联合空-谱信息的高光谱图像噪声估计

在纹理丰富的高光谱图像中获得精确的噪声估计,是噪声估计任务中的难点。本文基于高光谱图像的空间规律性和光谱相关性,提出一种基于超像素分割的光谱去相关法。同质区域划分是许多噪声估计方法的关键步骤,精确的同质区域划分能有效提高噪声估计精度。为此,将简单线性迭代聚类算法（Simple linear iterative clustering algorithm,SLIC）与光谱-空间相似性结合,划分高光谱图像为局部结构相似的图像块,以保持同质特征;为了提高光谱间的区分能力,将光谱信息散度和光谱角联合作为光谱距离;结合多元线性回归在同质区域内去除光谱相关性,在获得的残差图上估计噪声水平。对不同地物复杂程度的模拟图像,添加不同程度的噪声,通过与多种方法比较,验证了本文方法的有效性和稳定性。最后,本文方法成功应用于Urban数据的噪声水平估计,准确识别出受噪声严重污染的波段。     

基于加权检测的脉冲噪声新滤波器

在分析噪声检测与噪声滤波原理的基础上,提出了用于恢复被脉冲噪声污染的图像的去噪算法。该算法基于方向差异性将检测窗口分解为四个子窗口,并取子窗口的中间像素与相邻像素的灰度值之差的加权平均值与预先定义的阈值进行比较,较准确地区分噪声点和信号点;然后根据方向相关依赖性,采用一种边缘保持滤波方法来重构被噪声污染像素的灰度值。实验结果证明,该算法在提高图像信噪比的同时,可以更好地保持图像的细节信息。     

SPARK卫星高光谱数据辐射质量评价

遥感数据质量评价是传感器研制和遥感数据应用的桥梁。针对2016年12月我国发射的自主研制的SPARK微纳卫星获取的高光谱数据,分别采用辐射精度、信噪比、信息熵和清晰度4个客观指标对SPARK 1A级数据的辐射质量进行评价。综合各个指标计算结果,方差和信息熵表明SPARK数据主要信息集中在81~152波段(542~985nm),该谱段数据平均信息熵6.28,信噪比47.63dB,清晰度179.5,均高于其他波段,即该谱段数据质量优于其他波段,有利于不同地物的光谱识别和空间特征提取;1~80波段(411~539nm)数据平均信噪比和信息熵分别为38.23dB和5.28,且图像在该谱段灰度值低,灰度变化范围较小,使用前可进行图像增强处理;153~160波段(1 000~1 105nm)是未定标数据,平均信噪比低于15dB,清晰度最低,地物光谱和空间信息均受到严重损害,建议舍弃。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

基于噪声分布规律的伪造图像盲检测算法*

提出了一种基于噪声分布规律的伪造图像盲检测方法。首先利用基于边缘保护的滤波方法检测出图像中的噪声;然后计算图像中同质区域噪声的均值、方差和信噪比等统计量,通过比较图像中同质区域的噪声分布规律的相似性程度实现伪造图像鉴别。实验证明该算法能有效地检测出伪造图像。     

高光谱图像低秩表达与噪声水平估计

目的 高光谱遥感图像常存在多种不同程度的退化,进而影响到后续的应用,因此,对高光谱图像进行噪声水平估计具有重要意义。在实际情况中,不同波段的图像噪声水平常有所差异,需要针对不同谱通道的特性差异进行噪声估计。因此,本文提出一种基于低秩表达的噪声水平估计算法。方法 该算法首先利用多波段图像间的光谱相关性,建立高光谱数据的低秩表达模型;再通过该模型对各波段的噪声及其水平进行估计,并根据需要检测并剔除被噪声淹没的无效波段。结果 在多组高光谱数据上进行模拟和真实实验,证明本文算法能够准确估计高光谱图像的谱通道噪声水平。结论 本文算法挖掘了低秩表达在高光谱应用中的特性,在利用波段间相关性进行全局处理的同时,也能保留波段间的差异,具有较强的鲁棒性;在合适的阈值范围内,无效波段的漏检率低至0,准确率高于80%。     

基于两层策略的噪声图像对的点匹配算法

针对机器人视觉研究中噪声的存在,很多的区域匹配算法都受其影响.为了解决去噪问题,提出了一种两层策略的噪声图像对的点匹配算法.先粗糙匹配采用较大的模板窗利用差值平方和比较边缘相似性,从而得到匹配点的大致范围.然后精细匹配,在粗略匹配所得的小范围内采用灰度相似性确定匹配点位置.结合数学组合的定义和噪声的对称概率密度函数,改进次序统计滤波器并且把它用于估计灰度值.以添加高斯噪声的真实图像为测试对象.实验结果显示了此匹配在不同的信噪比下受噪声影响很小和具有很高的匹配率.     

