基于红热图像测温技术的图像二维无网格消噪方法

红外热图像测温过程中存在的大量噪声严重制约了红外热图像的精度和准确性,为了准确提取红外热图像中被测物体的相关参数,提出了一种红外热图像二维无网格消噪方法。将双边滤波、异性消噪、无网格消噪进行结合,建立红外热图像二维无网格消噪模型,利用鲁棒回归算法求解模型中相关参数,实现了红外热图像的无网格消噪,提高了红外热图像测温的精度。最后,通过仿真实验验证了提出方法的可行性,为军事、科研等领域的红外热图像的测温提供了理论基础。     

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。     

小波变换和大津法在竹编工艺中的应用

本文提出了一种新的竹编工艺,采用了数字图像处理算法,通过小波变换对扫描图等含噪图像进行滤波去噪,通过Ostu算法对图像进行黑白二值处理,从而就可以把任何一幅数字图案编织成竹编工艺品.为了去除图像中包含的大量噪声,提高基于图形处理的产品加工精度和效率,分析了维纳滤波对于图像消除噪声的特点,采用小波自适应阈值去噪技术剔除图...     

二代小波变换在肌电信号消噪中的应用

为了更好地消除混杂在表面肌电信号中的噪声,提出了一种基于二代小波变换的表面肌电信号消噪方法.利用提升算法进行表面肌电信号二代小波分解,得到多层的信号高频细节系数,分别运用软、硬阈值进行处理,对滤波后的信号进行小波重构,恢复消噪后的原始信号.通过对加噪正弦信号和真实表面肌电信号的消噪实验,结果表明:二代小波是一种明显优于一代小波的消噪方法,且硬阈值法优于软阈值法.     

基于二维EMD和小波阈值的掌纹图像去噪

为有效抑制掌纹图像中含有的噪声、提高特征提取的精度,提出一种基于二维经验模式分解和小波阈值去噪相结合的掌纹图像去噪新方法。首先,对含有噪声的掌纹图像进行二维EMD分解,得到不同特征尺度的本征模函数子图像;然后对中高频成分的IMF进行小波多阈值去噪;最后将去噪处理后的各IMF与残差图像通过加和进行重构。实验结果表明,该方法与单独的二维EMD滤波及小波阈值去噪相比,去噪效果更明显,提取的主线和细节特征更清晰,因而均方误差最小、峰值信噪比最高。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

提高光斑图像质心精度的去噪方法

在空间光通信中,光斑图像噪声直接影响质心精度。利用小波的方法估计出这种噪声属于广义的高斯噪声,因此,提出了一种基于Bayesian估计的小波降噪方法。该方法以“Haar”函数为小波基,对带噪图像作正交小波变换;通过对小波系数的概率密度函数建模,用Bayesian方法估计无噪原始图像的小波系数;用估计出的小波系数重构得到消噪图像。实验表明,对同样的光斑图像,中值滤波降噪法质心偏离1.8μm;全局阈值法小波图像消噪法质心偏离0.8μm;而Bayesian估计的图像小波消噪方法,峰值信噪比从-12.084 dB提高到10.048 dB,质心偏离仅0.03μm。     

小波变换技术及其在图像消噪中的应用分析

小波变换技术已广泛地应用于图形、图像处理,语音处理,视频处理以及数字信号处理等领域。由于小波变换的良好特性,使其在众多实际应用中都能得到很好的应用,并取得比原有技术更好的实际效果。本文阐述了小波变换原理并实现了在MATLAB环境下,利用小波变换对图像进行消噪处理的仿真。同时,文中也给出了中值滤波、维纳滤波器与小波阈值去噪的算法对图像消噪效果对比的仿真结果。     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

基于改进零树小波的红外图像盲水印算法

提出了一种小波域自适应盲水印算法,采用（7,4）汉明码技术进行纠错编码。基于整数小波变换,在中高频区采用不重复零树小波编码,自适应的量化小波系数,将水印嵌入到重要系数上。水印提取过程不需要原始图像的参与。实验结果表明,算法自适应性强,实现速度快,具有较好的不可见性,对常见的JPEG压缩、滤波、加噪、剪切等攻击具有较强的鲁棒性。     

