图像非线性扩散去噪的格子波尔兹曼方法

针对传统图像去噪非线性扩散模型及其算法效率低和难以并行化的缺点,该文在格子波尔兹曼方程的松弛因子中引入图像边缘特征以实现图像的非线性扩散去噪. 在保证算法稳定的情况下能进行大步长迭代运算以提高处理效率,且适用于并行化计算. 实验结果和分析表明,该文所提出的方法与加性分裂算法相比能够获得更好的去噪质量,其计算精度和效率都优于加性分裂算法.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

基于Shearlets变换的SAR图像去噪

在合成孔径雷达(SAR)相干噪声模型基础上提出了一种基于剪切波(Shearlets)变换的SAR图像去噪算法. Shearlets变换继承了Curvele变换和Contourlet 变换的优点,既有灵活的方向选择性又易于实现,并且对于包含C2 奇异曲线或曲面的高维信号具有最优逼近特性. 该文采用Shearlets逼近SAR图像,再用基于贝叶斯估计
理论的双变量阈值函数对Shearlets变换系数进行处理得到去噪图像. 仿真结果表明,相比使用同级Contourlet双变量阈值去噪,该算法峰值信噪比提高2 dB;相比使用非下采样Contourlet变换双变量阈值算法去噪,该算法去噪后图像不仅峰值信噪比有所提高,而且更平滑,计算时间也大大减少.     

结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

Curvelet变换域自适应收缩图像去噪

研究了Curvelet变换域非参数贝叶斯估计图像去噪问题。利用先验概率模型－正态反高斯(NIG)分布对图像Curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器。通过估计Curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能。结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节。     

各向异性图像扩散的多重网格格子波尔兹曼方法

为提高基于格子波尔兹曼(Lattice Boltzmann,LB) 模型图像降噪方法的计算效率和精度,提出了一种多重网格LB (multigrid LB,M-LB) 模型的降噪方法,即通过不同尺度网格的LB 模型实现各向异性图像扩散,在图像变化剧烈的区域采用较细尺度的网格,而在图像变化缓慢的区域采用较粗尺度的网格. 为验证M-LB 方法针
对斑点噪声抑制的效果与效率,对自然图像、合成图像、医学超声图像进行降噪处理,分别与现有的一种多重网格扩散方法和两种LB方法进行对比．实验结果显示,M-LB 方法较其他3 种方法抑制斑点噪声效果更好,降噪处理效率更高．     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.     

改进的物体表面重建的三角网格法

光度立体技术是一种非接触式获取物体表面几何形状信息的重要方法,由表面法向量场进行表面形状重建是光度立体技术的关键环节.对现有方法的分析表明,三角网格算法只能实现局部重建且抗噪性能较差.为提高重建精度,引入类似于法切向法中的全局约束条件,提出了改进的三角网格法.利用朗伯体半球面模型,对法切向法、泊松法、三角网格法和改进的三角网格法的重建精度和计算时间进行比较.实验表明:在理想情况下,泊松法的重建时间较短,改进的三角网格法重建精度更高;在有噪声情况下,改进的三角网格法在重建精度和抗噪性能方面的表现都比较好.     

鲁棒的快速车道偏移警告

针对FPGA等片上资源较为缺乏的处理器,提出一种应用于辅助驾驶的快速车道线偏移警告方法. 方法
面向单目视觉识别应用;首先采用基于区域统计方式的二值化处理进行图像增强,并利用515车道线模板匹配方
法代替传统的边沿检测去除原图像中的大量干扰信息,最后采用压缩型霍夫变换对匹配结果进行车道线提取. 与
传统霍夫变换相比,大大降低了运算量,减小了内存使用量. 实验证明,该算法对车道线的识别非常有效,满足实
时性需求,并已成功移植到FPGA上.     

基于改进局部保持映射的图像特征提取算法

针对目前局部保持映射算法(LPP)因忽略类标识信息而造成的计算效率问题,提出了基于类标识信息的监督局部保持映射算法,并将其用于图像特征提取中,该算法通过用类标识信息指导最邻近图构造过程来提高算法的效率,仿真实验的结果表明,该方法可以有效提高传统局部保持映射算法的运算效率,提高图像特征提取性能.     

一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.     

改进Stacking算法的光伏发电功率预测

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及$R^2$指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。     

基于三维脉冲耦合神经网络模型的医学图像分割

该文将脉冲耦合神经网络模型从二维平面扩展到三维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现三维医学图像的整体自动分割. 利用该文提出的算法对三维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显著地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.     

正交铺设层合圆柱曲板的蠕变损伤分析

研究了含初始几何缺陷的复合材料层合圆柱曲板在轴向压力作用下的蠕变损伤行为，基于Timoshenko-Midlin板理论和Boltzmann线性叠加原理，建立了含初始几何缺陷的复合材料正交铺设层合圆柱曲板的非线性蠕变损伤平衡方程，且应用有限差分法和迭代进行求解，算例中，具体讨论了几何非线性和横向剪切变形对复合材料层合圈柱曲线蠕变损伤行为的影响。