基于DN值趋势面的成像光谱数据低信噪比波段修复研究

针对利用成像光谱数据进行反射光谱重建时，因连续多波段低信噪比图象的噪声造成的影响问题，提出了一种基于低信噪比波段DN值趋势面的图象修复方法．该方法在准确估计修复图象DN值均值趋势面的基础上，通过引入能量比约束条件，将高度相关的邻近波段方差信号引入修复图象，从而不仅较好地消除了噪声对反射光谱重建的影响，而且改善了低信噪比波段参与合成的图象质量．实验结果表明，该方法以一种新的低通滤波思想实现了修复病态波段、恢复光谱特征这一应用目标．     

结合边缘与灰度信息的SAR图像配准算法

同一场景下的合成孔径雷达(SAR)图像的灰度特性由于相关噪声的影响及成像条件不同可能存在很大差异,使得单纯基于边缘特征或灰度信息的方法难以胜任SAR图像配准工作。根据SAR图像的特点,提出一种典型地物边缘形状信息与局部灰度统计信息相结合的基于特征的图像配准方法,弥补了仅利用边缘特征或灰度信息的方法在SAR图像配准中的不足。给出了本方法用于Radarsat图像上的实验结果。     

一种改进高光谱图像噪声评估的MNF变换算法

在光谱维变换法是高光谱图像特征提取和数据挖掘的重要工具,而最大噪声分数(MNF)变换更是应用于高光谱图像分类和混合像元分解当中最为常用的光谱维变换法之一.由于部分样本光谱特征可能被局部波段噪声淹没,在同类地物十分聚集的情况下,首先对高光谱图像做MNF变换处理会比做主成分(PC)变换处理的分类结果更优.但通过实验证明,如果不同类别地物混杂在一起,混杂程度对MNF变换结果的分类精度有着显著影响.随后文中从理论上阐明该影响存在的原因,并针对高光谱图像中地物混杂的情况,提出了一种改进噪声协方差矩阵(NCM)评估的MNF变换算法,并通过后续模拟数据和真实数据实验证明该变换法相对于经典MNF变换,特征提取效果明显改善,分类精度均有所提高.     

王文远王文远基于去相关性准则的单幅图像信噪比估计

提出一种估计单幅图像信噪比的算法。定义单幅图像信噪比为图像信号强度与噪音标准方差的比值。基于去相关准则可得到最优的抑制图像结构的高斯滤波,从而准确地估计图像噪音的标准方差,利用大尺度高斯滤波下的图像,得到稳定的图像信号强度估计。量化实验表明,该算法估计单幅图像的信噪比准确有效。     

基于去相关性准则的单幅图像信噪比估计

提出一种估计单幅图像信噪比的算法。定义单幅图像信噪比为图像信号强度与噪音标准方差的比值。基于去相关准则可得到最优的抑制图像结构的高斯滤波,从而准确地估计图像噪音的标准方差,利用大尺度高斯滤波下的图像,得到稳定的图像信号强度估计。量化实验表明,该算法估计单幅图像的信噪比准确有效。     

多通道助听器语音降噪算法研究

维纳滤波算法是改善噪声环境下听障患者语音理解度的常用算法之一。针对传统维纳滤波算法噪声谱估计偏差大的问题,提出一种基于改进的多通道维纳滤波算法的助听器语音降噪算法。算法首先结合人耳听觉特性和助听器响度补偿的特点,将语音信号进行Gammatone分解为多路子带信号。然后在每个子带内用基于先验信噪比估计的维纳滤波器进行语音增强处理。最后通过综合子带信号,得到增强的语音。此外,为了改善维纳滤波算法噪声谱估计的问题,提出一种基于包络估计的语音活动检测算法,并用于改善维纳滤波性能。实验结果表明,与传统维纳滤波法相比,该方法能更有效地抑制残留噪声,提高语音可懂度,具有较高的实用价值。     

