随机共振方法在弱信号检测中的应用

针对如何从强噪声背景下提取有用的弱信号问题,利用近年来发展起来的随机共振技术进行了信号检测的研究,发现该方法提取弱信号切实可行.介绍了随机共振的基本原理,提出了随机共振去噪检测弱信号的新方法.并通过仿真研究了系统的随机共振现象,实验证明了随机共振技术在强噪声背景下检测弱信号具有很大的优越性.     

一种强噪声背景下弱信号检测的非线性方法

该文利用随机共振技术对工程测量中常碰到的弱信号检测进行了计算机仿真,就信噪比的提高、弱信号的检测等进行了研究。并对信号经随机共振系统处理和不经随机共振系统处理进行检测比较。实验结果表明,随机共振技术完全有可能成为信号检测中一个强有力的新工具。     

基于随机共振的语音增强研究

传统的语音增强方法是通过线性过滤除噪声达到语音增强的目的,而在强噪声环境中,语音信号表现为弱信号．去噪变得困难,而随机共振能利用噪声增强语音信号。基于Hodgkin—Huxley神经元阈上非周期随机共振原理,提出一种自适应调节,添加最佳噪声来实现语音增强。实验结果表明,在强噪声能够实现对语音信号的增强,具有一定的鲁棒性,提供了在强噪声环境中增强语音信号的新思路。     

基于随机共振理论的双基ISAR弱信号提取及成像分析

 在双基地逆合成孔径雷达成像系统中,针对强背景噪声中的目标弱散射点探测和识别问题,基于能捕获目标强散射点的假设前提,提出了应用随机共振理论的弱散射点检测方法.首先对作解线调后的回波信号进行快时间轴变换处理,并对处理后的信号进行二次采样使其满足绝热近似条件;然后应用随机共振技术检测出代表瞬时距离差的弱周期信号频率,并通过循环检测和正负频率判断等后续处理提高系统的检测信噪比以及确定弱散射点的正确位置.最后对随机共振性能和双基ISAR成像进行了仿真.结果表明:随机共振能大幅提高弱周期信号的输出信噪比,应用在双基ISAR系统中能有效提高系统的信噪比增益和扩大雷达接收机的动态范围.     

二代小波降噪在激光陀螺信号滤波中的应用

为了抑制激光陀螺的随机漂移,提高其使用精度,提出了一种改进的第二代小波变换降噪方法对陀螺随机漂移测试数据进行滤波处理.该方法在二代小波变换时采用多组预测器和更新器,根据变换样本与相邻样本之间的相关性检测信号的局部特征,确定每个尺度上的每个变换样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.该方法克服了传统小波变换降噪方法的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性.     

三重降噪的盲源分离抗干扰算法

为了提高低信噪比条件下盲源分离的性能,提出了一种基于互补集合经验模态分解降噪、小波阈值降噪和随机共振降噪的三重降噪盲源分离抗干扰算法,分析了三种互补集合经验模态分解降噪与小波阈值降噪相结合的前降噪方案和扩频结合随机共振的后降噪方案,仿真讨论了所提算法的抗干扰性能。仿真结果表明,该算法在一定范围低信噪比条件下能够从受扰的混合信号中恢复出通信方的期望信号。     

弱信号检测领域中随机共振的理论及应用研究

随机共振(SR)是指在一定的非线性条件下,由弱周期信号和噪声(随机干扰)合作而导致的系统强周期输出的现象.介绍了随机共振的起源和绝热近似理论、本征值理论、非周期理论、自适应理论等随机共振理论;提出了实验研究中常用的测度方法及指标,并介绍了近年来国内外各个领域利用随机共振检测弱信号的应用研究实例.最后对随机共振的研究进展做了概括分析.     

利用随机共振进行弱信号检测的Labview虚拟实验系统

基于Labview虚拟仪器开发系统,建立了利用随机共振检测弱信号的模拟仿真实验系统.通过适当的调节输入信号的振幅、噪声强度和系统参数,可以在模拟仿真实验系统中实时地观察到非线性双稳态系统中发生的随机共振现象,进而检测系统输入的淹没于强噪声背景中的弱信号.该模拟仿真实验系统还可以改造成为检测实际弱信号的探测系统.虚拟仿真实验结果表明基于Labview的随机共振检测弱信号模拟仿真实验系统具有形象直观、实时性强、参数调节简洁等特点.     

