基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.     

融合形态学-复小波变换的PD干扰信号抑制方法

针对局部放电检测过程中周期性窄带干扰和白噪声难以抑制的问题,提出了一种融合数学形态学与复小波变换的干扰信号抑制方法.该方法基于数学形态学原理构造广义形态学滤波器,并将其作为前置滤波单元,实现原始信号的预处理,再对处理后的信号进行复小波变换,最终得到去噪后的局部放电信号.应用该方法对模拟和现场采集的局部放电信号进行去噪处理,结果表明:该方法能够有效地抑制局部放电信号中的周期性窄带干扰和白噪声干扰;与相同小波基的小波去噪方法和复小波去噪方法相比,该方法去噪时的能量损失较小,能够很好地保留局部放电信号特征.     

复杂有色噪声广义系统信息融合Kalman滤波器

针对带复杂有色噪声的线性广义系统,提出了矩阵加权融合稳态Kalman滤波器.应用奇异值分解将原广义系统滤波问题转化为两个正常子系统滤波问题.通过状态增广与量测变换法将有色过程噪声、有色量测噪声化为白噪声,因此问题转化为带相关白噪声正常系统Kalman预报问题.基于线性最小方差意义与矩阵加权融合准则得到了复杂有色噪声作用下的广义系统融合Kalman预报器,进而得到带复杂有色噪声的原广义系统滤波器.该滤波加权融合算法精度高于各单传感器局部滤波器,低于集中式融合滤波器.Monte-Carlo仿真实验证明了该滤波融合算法的有效性与可行性.     

应用小波神经网络处理CCD图像噪声

提出了一种用于数字图像中CCD噪声处理的小波神经网络滤波器.分析了CCD噪声模型,找出了导致CCD噪声模型复杂的原因:CCD相机响应功能的非线性.在对自适应噪声平滑(ANS)滤波器分析的基础上,考虑了影响滤波效果的两大问题:滤波窗口和图像强度.将小波神经网络非线性逼近CCD噪声曲线,按照噪声参数对图像进行区域划分并分配相应的权值.然后,结合相应的非线性滤波器进行针对性滤波,综合输出.实验结果表明:本文改进的滤波器滤波效果明显,信噪比得到进一步提高(24.65).利用小波神经网络良好的非线性函数逼近性,结合ANS滤波器,构造出了小波神经网络非线性ANS(WNN-NANS)滤波器,该滤波器在去除噪声的同时很好地保留了边缘细节,同时提高了信噪比.     

理想数字滤波器的谐波小波逼近模型与设计方法

分析谐波小波的频域特征和滤波特性,研究理想数字滤波器的谐波小波逼近模型与实现方法。利用谐波小波在频域具有良好的紧支特性和盒形特性,建立理想数字滤波器的小波逼近模型。通过谐波小波变换,实现逼近滤波器的带宽和中心频率的可调。该逼近滤波器的幅频特性已逼近理想数字滤波器的幅频特性,且具有零相移特性,并通过傅里叶变换实现其快速算法。通过算例和工程应用实例验证,该方法能有效地滤除噪声信号,具有算法简捷、快速等特点,能对实测信号进行实时滤波。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了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,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.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DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

基于小波域的偏微分方程的图像去噪算法

文章提出了一种基于小波域的偏微分方程的图像去噪算法;该算法利用了P-M方程能保留图像边缘的特点,以及SIDEs方法能很好的去除噪声且具有解的存在、唯一、稳定性特点,并结合了小波变换能够聚焦到图像的细微变化的特点.实验结果表明,该算法在较好地去除噪声的同时,能够很好地保留边缘信息和图像的细节信息.