二进脊波变换的高光谱遥感图像融合分类

将二进脊波变换应用到高光谱遥感图像的数据融合中,并针对该算法的特点,提出了将变换数据分成两部分分别进行融合的融合算法,即将经过二进小波行变换的图像数据进行划分,对于包含图像概貌特征的低频数据进行归一化方差加权融合,对于包含图像边缘、直线等细节特征的高频数据选择各波段数据对应像素点小波系数绝对值最大者作为融合后该像素点的像素值.对标准的AVIRIS高光谱遥感图像实现了数据融合,并在此基础上完成了对高光谱遥感图像的分类.实验结果表明,无论是从直观上还是从数值结果上来看,该方法能有效地实现高光谱遥感图像的数据融合与分类.     

大豆品质近红外光谱分析仪测量数据处理

利用自行设计的CCD近红外光谱仪器、采用光纤探头测得的大豆样品漫反射近红外光谱数据中含有各种噪声。经过分析,该光谱数据的噪声包括随波长变化的随机变量,引起光谱基线平移的随机常量,以及由于装样不同、样品散射系数变化而引起的光谱基线旋转。对于随机变量噪声,通过用背景、白板、样品各组重复采集、递归平均再计算光谱数据的方法减小,同时可节省存储空间,减小三组数据的重迭区域,增加光谱数据的有效范围。分别采用了局部平均阈值法、Savitzky-Golay卷积平滑、小波消噪等三种方法进一步消除随机变量噪声,结果表明:卷积平滑、小波消噪消除原始光谱数据噪声的效果较好。利用高阶小波分解变换获得光谱基线数据,将其从光谱数据中扣除,从而实现了光谱的基线校正。     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

基于三维融合策略的高光谱遥感影像全变分去噪

高光谱遥感影像可以提供更细致的地物光谱,但受物理条件限制,也更易受到噪声干扰.基于高光谱遥感影像去噪的重要性,探讨了利用融合策略提升高光谱影像去噪效果的可行性.根据高光谱影像数据三维空间特点,提出了利用Q指标加权平均方法,将已有的全变分高光谱影像去噪方法在3个不同视角条件下的结果进行融合,从而弱化单一视角下去噪方法对原始信息的破坏程度,加大了高质量的影像在融合过程中所占的比重,提高了每个融合波段的质量,有效融合互补信息,实现对原始无噪声影像更好的恢复.结果表明:在各种图像和噪声类型情况下,提出的方法相较于单一视角的高光谱遥感影像全变分去噪方法有明显提高,采用的三维融合策略简单有效,具有很高的鲁棒性.     

一种基于超限稀疏多项逻辑回归和奇异谱分析的高光谱遥感影像分类方法

由于高光谱图像存在大量噪声,超限稀疏多项逻辑回归无法分析高光谱图像的内在结构,其适用性有待进一步提高,为解决超限稀疏多项逻辑回归不能有效应对噪声的问题,提出了一种基于超限稀疏多项逻辑回归和奇异谱分析的高光谱遥感影像分类方法：首先对高光谱遥感影像数据集进行归一化处理以消除数据量纲的影响,随后利用奇异谱分析对影像进行有效信息提取及噪声剔除,最后通过超限稀疏多项式逻辑回归对处理过的数据实现分类。采用多种不同数量的训练样本进行实验,并与 ３种常用分类算法进行对比分析,评价了本文方法的有效性和鲁棒性。结果显示,本文方法在各类训练样本情况下相比于其他分类方法,其总体分类精度皆有一定程度的提升。     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

基于条件随机场的光谱相似性匹配高光谱遥感影像聚类方法

高空间分辨率的高光谱遥感数据不仅能够获取地物近似连续的光谱曲线,还具有丰富的空间信息.传统的基于单像元的光谱匹配方法无法将这两种特征很好地结合.针对该问题,提出将条件随机场(CRF)模型引入光谱匹配方法.CRF模型通过构造像元邻域描述空间信息,解决了基于单像元光谱匹配方法仅考虑光谱信息的不足,实现了聚类过程中光谱和空间信息的融合;然而,传统CRF模型基于欧氏距离和马氏距离等相似性测度,无法适应于高光谱遥感影像的数据特征,因此利用光谱相似性测度改进传统CRF模型的相似性测度准则.实验证明,所提出方法能够有效解决传统光谱匹配方法结果的噪声问题,较好地保留了地物的形状特征,分类精度得到提高.     

基于IHS变换、小波变换与高通滤波 的遥感影像融合

基于IHS变换、小波变换与高通滤波的遥感影像融合方法。利用IHS变换法来增强结果影像的空间细节表现能力；利用小波变换法来保留多光谱影像的光谱特性；在使用小波变换法的同时，利用高通滤波法对小波变换的低频部分进行融合，以便尽量多保留全色影像的细节信息，避免融合后的影像出现细节模糊。新方法不仅很好地保留了多光谱影像的光谱信息，而且增强了结果影像的空间细节表现能力，提高了结果影像的信息量与清晰度。     

高光谱遥感数据光谱曲线分形特征研究

提出一种基于分形分析的高光谱遥感数据处理方法．从反射光谱的产生机理、全色影像与单色影像表现出来的自相似现象以及用不同尺度量尺测量曲线所表现出来的幂指数关系三个方面,说明高光谱遥感数据中像元中光谱曲线具有分形的特征,简述了研究光谱曲线分形特征在高光谱遥感数据处理中的意义．     

土地覆盖分类影像融合与精度评价研究

影像融合技术可以使遥感影像具有高光谱和高空间分辨率的效果,实现不同空间、光谱、时间等多种分辨率的信息资源互补,从而提高图像的空间分辨率,提高图像的几何精度.文章利用ERDAS软件,对遥感影像数据进行融合,采用乘积变换、PCA变换、Brocey变换、小波变换等遥感影像融合方法对多光谱与全色影像进行融合和土地覆盖分类研究.通过结合图像的光谱统计参数和融合图像的分类精度,对这些方法的分类精度进行评价.这4种方法对于原始影像分类精度,均有不同程度的提高.而小波变换所得融合影像与原多光谱影像的相关系数最大,均方差、平均梯度和信息熵最大,偏差指数最小,影像所含信息量最多;在光谱特性、图像清晰度、对于空间细节信息的表现能力上其它三种方法都好,所得融合影像的分类精度也是最高的.小波变换更适合融合影像的土地覆盖分类研究.     

