基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

归一化LMS自适应滤波器的研究

对于一些含有复杂背景噪声的信号,普通的去噪方法难以消除,使用自适应滤波的方法进行去噪。对比使用LMS算法和归一化LMS算法对信号进行去噪处理。并对两种算法进行MATLAB仿真。     

基于滤波和相位拉伸变换的红外图像分割处理

介绍红外热像检测原理,在通过算术运算对热图像进行预处理的基础上,采用中值滤波和高斯滤波相结合的方式来降低图像噪声,最后利用相位拉伸变换检测缺陷区域边缘。结果表明,该算法可有效降低噪声,准确检测缺陷边缘,实现对缺陷区域的分割。     

基于离散小波变换和奇异值分解的数字水印算法

当前数字作品的版权保护问题备受关注,数字水印是保护数字作品版权的有效手段。本研究针对大容量水印嵌入问题,提出一种基于离散小波变换和奇异值分解的灰度图像数字水印算法。首先,利用离散小波变换将原始图像分为LL、LH、HL和HH四个子带;其次,通过奇异值分解获得LL子带图像的对角矩阵S^l以及水印图像的对角矩阵S^w;然后,将矩阵S^l与S^u进行叠加来完成水印嵌入。该算法的突出特点为嵌入的水印容量大,且算法具有较强的鲁棒性。实验证明,嵌入水印后的图像在经受高斯噪声、椒盐噪声、旋转等攻击后,利用该算法仍能提取到有效的水印图像。     

基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法

为了有效去除采集信号中的噪声,基于MEMS水听器在采集信号时混入不同噪声的情况下,提出了一种基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法。CEEMD用于将一个含噪信号分解为几个固有模态(IMFS),然后把几个固有模态和原始信号作一个线性相关分析,分为相关性高的模态和相关性低的模态。将软阈值技术应用于相关性低的固有模态,并将粗糙度惩罚平滑技术应用于相关性高的固有模态,以提取尽可能多的信息,然后把处理后的新的固有模态重构形成去噪信号。分别在仿真和真实数据的基础上进行了实验,验证了方法的有效性。结果表明,联合信号去噪方法无论在去噪效果和性能指标上都优于基于CEEMD的小波软阈值的去噪方法和CEEMD的去噪方法,克服了经验模态方法和小波软阈值去噪的不足,为进一步分析与处理信号提供参考。     

两步法快速复原噪声模糊图像

本文提出了一种两步复原法,以用于复原被脉冲噪声干扰的模糊图像。第一步,对离群点进行识别,即那些疑似被脉冲噪声损坏的像素,并将剩余的像素视为基本非离群点。第二步,基于非离群像素,利用变分法对图像进行去模糊和去噪声。实验结果显示,使用该方法复原后图像的峰值信噪比dB值较采用典型变分法有所提高。     

基于改进Bernsen算法的图像二值化研究

针对传统Bernsen算法在实际应用中问题,提出一种改进的新算法。该算法经过对图像进行灰度处理、高斯平滑滤波处理后,计算滤波后阈值,使平滑前后的阈值起不同作用,实现对图像的二值化处理。经验证,该算法不仅适合解决光照不均问题,同时对图像细节有更多保留,优于传统的Bernsen算法。     

地图图像的彩色分割算法及其实现

地图是表现地理空间信息的图像,其中的彩色符号代表着不同的地理实体。对彩色地图图像的专色分色和提取,被广泛应用于地图的数字化采集以及对地理现象的智能化分析。本文探讨了地图扫描图像自动分色的原理和过程,在分色中首先利用图像处理技术,如图像的增强、滤波、去噪、锐化等方法进行采样样本的优化,然后再应用直方图的磨光、阈值分割、模糊约束聚类等算法模型,实现彩色扫描图像自动分割,得到比较满意的专色分色结果。论文还对分色结果存在的问题进行了讨论,提出了改进意见。     