双通道深度图像先验降噪模型

相对于采用固定网络参数值的有监督深度降噪模型而言,无监督的深度图像先验（Deep Image Prior,DIP）降噪模型更具灵活性和实用性.然而,DIP模型的降噪效果远低于有监督降噪模型（尤其是在处理人工合成噪声图像时）.为进一步提升DIP降噪模型的降噪效果,本文提出了双通道深度图像先验降噪模型.该降噪模型由噪声图像预处理、在线迭代训练和图像融合3个模块组成.首先,利用BM3D和FFDNet两种经典降噪方法对给定的噪声图像进行预处理,得到2张初步降噪图像,然后,将原DIP单通道逼近目标图像架构拓展为双通道工作模式.其中,第一通道以FFDNet初步降噪图像和噪声图像为双目标图像,第二通道则以BM3D预处理图像和噪声图像为双目标图像.在此基础上,按照标准的DIP在线训练方式让DIP网络输出图像在两个通道上分别逼近各自的目标图像,同时依据基于边缘能量定义的伪有参考图像质量评价值适时终止迭代过程,从而获得2张中间生成图像.最后,使用结构化图块分解融合算法将两张中间生成图像融合并作为最终的降噪后图像.实验数据表明,在合成噪声图像上,本文提出的双通道深度图像先验降噪模型在各个噪声水平上显著优于原...     

随机共振技术在弱信号检测中的应用

针对淹没在噪声中的弱信号测量,利用随机共振技术进行了信号检测的研究。论文就非线性系统的结构参数和弱信号及噪声之间的关系进行了仿真研究,并对信号经随机共振处理和没有处理进行检测比较。实验证明了随机共振技术在强噪声背景下弱信号检测的优越性。     

基于局部熵的量子衍生医学超声图像去斑

针对现有医学超声图像去斑方法的不足,该文提出一种基于局部熵的量子衍生医学超声图像去斑新方法。首先,将对数变换后的图像进行双树复小波变换(DTCWT),并对信号与噪声分别建模;然后,提取复小波中子代与父代小波系数的实部,计算其局部熵并进行归一化乘积,结合量子衍生理论得到用来调整信号与噪声出现概率的可调参数;最后,利用改进的双变量收缩函数获得去斑后的图像。通过实验,结果表明该方法与已有方法相比能够更有效地滤除医学超声图像中的斑点噪声并保留细节信息。     

基于变换域多合成规则的双色中波红外图像融合

为了综合多个合成规则的优点,取得更好的双色中波红外图像融合效果,提出了基于变换域多合成规则的融合方法.采用支持度变换分别获得两个中波细分波段图像的低频成分图像和支持度图像序列;根据像素值最大法、区域特征最大法、区域特征加权法等合成规则的特点,提出了低频成分图像三个合成规则的组合方法;根据支持度图像的能量最大法、区域特征加权法等合成规则的特点,提出了支持度图像序列两个合成规则的组合方法.与单一合成规则的方法相比,融合后的图像局部标准偏差、局部粗糙度和融合质量参数分别提高了6.77%、4.86%和9.59%,实验结果证明了该融合方法的有效性.     

基于滚动引导滤波的红外与可见光图像融合算法

针对红外与可见光图像融合时,易产生细节丢失、噪声抑制不佳等问题,本文提出了一种改进的滚动引导滤波融合算法。该算法充分利用了滚动引导滤波边缘和局部亮度保持特性,在通过均值滤波将输入图像分解为基础层与细节层的基础上,结合滚动引导滤波与高斯滤波获取输入图像的显著图,利用不同尺度参数的引导滤波对显著图优化得到权重图,将权重图作为权重分别指导基础层与细节层的融合,最后联合融合后的子图重构得到融合图像。针对3类测试数据进行的融合实验表明,与非下采样轮廓波变换、基于引导滤波、基于显著性检测的两个尺度的图像融合等经典方法相比,本文方法得到的融合图像不但从主观视觉效果上细节信息更丰富、目标对比度加强,并且在非线性相关信息熵、相位一致性等6项客观评价指标上均具有较好的效果。     

