基于逐层最优基小波和贝叶斯估计的电缆瓷套终端红外图像自适应去噪方法

抑制图像噪声是电气设备红外诊断技术的前提。为了有效抑制白噪声,提高诊断的准确性,提出一种用于电缆瓷套终端红外图像的基于逐层最优基小波和贝叶斯估计的自适应去噪方法。该方法首先将红外图像真彩图分解为R、G、B颜色分量图像。对每一颜色分量图像,定义小波分解尺度系数能量百分比,基于能量百分比最大的原则,自适应选取最优基小波对颜色分量图像逐层进行小波分解,并结合Bayes最优估计准则对细节小波系数进行处理,对尺度系数和处理后的小波系数进行逐层小波重构,得到去噪后的颜色分量图像。将去噪后的颜色分量图像进行合成,得到去噪后的图像。该方法能够有效地去除白噪声,并且使去噪后的图像尽可能保留细节信息。数值试验表明,与运用sym4小波进行单一小波分解去噪方法比较,运用该方法去噪后图像的信噪比(SNR)更高,最小均方误差(MSE)更小。     

平稳小波域局部自适应绝缘子的红外热像去噪

为从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出了一种平稳小波域局部自适应绝缘子红外热像去噪方法。该法假设平稳小波变换子带系数服从拉普拉斯分布,利用最精细分解层子带系数估计噪声方差,使用待估计点圆形邻域系数估计信号方差,根据图像噪信比自适应调整邻域窗口大小,采用最大后验估计器局部自适应估计各高频子带小波系数,最后对处理后的小波系数进行平稳小波反变换得到去噪后图像。实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和平稳小波变换的贝叶斯阈值去噪法的信噪比更高,在有效去除图像噪声的同时,图像细节信息保留更完好。     

一种应用小波系数GSM模型的混合傅里叶-小波电缆瓷套终端红外图像去噪方法

为有效去除红外图像白噪声,提高电气设备红外诊断准确性,采用一种混合傅里叶-小波去噪方法对电缆瓷套终端红外图像进行处理。该方法先在傅里叶域中进行初步去噪处理,而后在小波域中去除剩余噪声。在小波域中去噪时,考虑到小波系数的统计特性,采用GSM模型对小波系数进行建模。对电缆瓷套终端红外图像去噪试验表明,运用文中方法能够有效提高红外图像的去噪效果。     

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性：文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、 2.16%、 9.86%、 7.45%、 21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。     

基于小波域隐Markov树模型及重要性修正的绝缘子红外图像去噪研究

在小波域隐Markov树模型的基础上,提出了一种基于小波域统计建模与小波系数重要性修正相结合的绝缘子红外图像去噪方法。该方法首先通过对数变换将乘性噪声转化为加性噪声,对对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,并采用EM算法来估计模型参数。在模型参数估计的基础上引入了基于重要性准则的小波系数修正,最后通过小波逆变换与指数变换获得去除噪声后的图像。实验结果表明,与普通的小波去噪方法相比,该方法不但有利于保持图像的边缘信息,有效解决红外图像的边缘模糊问题,而且能提高红外图像的信噪比并得到了较好的视觉效果。     

基于小波变换的图像去噪

消除噪声是图像处理中一个非常重要的预处理步骤,然而,噪声消除与边缘保持构成了相互影响的一对矛盾。由于图像噪声存在不确定性,采用模糊理论进行噪声消除可取得较好的去噪效果。小波变换具有多分辩率的时频分析特性,不仅适用于平稳信号的分析处理,尤其适用于非平稳动态信号的分析处理。本论文将模糊理论与小波变换两者有机地结合起来,提出了WCFM去噪算法和AFTF去噪算法。与相关的去噪算法相比,本文提出的改进算法不仅有效地消除了噪声,而且还具有保持图像边缘细节的优势。通过仿真实验,验证了算法的有效性。     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯（Bayes）估计的双小波维纳滤波的电能质量信号去噪算法。该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能。实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波维纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比。     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯(Bayes)估计的双小波维纳滤波的电能质量信号去噪算法.该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能.实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波雏纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比.     

基于小波变换的图像去噪

消除噪声是图像处理中一个非常重要的预处理步骤,然而,噪声消除与边缘保持构成了相互影响的一对矛盾。由于图像噪声存在不确定性,采用模糊理论进行噪声消除可取得较好的去噪效果。小波变换具有多分辩率的时频分析特性,不仅适用于平稳信号的分析处理,尤其适用于非平稳动态信号的分析处理。本论文将模糊理论与小波变换两者有机地结合起来,提出了WCFM去噪算法和AFTF去噪算法。与相关的去噪算法相比,本文提出的改进算法不仅有效地消除了噪声,而且还具有保持图像边缘细节的优势。通过仿真实验,验证了算法的有效性。     

基于中值滤波和改进提升小波的输电线路激光测距信号去噪方法

针对小波变换去噪算法精度不高,运行时间较长的缺点,并结合激光测距信号含有高密度高幅值脉冲噪声和白噪声的特点,提出一种基于中值滤波和改进提升小波的去噪算法。首先对实测输电线路激光测距信号进行中值滤波处理,以平抑占比较重的脉冲噪声;再进行提升小波变换,得到小波分解系数;同时,使用鸡群优化算法(chicken swarm optimization,CSO)寻找最优阈值;然后进行提升小波逆变换得到重构信号。结果表明:相对于传统提升小波变换去噪算法,应用该方法的去噪效果信噪比提升2倍以上。最后将几种去噪算法进行了综合比较,所提出方法可有效提高去噪效果并略微减少算法运行时间,优于传统去噪算法。     