水闸地基淘蚀区域识别方法研究

水闸地基淘蚀严重影响水闸的正常工作,针对水闸地基淘蚀识别的方法研究较少,基于响应面方法和遗传算法的相关步骤,提出了淘蚀区域识别和模拟的具体方法,并在Matlab中实现了该方法。以频率和振型数据作为水闸结构模型的输出参数,根据水闸地基每块边长的控制参数和输出参数之间的关系,分析了4种常见的水闸地基淘蚀在无噪声和加入4%高斯噪声的地基淘蚀情况,结果表明提出的水闸地基淘蚀区域识别方法不仅可以有效分析地基淘蚀,而且抗噪能力较好。     

一种基于机器视觉技术的城市轨道交通客流量检测方法

为了准确识别并检测城市轨道交通客流量变化,研究轨道交通客流量的变化规律,以客观图像为研究对象,以机器视觉技术为研究手段,提出了一种新的交通客流检测方法。在对交通客流视频图像进行滤波与增强后,利用Canny边缘帧差法从预处理图像中获取完整的运动目标轮廓。同时,利用AdaBoost检测算法构建的强分类器完成乘客头部的检测,并通过双线差值算法消除视频图像中不同位置尺寸所产生的误检框,实现对目标的跟踪与记载,完成客流量的统计。结果表明,该方法在交通客流量的检测中准确率高于90%。检测方法对提高城市轨道交通客流量的检测准确性具有一定的借鉴意义。     

基于MBP算法和深度学习的人脸识别

为了解决在深度学习提取人脸图像特征时,易忽略其局部结构特征和缺乏对其旋转不变性学习的问题,提出了一种基于单演局部二值模式(MBP)与深度学习相结合的高效率人脸识别方法。首先,用多尺度单演滤波器对图像进行滤波,得到幅值和方向信息;其次,用LBP算法和象限比特的方法进行编码,分块计算组合其直方图特征;然后,将提取的单演特征作为深度信念网络(DBN)的输入,逐层训练优化网络参数,得到优异的网络模型;最后,将训练好的DBN网络在ORL人脸数据库上进行人脸识别实验,进行识别率计算,其识别率为98.75%。所提出的方法使用无监督的贪婪算法,隐藏层设定为2层,使用反向传播算法优化网络。相较于已知的人脸识别方法,MBP+DBN算法对光照、表情和部分遮挡变化具有较好的鲁棒性,在人脸识别中识别率较高,具有一定的优势,为图像特征提供了一种新的识别方法。     

基于同态小波的乘性噪声去除方法研究

乘性噪声往往由不理想的信道引起,与信号是相乘的关系,因此难以消除。为消除信号中的乘性噪声,通过对原始信号进行同态变换——对数变换,将乘性噪声转变为加性噪声,去除噪声与信号的相倚性;并运用小波分析方法进一步对变换后的信号进行去噪处理;最后,联合指数逆变换获得提取的真实信号,以达到消除原始信号中乘性噪声的目的。通过3个仿真实验验证,该方法可以更有效地去除信号中的乘性噪声。     

基于分块帧差的视频图像运动检测

在常用的图像运动检测方法基础上提出了一种改进的运动目标检测算法,即将连续2帧差图像和背景差图像直接相乘,再将相乘的结果进行二值化处理得到运动检测结果,从而将运动目标从背景图像中分离出来,最终得到视频序列图像中运动存在与否的一个二值运动模板,提高了运动检测的效果。     

基于明亮区域和天空识别的图像去雾算法

针对去雾算法对存在大面积明亮区域的图像去雾效果不佳的问题,根据暗原色先验原理提出了一种基于明亮区域和天空区域识别的图像去雾算法。根据天空区域和明亮区域的特点,建立了明亮区域和天空区域的判别机制,对不同类型的图像采用不同方法求取大气光值;基于点暗原色原理,采用中值滤波和双边滤波对点透射率进行细化,与块透射率相比,采用点透射率可以保留更多的图像细节。结果显示,采用均方误差、峰值信噪比、可见边梯度和结构相似性4个参数作为图像去雾效果的客观评价指标,优化后算法的综合评价指标均优于其他算法。所提出的算法对不同类型图像均可取得较好的去雾效果,消除了去雾图像的光晕、块效应和天空区域过饱和现象。     