基于哈达玛矩阵编码测量的自适应压缩成像

为了消除采样过程中的噪声干扰,进一步提高重构图像质量,针对数字微镜阵列(DMD)与桶探测器在测量过程中点对点采样产生的起伏噪声导致图像信噪比降低的问题,提出基于哈达玛矩阵编码测量的压缩采样成像方法。首先采用DMD分区控制方法,利用哈达玛编码测量,计算获得低分辨率的粗糙图像,接着在预测的重要小波系数所在区域,对同一尺度上的重要区域利用哈达玛矩阵进行投影,同时计算出这些区域的小波系数,最后通过小波逆变换获得重构图像。实验表明,在测量噪声为0.2倍的热噪声下,只需要10%的采样率,通过哈达玛编码测量,图像峰值信噪比从13.98dB最高提高到34.56dB,提高了20.58dB,成像质量明显改善,清晰度高。当存在较大的测量噪声时,该方法可以大幅提高图像的信噪比,尤其适用于微弱光信号条件下的高灵敏压缩采样成像。     

基于改进直方图均衡化和SSR算法的灰度图像增强研究

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法.对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合.结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整.在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析.     

基于NSCT的红外偏振与光强图像的融合研究

针对融合规则的选择,提出了一种基于非采样Contourlet变换的红外偏振与光强的融合方法。该算法采用NSCT对源图像进行多尺度、多方向分解,然后对低频子带系数和高频子带系数分别采用局部能量和区域目标特征的选择,最终通过逆变换得到融合图像。实验结果表明：与加权融合和绝对值取大的融合规则相比,局部标准偏差、局部粗糙度、对比度、分别提高3.42%、12.7%、9.67%。     

融入压缩感知的脉冲耦合神经网络用于图像快速融合

针对脉冲耦合神经网络(PCNN)图像融合模型对含噪 声图像敏感和融合时间效率不高的问题,通过引入压缩感知(CS)技术对传统模型进行改 造,提出了一种融入CS技术的新型快速脉冲耦合图像融合方法,不仅能够弥补传统脉冲耦 合模型抗噪声能力不强的缺陷,还可 以实现含噪声图像去噪和图像融合同步进行,有效克服了传统去噪融合方法中人为将去噪 过程和融合过 程分开而造成的信息不一致等问题,在一定程度上提高了融合效果和时间效率 。在多聚焦图 像和小目标图像上进行了相关实验研究,并在视觉效果和性能评价、含噪声多少与方法性能 、稳定性等方 面进行了详细分析。实验结果表明,新方法无论从融合效果还是评价指标上均较一些相 关方法显示出一定的优越性。     

Texture analysis-based multi-focus image fusion using a modified Pulse-Coupled Neural Network (PCNN)

Multi-focus image fusion is an effective method of information fusion that can take a series of source images and obtain a fused image where everything is in focus. In this paper, a multi-focus image fusion method based on image texture that adopts a modified Pulse-Coupled Neural Network (PCNN) approach is proposed. First, the texture of an image is obtained by means of image cartoon and texture decomposition. An ignition image is then acquired by inputting the image textures into a modified PCNN. Ignition images are compared to each other to obtain an initial decision map. A small object detection and bilateral filter is then applied to the initial decision map to reduce noise and enable smoother processing. Finally, the source images and decision map are used to produce the fused image. Experimental results demonstrate that the proposed method effectively preserves the source images information while delivering good image fusion performance.     

基于小波变换与灰度形态学滤波的双波段红外图像弱目标融合检测

针对舰载红外搜索与跟踪系统中的弱目标检测问题,本文首先提出了一种采用小波变换与灰度形态学滤波相结合的背景抑制与目标增强算法;然后基于所提出的背景抑制与目标增强算法设计了一种双波段红外图像弱目标融合检测方法;最后采用实际的双波段红外图像序列对所提出的背景抑制与目标增强算法和所设计的双波段红外图像弱目标融合检测方法进行了实验测试,并给出了详细的分析与比较。实验结果显示所提出的背景抑制与目标增强算法在较大程度上改善了在信噪比条件下的红外图像弱目标检测效率,而双波段红外图像的应用进一步提高了系统的目标检测性能。