图像去噪的几种方法分析比较

图像去噪是图像处理中的重要组成部分，对均值滤波、中值滤波、维纳滤波和图像小波域滤波四种用于图像去噪的平滑技术进行分析比较。     

含语音增强模块的i-向量说话人识别性能分析

为解决文本无关说话人识别中训练与识别环境不同导致模式失配的问题,提出了一种采用语音增强模块进行前端预处理的i-向量说话人识别系统,从而提高系统对于环境噪声的鲁棒性.为评估不同语音增强算法的性能,利用NIST08核心测试集进行仿真实验.采用IMCRA算法对语音进行噪声估计后,分别用维纳滤波法、MMSE-LSA、传统谱减法和多频带谱减法等4种方法进行语音增强前端处理,在基于i-向量的说话人识别系统下进行实验.实验结果表明采用了语音增强的系统具有一定抗噪声性能,并且在高信噪比条件下,基于多频带的谱减法在此系统下性能最佳,而低信噪比情况下MMSE-LSA算法更有优势.     

快速提取图像多方向特征的小波去噪算法

提出一种利用小波变换,在频率域快速提取图像6个方向子带的特征信息,并在每个子带方向中采用具有方向的矩形窗进行小波域阈值维纳滤波的去噪算法。实验表明:该算法由于提取了较丰富的特征信息,对纹理细节丰富的图像具有明显的效果。     

基于数字图像处理中的复原技术在教务综合管理系统的应用

利用数字图像处理中的改进的Wiener滤波图像复原原理,来对模糊图像进行复原.此算法避免了一般复原算法中的迭代运算过程,减少运算时间,在教务综合管理信息系统中对学生的模糊相片进行复原取到满意效果.     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

面向5G高速移动场景的基于GFDM调制的BEM-wiener信道估计算法

针对5G中的高速移动场景,设计了面向快时变信道的导频结构,对快时变信道下系统ICI进行了分析,并提出了一种基于GFDM数据块的BEM 2维滑动维纳滤波信道估计方案以降低ICI所带来的性能损失.仿真结果能够有效地抑制高速移动带来的频域弥散,降低相邻子载波间的干扰,同时由于滑动维纳滤波的采用,降低了运算的复杂度.     

维纳滤波在模糊车牌中的识别

传统的基于阈值法的汽车牌照自动识别技术在图片模糊程度超过轻微时,识别率急剧下降。在普通情况下,图片模糊程度主要集中在轻微-中度之间,如何解决这一部分图片的识别问题很有意义。本文根据车牌识别过程中,运动造成图像模糊的特点,分析了匀速直线运动时模糊图像的退化模型和恢复模型。提出了适合本系统环境下的点扩散函数模式,结合维纳滤波的方法复原图像。充分利用维纳滤波在处理图像时计算量小,抗噪性好等优点。通过计算机仿真,表明在在同等条件下,该方法该方法可以有效降低图像噪声、保持图像细节,提高图像质量。     

一种适用于双微阵列的语音增强算法研究

考虑到传统单通道语音增强算法对噪声抑制的局限性,本文采用由两个微型麦克风阵列组成的双微阵列,利用该阵列空间结构的时空域特性对含噪语音进行处理,提出了一种适用于双微阵列的语音增强算法。该增强算法是将各通道采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimunm Mean Square Error,LogMMSE)提升其信噪比,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信号的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,最后通过一个改进可懂度结合改进最小控制递归平均(Improved Minimum Controlled Recursive Average Algorithm,IMCRA)噪声估计的维纳滤波器来去除噪声残留提升语音质量。仿真实验结果表明,相比传统的单通道语音增强算法,该算法具有良好的噪声抑制性能。     

基于Matlab的图像复原算法的研究

图像在获取、传输和存储过程中由于受多种原因如模糊、失真、噪声等的影响,会造成图像质量的下降.在对目前有关数字图像复原技术的文献进行理解和综合的基础上,本文主要对EM算法、维纳(Wiener)滤波和NAS-RIF算法进行了探讨,同时对上述算法进行了仿真实现,并分析了实验的结果.