自适应阈值多小波故障暂态信号去噪方法

在介绍多小波基本理论的基础上 ,探讨了基于多小波的信号去噪方法。针对目前多小波去噪方法的不足 ,提出一种基于自适应阈值的多小波去噪方法 ,应用于电力系统输电线故障暂态信号的去噪 ,并与基于传统阈值多小波和小波的去噪效果进行了比较。仿真结果表明 ,该方法可以根据实际信号自适应改变阈值大小 ,在去噪效果上优于传统多小波去噪方法。     

基于局部方差的模糊小波阈值图像去噪

针对小波阈值去噪中的VisuShrink阈值(统一阈值)“过扼杀”细节系数和SUREShrink阈值(Stein无偏估计阈值)“过保留”噪声系数的特点,提出了一种新的模糊小波阈值去噪方法。该方法根据小波系数局部方差能体现信号受噪声影响程度的特点,在局部方差之间引入模糊区域,通过模糊区域内局部方差的大小来计算相应小波系数的噪声隶属度。根据不同的模糊隶属度在VisuShrink阈值与SUREShrink阈值之间选取去噪阈值,并用软阈值函数消减。实验结果与仿真表明,提出的模糊阈值方法有较好的去噪效果。     

基于非线性多小波变换的信号去噪方法

介绍了一种基于非线性多小波变换的信号去噪方法。通常子波域去噪中使用的Donoho软阈值法是很有效的，但是，由于忽略了边缘检测，导致在重构信号时丢失了部分的边缘信息，着眼于上述不足，在非线性多小波变换的基础上，提出了一种边缘检测与软阈值去噪相结合的去噪算法，实验证明此算法对提高重构信号的信噪比是非常有效的。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

多个小波基的联合图像去噪方法

研究了利用多个小波基对含噪图像进行联合去噪的新方法。这种方法首先用每个小波基对含噪图像进行分解、阈值和恢复,得到多幅恢复图像;对这些图像进行简单的算术平均,平均图像的质量明显提高。与非下采样小波去噪方法相比,这种方法计算量小得多而性能相近。通过实验研究了小波基的选取问题,给出了一些经验原则。     

一种基于小波模极大值的信号去噪算法

研究了小波变换中噪声和信号的次要的模量极大值曲线对定位信号特征点造成干扰的问题,提出一种基于小波模阈值和模极大值曲线长度阈值的去噪算法,并把该算法与传统小波阈值去噪算法进行了对比。仿真结果表明,该算法可以明显地去掉噪声和信号中次要的模极大值曲线,保留信号主要的模极大值曲线,在定位信号特征点上优于小波阈值去噪算法。     

基于小波去噪和TLS算法的全姿态寻北

为提高捷联寻北仪在动态干扰下的寻北精度,同时解决寻北过程中需要人工调平而耗时较长的问题,结合全姿态多位置寻北模型,提出采用小波去噪处理陀螺输出信号和总体最小二乘寻北算法的组合滤波方法。针对硬阈值函数和软阈值函数去噪的局限性,使用改进阈值函数处理陀螺噪声,能够更好滤掉动态干扰;根据多位置寻北解算特点,创新性引入总体最小二乘寻北算法,有效补偿了寻北仪的静态误差。仿真数据和实验结果表明,该组合算法能显著提高寻北仪的抗干扰能力,实现全姿态高精度寻北。     

基于变分问题和广义软阈值的图像去噪

采用非线性滤波方法处理图像去噪问题时,阈值参数的选取和恰当的使用滤波器函数,对去噪图像的效果影响极大。构造了可用于非线性滤波算法的广义软阈值小波滤波器函数,它是Donoho的软阈值滤波器函数的推广,可以用来代替Donoho的软阈值滤波器,证明了滤波后的逼近是Besov空间中泛函的近似最小值点。而且,广义软阈值滤波器函数次数越大,逼近效果越好。仿真结果证实了此方法的有效性。     

基于迭代方法的软阈值估计小波去噪

基于小波变换的阈值去噪方法依赖于信号的长度和噪声的方差。在大多数情况下,噪声的方差是未知的,需要对其进行估计。提出一种基于软阈值函数估计阈值大小的算法。该算法是一种迭代算法,证明了该算法的收敛性,并分析了该算法运算量。数值实验表明该算法估计阈值的准确性和MAD方法相当,同时计算量远远小于MAD方法。     

基于曲波变换的自适应图像去噪算法

曲波变换是一种新的多尺度变换理论,具有各向异性的特征,可以很好地逼近含线奇异的高维函数。利用曲波变换和经验贝叶斯估计的方法,提出一种新的自适应图像去噪方法,在曲波分解的基础上,由贝叶斯决策理论方法来导出估计法则,从而获得贝叶斯估计值。实验结果表明,与其他几种常用的去噪方法相比,本方法去噪后,图像获得较好的视觉效果,同时客观评价指标明显改进,在较大噪声的情况下更能显示出其优势。     

