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.     

小波变换应用于信号去噪研究

分别对小波分解与重构法去噪法、非线性小波变换阈值法去噪法以及小波变换模极大值去噪法的原理进行了阐述，并比较了这几种小波去噪方法的优缺点，通过计算机仿真结果表明有效可行。     

小波函数在沉降监测中信噪分离效果对比

变形监测的数据中通常不可避免地存在着各种不易消除的噪声,消除这些噪声,提取真实的形变信息是变形分析中一项重要工作。小波变换是一种时频联合分析方法,广泛应用于信号去噪。基于MATLAB进行了叠加高斯白噪声、突变信号的信号仿真,采用不同小波函数对仿真信号进行去噪试验,以均方根误差、估值偏差、信噪比作为衡量指标。对去噪效果进行了对比分析。最后基于仿真试验所得结论,选择最优小波函数对南京地铁春江新城站沉降观测数据进行了去噪处理,得到了较好的去噪效果。     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于小波变换的图像去噪技术

利用小波变换中的不同尺度特性对确定信号具有的"集中"能力,提出了基于小波变换的去噪方法。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,其目的是尽量去除由噪声产生的影响,最后由处理后的小波系数对信号进行重构,以得到去噪后的信号。     

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.     

各向异性双树复小波包变换

基于双树复小波变换提出了一种新的复小波包变换。该变换引入了各向异性分解方式,由此得到的小波基在各个方向上尺度可以不同,并具有更好的方向性。这种变换可用在二维或三维数据的处理上。图像和视频去噪实验结果的PSNR值与各向同性复小波变换相比有0.1～1dB的提高,去噪后图像视觉效果更好,证实了该变换方式的优越性。     

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.     

M带小波变换在图像去噪中的应用

基于小波的图像去噪算法是目前图像去噪研究领域的一个热点.采用Normal Shrink进行阈值估计,提出了一种基于M带小波变换的图像去噪方法,实验结果表明:此方法的去噪效果优于维纳滤波和两带小波.     

基于小波变换和均值滤波的图像去噪

通过对图像中含有高斯噪声的分析和研究,结合现有图像去噪的方法,提出了采用均值滤波和小波变换相结合的方法来消除图像噪声。对含噪图像进行小波分解并且对各层小波系数进行阈值量化和进行小波重构,采用不同的模板对水平、垂直、以及对角方向子图像进行均值滤波,将低频近似子图像与处理后的各细节子图像结合得到去噪后的图像。仿真结果表明,所提出的方法相比于其它单一的去噪方法具有更好的去噪效果。     

山区机场高填方边坡施工期沉降的灰色模型预测

为研究西部山区某高填方边坡沉降的特点,通过全站仪在等时距情况下测得该填方边坡在55天之内的沉降值,总结出沉降随时间的变化规律,并引用灰色GM(1,1)和Verhulst模型方法建立起高填方边坡的沉降模型。通过实测结果与模型计算对比,证明这两种模型在预测高填方边坡沉降的可行性。这不仅可以减少沉降长期观测的浪费,而且可以较早的预测高填方边坡的沉降量。     

一种新的晶化过程电特性预测方法

金属玻璃具有许多独特性能,有着广泛的应用前景,晶化过程对金属玻璃的特性有重要影响.因此提出了一种基于小波变换和AR-ILSSVM金属玻璃晶化过程电特性预测方法.首先利用小波变换将时间序列分解为高频序列和低频序列,利用AR模型预测高频序列,利用ILSSVM方法预测低频序列,预测结果为上述预测的合成.仿真试验表明,这种方法可显著提高时间序列的预测精度.     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

冷凝器污垢的灰色预测

提出一种基于灰色理论的冷凝器污垢预测方法.将污垢分解为软垢和硬垢两部分,并采用灰色模型分别描述其变化趋势,进而通过二者的结合获得较为精确的污垢预测.试验结果表明：该方法能够有效地预测冷凝器的周期性结垢现象,并能适应冷凝器工况参数的动态变化,取得比常规渐近模型更好的预测精度.     