改进的小波阈值在电能质量信号去噪中的应用

针对硬阈值去噪效果不佳,软阈值过度光滑使信号失真的缺点,提出了一种改进的自适应的阈值去噪方法。该算法将数理统计与信号和噪声的小波系数的分布规律和传播特点及噪声的标准差贡献率结合起来,对阈值门限进行了改进,并采用软阈值函数对信号进行处理,实现了其去噪的功能。结果表明,改进后的算法对电能质量信号进行消噪处理,信噪比增益和均方误差上均优于传统阈值算法及一些改进后的阈值算法,而且能够较好地保留电能质量信号的特征信息。     

小波神经网络在微弱信号检测中的应用

因为噪声总是会影响检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。小波神经网络比数字滤波器更加适合检测微弱信号。小波神经网络是一种时频分析的自适应系统,它能检测信号中的微小变化。该文提出了一种新的检测白噪声中微弱信号的方法。仿真结果表明,小波神经网络在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于小波域的图像噪声估计新方法

提出一种基于小波域区域分割的估计图像噪声的新疗法。该方法利用图像的小波高频系数，在提出图像平滑区域的基础上，准确地估计图像高斯噪声的标准方差、由于考虑了图像的局部信息，因此该方法优于传统的估计方法。用于多幅实验图像的结果表明：在图像受噪声比较小或图像含高频信息较丰富时，该方法比传统疗法更准确。     

Adaptive Time Segmentation for Improved Speech Enhancement

Single-channel enhancement algorithms are widely used to overcome the degradation of noisy speech signals. Speech enhancement gain functions are typically computed from two quantities, namely, an estimate of the noise power spectrum and of the noisy speech power spectrum. The variance of these power spectral estimates degrades the quality of the enhanced signal and smoothing techniques are, therefore, often used to decrease the variance. In this paper, we present a method to determine the noisy speech power spectrum based on an adaptive time segmentation. More specifically, the proposed algorithm determines for each noisy frame which of the surrounding frames should contribute to the corresponding noisy power spectral estimate. Further, we demonstrate the potential of our adaptive segmentation in both maximum likelihood and decision direction-based speech enhancement methods by making a better estimate of the a priori signal-to-noise ratio (SNR)$xi$. Objective and subjective experiments show that an adaptive time segmentation leads to significant performance improvements in comparison to the conventionally used fixed segmentations, particularly in transitional regions, where we observe local SNR improvements in the order of 5 dB.     

网页文本信息提取及结果评价

由于HTML本身在自描述上的缺陷，网页信息中不可避免地存在大量的噪音信息。文章在分析了网页的HTML文档结构和噪音类型的基础上，给出了网页文本信息提取、对噪声抑制的方法，以及实现的过程。并尝试性地使用信噪比的概念作为评判文本信息提取去噪结果优劣的依据，实验结果显示，抽取去噪效果明显；同时实验表明，信噪比可以作为网页信息去噪结果优劣的评判标准。     

Noise variance estimation based on dual-channel phase difference for speech enhancement

In this paper, we propose a method for estimating a signal-to-noise ratio (SNR) in order to improve the performance of a dual-microphone speech enhancement algorithm. The proposed method is able to reliably estimate both a priori and a posteriori SNRs by exploring a direction-of-arrival (DOA)-based local SNR that is defined by using spatial cues obtained from dual-microphone signals. The estimated a priori and a posteriori SNRs are then incorporated into a Wiener filter. Consequently, it is shown from an objective perceptual evaluation of speech quality (PESQ) comparison and a subjective listening test that a speech enhancement algorithm employing the proposed SNR estimate outperforms those using conventional single- or dual-microphone speech enhancement algorithms such as the Wiener filter, beamformer, or phase error-based filter under different noise conditions ranging from 0 to 20 dB.     

光学遥感图像信噪比评估方法研究进展

遥感图像数据的信噪比是评价遥感传感器获取数据质量的一项重要指标,图像数据的信噪比能够在很大程度上反映遥感仪器的信噪比性能。介绍了通过遥感图像分析评估传感器信噪比的常用方法,以及这些方法的优缺点。并从原理上对各种方法进行了方法间的性能对比分析,包括方法的自动化程度、运算速度、鲁棒性、适用面、准确程度和对图像计算区域的要求等。此外,提出有必要对各种算法进行在实际应用中的比较分析,从而能够针对不同遥感器和不同类型的遥感图像选择最好的评估方法,达到合理、准确地应用这些方法的目的。