基于经验模态分解和小波分析的靶船外弹道测量数据去噪方法

针对舰船外弹道测量数据误差性质复杂,表现为非平稳信号,难以用模型准确进行描述的问题,提出基于经验模态分解和小波去噪的靶船外弹道测量数据处理方法。首先对测量数据进行经验模态分解,得到测量数据不同频率的本征模函数,接着采用小波间值去噪原理对含有噪声的高频本征模函数去噪,最后将经过去噪的本征模函数与剩下的没有经过去噪的本征模函数和趋势项相加,重构去噪后的靶船测量数据。经实验数据分析,本方法在很大程度上克服了小波阈值降噪的缺陷,保留了高频分量中包含的有用信息,是分析非平稳、多频段的靶船外弹道测量的有效方法。     

粒子滤波在含噪齿轮箱故障盲源分离中的应用

在机械故障诊断中,传感器所获得的信号不可避免地受到各种未知噪声的干扰,针对这种复杂噪声环境下的机械信号盲源分离不能得到较好分离效果的问题,提出了一种将粒子滤波用于含噪信号盲分离的方法,首先利用Rao-blackwellised粒子滤波对观测信号进行降噪处理,然后再进行独立分量分析。仿真和实验结果表明该方法是有效的。     

手机图像处理技术专利现状

随着彩信手机、拍照手机、智能手机等手机的发展,手机已不再简单地只是打电话发短信的一个工具,而渐渐成为集个性化、娱乐化为一体的数据中心.如何满足用户在获取图像后对图像进行个性化处理的需求,就变得十分重要.因此,手机图像处理已然成为手机技术发展的研究热点.针对手机图像处理领域的专利文献,给出了该领域主要申请人的申请量分布图,并对该领域的重要专利分布进行分析.     

一种复合局部与非局部梯度的图像去噪变分模型

局部变分有效地增强图像的轮廓信息,但不可避免地模糊图像的细节并在平滑区域产生阶梯效应。非局部变分能有效重构图像的纹理信息,但同时会破坏图像的结构轮廓信息。考虑到局部与非局部变分的互补性,提出了一种基于图像局部梯度与非局部梯度的复合变分模型,并通过Bregman交替迭代极小化图像的局部梯度与非局部梯度的L1范数,使去噪后的图像在去除噪声的同时更好地保留图像的结构与细节信息。对比实验证明,提出的复合变分模型有效地利用了图像的局部变分与非局部变分的优点,在图像评价的主客观方面都表现出了更好的性能。     

基于小波变换的图像去噪研究

鉴于传统的去噪方法难于在时频域得到很好的兼顾,提出一种基于小波变换的去噪方法.通过对图像实施二维离散小波变换,在小波域中,选取适当的阈值对小波系数进行处理.Matlab仿真试验表明,具有很好的效果.     

基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。