基于纹理分割的视频人体检测

提出一种新的基于图模型纹理分割的视频人体检测方法。首先利用帧间拆分与背景拆分相结合的方式对人体进行粗分割;然后确定目标区域,利用高斯图模型建立纹理模型。通过变量选择和参数估计对纹理特征进行分析,并计算纹理图像的最大后验概率,将纹理后验概率大的归到一类。将基于图模型的纹理分割方法应用到视频检测,实验显示了很好的效果。     

基于像素级估计的视频显著性检测

为了减少背景噪声干扰,准确地从复杂视频中提取显著目标,提出一种具有时空一致性的视频显著区域检测算法。将视频帧划分为超像素,以超像素为基本单元提取光流特征,在时空一致性原则指导下动态融合颜色、边界信息和光流特征,获取视频显著图。在此基础上,借助视频帧的细节和区域特征对视频显著图进行细化增强。实验结果表明,算法的准确率[CD*2]召回率曲线在复杂图像数据库中高于传统经典算法,具有足够高的鲁棒性,能够减少相机运动和背景运动以及突变情况对跟踪检测的影响。所提方法能够在各种运动模式下和外观复杂场景中较为完整地提取显著目标,可作为预处理技术,改善目标跟踪、行为检测、视频压缩等的性能。     

高斯过程机器学习在临河地铁车站基坑变形预测中的应用

为了更准确地对临河基坑开挖过程中出现的变形进行预测和风险预警,以天津地铁7号线王兰庄站出入口基坑临河施工为例,提出了一种基于改良高斯过程机器学习的临河基坑变形预测方法。首先,将施工过程收集的变形位移监测数据作为学习样本;其次,利用改良高斯过程回归算法对学习样本进行训练,并通过自适应不同的训练函数,获取较为合理的基坑变形代理模型;最后,通过代理模型预测基坑变形位移,并识别基坑风险,同时与传统高斯预测结果、有限元计算结果和实测值进行比较。结果表明：1）改良高斯过程回归方法较常规高斯过程的模拟效果更好,在样本点充足的条件下,可准确地根据基坑变形数据学习并预测后续基坑开挖的变形位移;2）相较于工程应用较多的有限元计算方法,采用改良高斯回归过程机器学习方法,可根据现场的实际监测数据对变形进行动态地学习、分析与预测。研究成果更贴近现场实际情况,具有较强的推广价值,可为基坑变形预测提供参考。     

胶印质量自动检测中图像配准的研究

胶印质量自动检测系统中,图像的配准是整个系统的关键技术。本实验提出使用SUSAN角点定位和模板匹配相结合的方法解决胶印质量自动检测中图像配准的问题。该方法首先利用SUSAN算法检测到图像角点,然后对图像进行平移和旋转,再在特定图像区域内,利用模板匹配的方法,进行精确配准。这种新方法与传统算法相比,能在提高定位精度的前提下,有效节省运算时间。实验结果表明新算法是有效且可行的。     

基于Hausdorff距离的人脸检测

研究了一种基于Hausdorff距离的人脸检测算法,该方法由多个规格化大小的人脸图像的边缘图构成模板图像,在对检测图像距离变换的基础上,通过对距离图像的搜索匹配,实现人脸检测。实验结果表明,该方法对包含噪声、模糊特征等复杂环境和部分遮挡的图像仍能较好地完成匹配,比传统的检测方法更为有效。     

通信电缆故障测距的小波变换应用研究

在论述电力系统通信电缆故障检测原理的基础上,将小波变换模极大值与信号奇异性关系的理论应用于检测脉冲反射信号,实现电缆故障的定位。重点分析了利用小波变换模极大值的方法实现在强噪声中提取信号,再现信号突变点的功能。仿真表明这种方法能有效去噪、准确定位脉冲反射信号,为提高信道故障定位精度提供了有效的检测方法。