小波包降噪在工业信号预处理中的应用

针对工业过程数据含有噪声干扰的特点,本文提出了基于小波包分解的阈值降噪方法进行数据的降噪处理。以化工过程数据为例,通过MATLAB仿真实验,对比了小波包降噪、小波降噪、中值滤波三种方法的降噪效果。结果表明：小波包降噪具有明显的优越性。     

一种新的非高斯分布噪声下的小波去噪方法

经典的小波阈值去噪方法在非高斯噪声下往往完全失效,对此提出了一种新的自适应小波信号去噪法.该方法利用最新发展的分位耦合理论,通过建立等价模型,在实施小波变换前将未知噪声信号转换为高斯噪声信号,然后再使用传统小波方法去噪.蒙特卡洛模拟试验结果显示,该方法在非高斯噪声下能极大提高信号去噪效果.     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

小波分析在GPS动态监测数据消噪中的应用

对GPS双差观测数据的消噪问题进行分析,结果表明,利用小波去噪原理,可有效地从受到强噪声干扰的GPS观测数据序列中剔除噪音干扰,提取有用特征信息,增强了基线解算的有效性,提高了GPS定位精度,解决了传统技术对GPS动态监测数据处理的局限性问题。     

基于平移不变的变形监测数据小波变换去噪处理

将实际观测到的一组烟囱垂直位移监测数据作为通常意义下的时序信号,并对其进行小波变换分析.利用基于平移不变的快速小波去噪算法,对变形监测数据进行去噪处理,对模拟数据和实测数据的处理结果表明,基于平移不变的去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔出变形监测数据中的噪声,识别被噪声湮没的有用信号.     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

精密仪器运输车辆隔振器的减振性能分析

对精密仪器运输车辆隔振器的减振性能进行分析,提出一种改进的基于奇异值分解(SVD)的小波变换降噪方法,采用该方法对隔振装置测试数据进行降噪,得到了优于传统小波阈值降噪方法的隔振器幅频特性。通过幅频特性分析,表明钢丝绳隔振器对于20 Hz以下信号有着很好的减振能力,但对于高频信号,特别是运输车的发动机转速和给精密仪器供电的发电机信号引起的振动却有着较大的放大作用。本文的分析结果对隔振器减振性能的进一步分析与改进奠定了基础。     

用实时小波分析消除噪声的动态测量误差补偿

在传感器的输出端串接一个动态补偿环节来改善传感器性能,消除动态测量误差.补偿环节本质上是一个带通或高通滤波器,在补偿动态测量误差的同时,会引入严重的高频噪声干扰,影响测量系统的精度.为了解决该问题,研究了一个采用实时小波滤波算法,消除动态测量误差补偿中噪声干扰的方法.该方法采用实验数据,通过系统辨识的方法得到补偿环节系数,消除动态测量误差.同时,用正交紧支撑小波和滑动数据窗口,构造一种保留离线小波降噪优点的实时小波降噪算法,消除噪声干扰.最后,通过对薄膜热电偶动态测量误差补偿的仿真实验,验证了该方法的有效性.     

基于能量特征估计的电能质量扰动消噪方法研究

电能质量扰动识别过程中噪声的存在会增加误判,为了提高分类的正确率,消噪对于电能质量扰动识别是一项非常重要的工作。论文应用Daubechies小波时频分解的噪声能量保持特性来估计扰动信号中不同分解尺度上的噪声能量,从而由含噪声信号能量分布和所估计的噪声能量确定实际扰动信号的能量特征,完成了消噪,对消噪处理后电能质量扰动信号应用数据挖掘中的决策树算法进行识别。仿真计算表明,该消噪方法能提高识别精度,是一种非常有效的电能质量扰动信号消噪方法。     

Adaptive de-noising method based on wavelet and adaptive learning algorithm in on-line PD monitoring

0　ＩＮＴＲＯＤＵＣＴＩＯＮＯｎｅｏｆｔｈｅｍｏｓｔｋｅｙｐｒｏｂｌｅｍｓｉｎＰＤｏｎｌｉｎｅｍｏｎｉ ｔｏｒｉｎｇｓｙｓｔｅｍｓｉｓｔｈｅｓｕｐｐｒｅｓｓｉｏｎｏｆｎａｒｒｏｗｂａｎｄｎｏｉｓ ｅｓ,ｗｈｉｃｈｈａｓｂｅｅｎｓｔｕｄｉｅｄｅｘｔｅｎｓｉｖｅｌｙａｎｄｍａｎｙｍｅｔｈｏｄｓｈａｖｅｂｅｅｎａｐｐｌｉｅｄｔｏｓｕｐｐｒｅｓｓｔｈｅｎｏｉｓｅｓ ,ｈｏｗｅｖｅｒ ,ｍｏｓｔｏｆｔｈｅｍｃａｎｎｏｔｆｕｌｌｙｍｅｅｔｔｈｅｒｅｑｕｉｒｅ ｍｅｎｔｓｏｆｔｈｅｓｙｓｔｅｍｓ .Ｔｈｅｆｉｌｔｅｒｉ…