基于灰色理论对公交第三方支付盈利的预测

针对公交第三方支付平台盈利情况,运用了层次聚类分析、小波周期理论、灰色预测、回归分析以及时间序列等方法,构建了基于EVIEWS和SPSS的聚类模型,基于小波周期探查的灰色预测模型,基于第三方支付方式的利润回归模型及盈利的时间序列等模型,综合运用MATLAB,EVIEWS,SPSS等软件编程求解,结合实际给出可以增加第三方支付公司盈利的可行性方案建议.     

基于GM(1,1)模型的边坡变形监测应用研究

对GM(1,1)模型的基本原理和模型检验方法进行了介绍,将边坡看作一个灰色系统,采用GM(1,1)模型对沉降进行预测,相关的参数可由建立灰色预测模型和实际的监测数据予以确立。将预测结果和实际结果进行对比分析,结果表明GM(1,1)模型能够取得较好的预测结果,能够在变形监测工程中得到广泛的应用。     

基于小波变换的自适应图像去噪研究

小波域的信息处理有多分辨率分析的特性,图像经一系列小波变换就可以得到不同尺度下的图像特征,并能较好地刻画图像的非平稳性,在图像去噪方面有着传统去噪方法无法比拟的优势.本文,笔者阐述了图像小波去噪的原理,分析了影响去噪的关键因素、阈值函数的构造、阈值的选取及小波的分解层数等,并给出了优化的自适应图像去噪方案.     

基于小波分析提取大跨径公路桥梁运营期GPS变形监测中的动态特性

针对运营期大跨径公路桥梁GPS动态监测数据受观测环境污染导致无法准确提取桥梁动态特性的问题,研究了利用小波分析技术从GPS观测数据中提取大跨径桥梁动态特性时4种常用小波阈值的选取准则,提出了基于分层、分段的处理方法处理桥梁GPS动态监测数据在不同阶段产生的不同大小振幅和噪声,最后将小波包技术应用在桥梁GPS动态监测数据高频阶段有用信号的提取。以苏通长江公路大桥作为研究对象进行试验,分析显示4种小波阈值中固定阈值存在过度去噪的现象,而自适应阈值在去噪的同时可以保存桥梁GPS监测数据丰富的实际特征,采用分层、分段的方法对桥梁GPS动态监测数据进行处理,结果表明该方法既可得到光滑的去噪结果,又能够最大程度地保留桥梁信号的特征,使提取的大跨径桥梁变形信息更为丰富。对比分析小波包法与小波法的去噪结果,表明基于小波包法在对桥梁GPS动态监测数据去噪的同时能够保留桥梁高频信号中更多的有用动态特性。     

新陈代谢GM(1,1)模型在现代有轨电车沉降预测中的应用

目前灰色模型在建筑物、边坡、高铁等领域的沉降预测中的应用研究较多,而在现代有轨电车中的沉降预测中应用比较少,并且现代有轨电车在运营阶段的沉降变化量较小。用灰色GM(1,1)模型和新陈代谢GM(1,1)模型对有轨电车筏板的沉降监测点的监测数据进行预测并比较。结果表明,新陈代谢GM(1,1)模型剔除了旧数据,增加了新的预测数据,提高了模型预测精度。验证了模型在现代有轨电车筏板进行沉降预测的可行性,为今后类似情况的沉降监测预测提供参考和借鉴。     

基于小波变换的自适应图像去噪研究

<正>小波域的信息处理有多分辨率分析的特性,图像经一系列小波变换就可以得到不同尺度下的图像特征,并能较好地刻画图像的非平稳性,在图像去噪方面有着传统去噪方法无法比拟的优势。本文,笔者阐述了图像小波去噪的原理,分析了影响去噪的关键因素、阈值函数的构造、阈值的选取及小波的分解层数等,并给出了优化的自适应图像去噪方案。