Image Denoising with Adaptive Weighted Graph Filtering

Graph filtering, which is founded on the theory of graph signal processing, is proved as a useful tool for image denoising. Most graph filtering methods focus on learning an ideal lowpass filter to remove noise, where clean images are restored from noisy ones by retaining the image components in low graph frequency bands. However, this lowpass filter has limited ability to separate the low-frequency noise from clean images such that it makes the denoising procedure less effective. To address this issue, we propose an adaptive weighted graph filtering (AWGF) method to replace the design of traditional ideal lowpass filter. In detail, we reassess the existing low-rank denoising method with adaptive regularizer learning (ARLLR) from the view of graph filtering. A shrinkage approach subsequently is presented on the graph frequency domain, where the components of noisy image are adaptively decreased in each band by calculating their component significances. As a result, it makes the proposed graph filtering more explainable and suitable for denoising. Meanwhile, we demonstrate a graph filter under the constraint of subspace representation is employed in the ARLLR method. Therefore, ARLLR can be treated as a special form of graph filtering. It not only enriches the theory of graph filtering, but also builds a bridge from the low-rank methods to the graph filtering methods. In the experiments, we perform the AWGF method with a graph filter generated by the classical graph Laplacian matrix. The results show our method can achieve a comparable denoising performance with several state-of-the-art denoising methods.     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

小波变换与卡尔曼滤波结合的RLG降噪方法

针对激光陀螺随机游走噪声其非平稳和非正态分布的特性,提出了基于小波变换的卡尔曼滤波的RLG降噪方法,该方法既具有小波变换对自相似过程的去相关作用和多分辨分析的功能,同时又保持了卡尔曼滤波器对未知信号的线性无偏最小方差估计的特点,实现了激光陀螺随机游走噪声的实时多尺度分解和最优估计。实测激光陀螺零偏信号去噪的结果表明,基于小波变换的卡尔曼滤波器使随机游走噪声的标准差降低了10.3%,降噪效果优于传统的卡尔曼滤波器。     

EM algorithm‐based adaptive custom thresholding for image denoising in wavelet domain

In this article, a novel denoising technique based on custom thresholding operating in the wavelet transform domain is proposed. The denoising process is spatially adaptive and also sub‐band adaptive. To render the denoising algorithm space adaptive, a Vector Quantization (VQ)‐based algorithm is used. The design of the VQ is based on Expectation Maximization (EM) algorithm. The results of the algorithm is demonstrated on SAR images corrupted by speckle noise. Experimental results show that Custom thresholding function outperforms the traditional soft, hard, and Bayes threshoding functions, improving the denoised results significantly in terms of Peak Signal to Noise Ratio (PSNR). © 2009 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 19, 175–178, 2009     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

基于新的模态单元滤波消除地震信号中的汽车噪声

由于地震信号采集环境和采集仪器存在干扰,采集到的地震波形中通常包含很多噪声信号,严重影响了地震信号的应用。模态单元滤波（Mode Cell Filter：MCF）无需先验基函数,是一种自适应的消噪算法。本文将MCF引入到地震信号消噪中,提出了一种基于MCF的汽车干扰消除算法,并设计对仿真信号和实际信号的消噪试验。仿真试验中,MCF消噪性能优于最优小波基算法,而在实际信号消噪中,MCF算法性能优于IIR数字滤波器,与改进最优小波基方法相当。     

一种结合小波变换和维纳滤波的图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

An extremely fast adaptive high-performance filter to remove salt and pepper noise using overlapping medians in images

A new fast adaptive high-performance filter (FAHPF) has been proposed to remove salt-and-pepper noise in images. ‘Maximize the speed without compromising denoising performance’ is the fundamental intention to build up the FAHPF algorithm. Among diverse phases of filtering employed in the FAHPF, overlapping medians (OM) is our newly proposed frame-based filtering concept which is the basis for speed of FAHPF and running averages embedded with OM is an idea behind excellent denoising performance of FAHPF at the same pace. Simulation experiments have been conducted and denoising results of FAHPF has been investigated against very recently developed filtering methods. It is proved that the FAHPF excellently outperforms many of state-of-the-art filters considered for comparison, in terms of peak signal to noise ratio, structural similarity index, and visual representation and requires the extremely shortest execution time among all, which could make it as a real time filter.     

CEEMDAN 小波包联合降噪的优化方法

针对实测隧道爆破振动信号降噪效果不理想的问题,引入多尺度排列熵的概念,用来筛选含噪明显的本征模态分量,并结合SG（savitzky-golay）平滑滤波方法提出了一种完备的自适应噪声经验模态分解（CEEMDAN）和小波包联合降噪的优化方法,通过信噪比(SNR)、均方根差(RMSE)、相关系数、自相关系数对仿真实验和实测信号处理结果进行对比分析。结果表明,CEEMDAN 小波包联合降噪优化方法提高了信号降噪效果,且有效保留了原始信号中的特征信息,可以应用到类似爆破振动信号的降噪处理中。     

压力容器声发射检验中信号去噪研究

压力容器作为工业系统中的重要设备,其安全运行直接影响工业生产的安全性。通过定期对压力容器进行声发射信号检测,可及早发现设备缺陷,保障安全生产。由于压力容器检验现场各种噪声普遍存在,导致采集的声发射信号严重失真甚至淹没在噪声信号中。通过研究小波阈值去噪,自适应滤波原理,采用小波-自适应联合滤波,进行含噪信号去噪处理。