基于小波分解尺度系数能量最大原则的GIS局部放电超高频信号自适应小波去噪

抑制干扰是GIS局部放电在线监测的关键技术之一。尽管局部放电超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为准确测量局部放电带来困难。为有效抑制白噪声,提高局部放电超高频法的测量精度,本文提出一种用于GIS局部放电超高频信号的自适应小波分解去噪算法,该算法基于每层小波分解尺度系数能量最大的原则,逐层自适应选取最优的小波进行分解,并结合Donoho提出的软阈值法进行去噪。对人工绝缘缺陷产生的四种GIS超高频信号的去噪结果证明了该算法较其他小波算法能更好地去除白噪声且去噪后信号波形畸变较小,具有很好的应用前景。     

基于小波分解切换规则的交互系统切换滤波方法*

交互系统中常出现多种混合噪声,单一的滤波算法无法满足交互系统对精确性的要求,而联合滤波算法往往牺牲了系统的实时性。为此提出一种基于小波分解切换规则的滤波算法,通过切换规则判断图像中噪声的类型,选择更加匹配的滤波子系统。同时结合改进的Canny算子,提出一种改进的小波域维纳滤波去噪算法。实验结果表明,该算法对单一噪声和混合噪声都有较好效果,但椒盐噪声的滤波效果不如自适应中值滤波,可通过切换规则将滤波系统切换到自适应中值滤波。该算法将在对实时性要求高的互动领域内有广泛的应用前景。     

一种基于小波变换的夜视图像去噪和融合方法

微光夜视图像使用的像增强器会导致电子噪声和低照度的产生,2种因素会导致图像不清晰,细节不足.该文分析了2种影响因素的产生原理,针对其采用改进的小波变换去噪算法和融合算法进行处理以提高图像分辨率.实验结果表明:经过去噪和融合的微光夜视图像获得了更高的图像分辨率,保留了更多的图像细节.     

基于小波邻域阈值分类的电能质量信号去噪算法

提出了一种基于小波邻域阈值分类的自适应阅值电能质量信号去噪算法.首先结合所用小波函数,基于模极大值小波域确定最佳邻域窗口尺寸;然后利用各个尺度携带信号信息的小波系数其分布具有"簇聚"性质及其小波系数具有局部相关性,通过邻域阈值对小波系数进行分类,对分类后的"小"系数直接置零,对"大"系数则采用一种具有局部强相关性的零均值高斯模型,通过最小均方误差准则得到其估计.仿真实验结果表明,该算法对实际电能质量信号去噪是有效的,在去噪性能上优于常用的多种自适应阈值去噪算法.     

局域自适应双变量收缩小波去噪

图像小波系数存在很大的相关性。考虑到小波系数层间相关性,引入双变量概率分布模型;基于贝叶斯估计理论,得到了相应的非线性阈值函数（双变量收缩函数）;基于小波系数层内相关性,利用双变量收缩提出了局域自适应收缩去噪算法。在实验中,将文中去噪结果与Donoho提出的硬阈值函数、贝叶斯收缩函数和HMT作了比较,实验结果显示该算法能获得更好的去噪效果。     

改进Sage-Husa 算法结合小波模糊阈值算法的MEMS陀螺去噪

为解决微机电系统（MEMS）中陀螺仪输出噪声大、精度低的问题,基于自适应滤波算法与小波阈值算法的基础上,将小波阈值算法与模糊理论结合,提出了Sage-Husa自适应滤波算法联合小波模糊阈值去噪算法应用在MEMS陀螺去噪中。首先使用改进的Sage-Husa自适应滤波算法进行预处理,通过修正状态的预测值抑制干扰数据对滤波的影响,然后使用小波模糊阈值去噪算法对信号进行后处理,实现抑制随机噪声的效果。实验结果表明：在静态实验中,该算法去噪效果优于Sage-Husa自适应滤波算法和小波阈值算法,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低78.7%和14.6%,信噪比分别提高43.7%和16.3%。;在动态实验中,该算法能够自适应地减少异常值的不利影响,保持原始信号的波形,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低62.7%和31.6%,信噪比分别提高47.8%和10.0%。     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

基于小波阈值去噪的改进方法

语音信号是非平稳信号,利用小波的时频域局部化特性,通过小波变换对语音信号进行去噪处理,在经典的硬、软域值去噪方法的基础上,提出一种新的算法,并比较这3种算法的优劣。最后进行仿真实验,用MATLAB软件提取一段纯净的语音信号,并叠加高斯白噪声,对带噪信号分别用以上3种算法进行去噪处理,实验证实了该算法较其他算法更加有效。     

X射线数字底片去噪方法的研究

为了有效去除X射线数字底片的噪声,本文研究和建立了X射线数字底片的噪声模型,在传统的小波萎缩阈值去噪算法基础上,提出一种改进型的阈值去噪算法.该算法对小波变换的各系数进行Bayes参数估计,并根据子图直方图对噪声进行参数估计从而进行阈值设置,阈值处理后通过小波逆变换还原图像.实验结果表明,该算法同传统图像去噪算法相比,图像处理后较光滑清晰,视觉效果好,具有较高的峰值信噪比,能满足X射线数字底片后续处理的要求.     

增强型Shearlet域SAR图像去噪

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了一种增强型Shearlet域SAR图像滤波去噪算法。该算法首先分析SAR图像的局部特性,利用局部特性,将图像分成均质区域、非均质区域和边缘区域。对均质区域,用均值滤波器进行滤波去噪;对非均质区域,用Shearlet变换处理去噪;对边缘区域,进行直接保留。实验结果证明,该算法不仅能够显著消除相干斑噪声,明显的提高视觉效果,而且能够很好的保持边缘细节和纹理信息。