一种OTDR信号去噪的新方法

随着光纤传输的高速发展,对光缆线路的维护和管理要求越来越高。特别是在发生光纤故障时,会产生较强的噪声干扰。如何能够准确、快速地进行故障定位,成为保证通信网络畅通运行的关键问题。针对这一问题,提出一种基于通信光缆OTDR信号去噪的新方法。最后通过仿真实验证实,此方法可有效去除OTDR光缆信号中的强噪声,实现光缆断点的准确定位。     

电力设备视频监控画面分析中的视觉噪声的影响研究

通过对电力设备视频监控中的典型画面以及典型电力设备的视觉噪声影响研究,及几种常用的去噪算法的去噪效果比较研究,得出小波软阈值算法能比较好地处理电力设备视频监控画面的高斯噪声和混合噪声这一实用的工程结论。针对小波去噪算法对于细线缆等轮廓线较细的设备,以及阴影较深的设备的噪声背景处理效果较差,轮廓线断裂显著等问题,提出可利用已知轮廓线对小波算法的软阈值进行启发式修正,修补轮廓线断裂缺陷的解决方案。     

基于小波神经网络的振动信号消噪

论文在介绍小波神经网络结构和算法的基础上,给出对振动信号消噪的实例。文中采用正交的Shannon小波函数作为小波元,进行数字仿真信号消噪实验和实测信号消噪实验,实验结果表明用小波神经网络对振动信号进行消噪是一种有效的方法。     

基于GHM多小波和贝叶斯估计的图像去噪算法

图像信号滤波是数字图像处理领域的重要技术之一。传统的滤波方法存在去除噪声却引起图像边缘模糊的问题，利用GHM多小波变换分析图像信号和噪声的性态，结合贝叶斯估计方法进行非线性阈值和重构，实现了图像信噪分离的目的，提高了信噪比。仿真结果表明，该方法能够有效地抑制噪声，且较好地保留了图像细节。     

基于粒子群优化的图像去噪算法

本文提出了一种基于PSO优化的非局部平均去噪算法,该算法以Non-Local means算法处理图片,以滤波参数h作为PSO的粒子,以PSNR的函数模型作为PSO中的目标函数,以群智能算法优化去噪效果.通过仿真,该算法比传统算法有更好的视觉效果和更快的速度,达到了算法的最佳性能.     

基于残差补偿的极限学习机自编码器

极限学习机自编码器作为无监督降维方法,通过重构输入数据来提取原始样本特征,具有学习速度快、泛化性能高等优势.但经典极限学习机自编码器表示能力有限,使得重构输出和原始样本之间的残差不可避免.因此借鉴残差补偿思想,提出基于残差补偿的极限学习机自编码器,通过不断对重构残差补偿式学习来改善ELM-AE的表示能力.在6个公开数据集上进行K-means聚类实验,结果表明基于残差补偿的极限学习机自编码器(RCELM-AE)能够有效提高聚类准确率.     

基于小波分析技术的图像去噪与增强研究

对医学图像进行去噪、增强可提高信息的利用率.本文针对传统方法的缺欠和不足,利用小波变换的时频域特性与多分辨分析,提出了适合医学图像的去噪、增强方法并给出了实验结果.     

基于降噪自动编码器的不平衡情感分类研究

目前,网络评论的情感分类研究大部分是不平衡样本数据,正向样本的数量一般远大于负向样本,对这种不平衡样本集进行分类时容易产生少数类误差较大的问题。而且由于网络评论的表达形式多变,不易获取到大量的有监督的数据。针对上述问题,对无监督的不平衡网络评论情感分类进行研究。首先通过改进降噪自动编码器,提高少数类的特征值,避免分类样本向多数类偏移。然后将获取的特征值作为k-means算法的输入值,实现了无监督的样本分类。实验证明,该算法对不平衡率较高的样本具有良好的适应性,从而验证了算法的有效性。     

一种基于全变差的新去噪方法

提出了一种新的基于全变差的图像去嗓方法。该方法通过对梯度变化将各向同性扩散与各向异性扩散有机的结合起来,并考虑图像的局部特征信息。白适应地改变扩散参数,较好地处理了去除噪声、保持边缘角点这对在图像去嗓中存在的矛盾。实验结果表明该方法有很好的性能。     

基于模糊均差的低照度图像平滑去噪方法

为了提高低照度图像去噪处理的整体效果,本次研究提出了基于模糊均差的低照度图像平滑去噪方法。采用Sobel梯度检测图像边缘信息,采用OTSU（Nobuyuki otsu 大津展之）阈值分割法分割图像为平坦区域和细节区域;通过模糊均差方法分别估计两个区域图像的噪声标准差;采用小波域方法对图像进行平滑软阈值去噪,实现低照度图像的平滑去噪。实验结果显示,本文方法可以在不同噪声水平下获取接近真实值噪声标准差,在噪声水平最大时信噪比大小达到了27.97dB,去噪效果达到92.1%,质量很好的图像数量占比达到了80.58%,图像信息损失较小,去噪效果较好,具有极大的应用价值。