基于平移不变量的摩擦焊检测信号降噪方法

平移不变量小波降噪方法，首先对所分析的信号进行循环平移；然后将平移后的信号进行软（硬）阈值小波消噪处理；再将消噪后的信号进行逆平移，通过多次‘平移——去噪——逆平移＇过程，最后平均所获得的结果。它能够有效地消除软闽值小波去噪过程中出现的pseudo-Gibbs（伪吉布斯）现象，提高了信噪比，使去噪结果更加逼近于真实信号。将其应用于对摩擦焊检测信号进行降噪处理，实验证明，具有较好的降噪效果。     

基于超模糊集的多属性图像阈值分割算法

传统的分割方法往往是根据图像单一的属性标准对图像进行分割,很难满足图像的多方面分割要求。由于许多外界干扰因素的存在,使得基于经典模糊集方法进行的分割,结果也常常不令人满意。针对这些问题,介绍了一种基于超模糊集合理论的多属性图像阈值分割方法（F2ES）,在超模糊集的基础上,结合模糊熵和模糊相似性两种截然不同的属性刻画待分割图像,构造综合评价函数,得到最佳阈值。针对多幅不同类型图片进行分割仿真实验,得到较好的结果,证明该算法是切实可行的。     

广义模糊熵的构造及其在图像分割中的应用

针对现有的模糊熵阈值法对噪声干扰、光照不均匀图片的分割不能获得满意分割效果的不足,提出了模糊熵公式的参数化修改并用于图像分割,获得了选取最佳分割阈值的模糊熵新算法。首先将Sugeno广义否定算子替代二次型模糊熵公式的Zadeh标准否定算子,得到了参数型的广义模糊熵表达式;其次,将其应用于构造图像阈值化分割的准则函数;最后,给出了图像阈值化分割新算法中的广义模糊熵参数自动选取方法。实验结果表明,给出的广义模糊熵图像分割方法对光照不均匀图像相比传统模糊熵分割方法更有效。     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

自适应小波阈值在磁记忆信号降噪处理中的应用

用金属磁记忆方法检测时信号常常被各种噪声污染,为了降低噪声的干扰,对传统阈值方法的局限性进行了分析,并在改进阈值函数的基础上提出了一种自适应小波阈值降噪方法。通过仿真实验对该方法的性能进行了验证,然后将其应用于磁记忆信号的降噪处理中,结果表明算法较好地剔除了信号中的噪声,提高了重建信号的噪声抑制率,降低了信号的失真率,是一种可行的磁记忆信号降噪方法。     

灰度图像的模糊Renyi熵多级阈值分割方法

为克服Renyi熵阈值化方法在处理图像固有模糊特性上的不足,基于模糊集理论,提出一种有效的图像多级阈值化方法。把图像转换到模糊域,定义分割区域的模糊Renyi熵,然后应用最大熵原理对图像实施阈值分割。另外,在方法实现中采用差分演化算法搜索最佳阈值,以提高计算效率。在合成及真实图像上的实验结果表明了提出方法的有效性,同时,运用差分演化算法使方法满足图像分割时间性能需求。     

图像分割的阈值法综述

图像分割是图像处理中的一个重要问题 ,也是一个经典难题。阈值法计算简单 ,具有较高的运算效率 ,是图像分割中广泛采用的方法 ,主要分为全局阈值法和局部阈值法。系统地讨论了阈值法在图像分割中的应用 ,给出了一个比较全面的综述 ,对进行图像分割研究的科研人员具有一定的启发作用     

结合Contourlet与ACPSO的红外热波图像增强

针对无损检测红外热波图像对比度低、边缘模糊、含大量噪声的问题,提出了基于Contourlet变换和混沌变异双粒子群优化(adaptive chaotic variation particle swarm optimization,ACPSO)的自适应增强方法。红外热波图像经Contourlet变换分解成低通和带通方向子带。低通子带系数依据一种适应于人类视觉系统的灰度级变换调整,待定参数由ACPSO确定,为了得到最佳增强效果,适应度函数由一种对比度测量函数确定;带通方向子带系数的调整则采用非线性增益函数实现,从而抑制噪声并增强细节。大量红外热波图像增强实验结果表明,与现有的4种增强方法相比,能大大提高缺陷和背景之间的对比度,增强缺陷的边缘细节。进一步采用倒数熵多阈值分割方法时,能更有效地提取缺陷,为后续准确进行缺陷识别和尺寸测量奠定了基础。