基于Kalman—EMD技术的变形量信息提取模型

本文结合Kalman滤波白噪声去噪能力和EMD较强的趋势项提取功能,提出Kalman滤波降噪-EMD瞬时变形量信息提取模型。通过对模拟数据与GPS实测数据的处理分析认为,该方法克服了直接运用EMD分解中由于大量噪声带来的不必要的干扰,减少了EMD分解层数以及累积边界效应对信号提取的影响,提高了瞬时移动量的提取精度;利用Kalman滤波降噪-EMD瞬时变形量信息提取模型处理GPS变形监测数据,可以获得高精度的变形量信息,动态变形监测垂直方向的精度可以达到mm精度。     

批量轻松提升照片质量

尽管Tuobo Photo是一个相当好用的图 像优化软件,不过它不能支持批量处理图片。 一次批量处理大量图片,提升照片质量可以通 过Neatimage这个软件轻松实现。 Neatlmage是一款专业的降噪软件,它的 工作原理是通过采样照片中纯色区域画面数据 (纯色区域即干净平滑的单纯色彩区域),分析 出噪声的分布状态,然后用分析得出的噪声分 布状态去计算画面中的其他区域,从而滤除整 个画面的噪声,得到干净纯洁的画面。软件使 用很简单,每一步都有窗口,按照提示进行就 可以顺利的完成操作。     

高斯模板均值化在图像滤波中的应用

在信号处理的问题中,常常因为噪声或者其他后续处理需要对信号进行滤波操作.图像滤波主要的方法是通过对图像的卷积操作进行,而常见的卷积操作所使用的模板为高斯卷积模板,但对于模板尺度过大的情况,高斯卷积模板的滤波速度是很低的.本文通过对大尺度高斯卷积模板的特性,研究其模板权值在数值上的均值特点,将大尺度的高新卷积模板均值化运用于图像的滤波操作上,减少了运算的复杂性以及提高了运算的速度,并通过比较两种滤波方法的方差,验证了高斯模板均值化在图像滤波操作中的可行性.     

浅谈微波遥感图像噪声处理

本文采用不同的滤波算法对微波遥感图像进行斑点噪声去除,并分别从目视及定量指标对各种算法的去斑效果进行评价,从而了解斑点噪声形成原因及算法的基本原理,加深对雷达图像辐射特点的进一步认识。     

Canny边缘检测算法在图像处理上的应用

边缘检测算法一直在图像处理领域十分活跃,本文根据Canny边缘检测算法对图像进行边缘检测处理。本文首先对带有噪声的图像进行高斯平滑滤波,尽可能地将噪声去掉。然后通过亮度梯度的计算,得出图像的整体轮廓。然后再对其进行非极大值抑制处理,将虚假边缘像素点去掉。再采用双阈值处理上一步所得到的图像,并连接边缘像素点得到边缘图像。通过实验仿真分析,该算法能够很好的抑制噪声并检测出更加精确的图像边缘。     

一种基于卷积运算与全变分模型的图像去噪方法

梯度模值较易受到外界影响，导致全变分模型在大噪声点处往往不能很好地消除噪声，从而产生阶梯效应。针对该问题，提出了一种基于卷积运算与全变分模型的图像去噪方法。首先，针对以扩散形式获得的图像像素点进行卷积运算，利用滤波去噪降低大噪声点的灰度值；其次，以能量泛函形式构建图像全变分模型，并求解泛函对应的拉格朗日方程极小值来实现图像去噪；最后，将去噪后图像作为双边滤波算法的引导图像进行二次去噪，从而进一步提升图像去噪质量。仿真实验结果表明，与经典方法相比，该模型对去噪过程中的阶梯效应问题具有较好的处理效果。     

基于小波变换的多规则图像融合方法

针对红外和可见光图像各自特征,提出了基于小波变换多分辨率的不同规则图像融 合方法。首先对原图像进行多级小波分解,产生多频带小波系数,利用像素的局部区域方差 、平均梯度及掩膜滤波等方法对不同频带小波系数计算融合权重,最后将小波融合系数逆变 换实现图像的融合处理。实验结果表明,融合图像特征显著,易于观察。     

基于图像显示、波段变换的信息隐藏安全测算法浅析

利用计算机技术,结合Arnold变换,提出了一种基于图像置乱变换的小波水印算法,对提出的算法进行了各种攻击测试。实验表明,该算法对JPEG有损压缩、中值滤波攻击和高强度噪声攻击具有强稳健性,具有很好的透明性和鲁棒性,实用性也较高。     

非局部群稀疏表示的图像去噪模型

针对图像的非局部稀疏表示忽略图像中结构相似信息的缺点,将群稀疏表示引入到图像的最优滤波中,提出了一种有效去除图像高斯噪声的非局部群稀疏表示模型。该模型首先选择图像非局部相似块构建相似矩阵,在群稀疏限制下对相似矩阵进行正交分解得到正交矩阵;在已知噪声服从高斯分布的情况下,再通过求得的正交矩阵结合贝叶斯最小均方误差准则实现对特征矩阵的最优估计;最后通过正交矩阵与特征矩阵重构去噪后的图像。实验对比证明,所提的非局部群稀疏表示的图像去噪模型在去除噪声的同时更好地保留了图像的结构信息,获得了更好的主客观评价指标,去噪的峰值信噪比提高1 dB以上。     

基于多特征融合技术的龙江大豆表象识别方法

针对目前龙江大豆品种鱼龙混杂、难以区分,提出一种基于多特征融合技术的龙江大豆表象识别方法。首先采集6种大豆表象图像,采用中值滤波对大豆表象图像样本去噪,其次采用Lab色彩模型与阈值分割相结合的方法对大豆表象图像进行分割处理,提取大豆表象图像的形态学特征、HIS颜色特征以及纹理特征,再次采用主成分分析对多特征进行融合处理,然后采用基于局部权重的K-近质心近邻分类算法对大豆表象进行分类识别,最后,综合上述三类特征值对6种大豆表象图像进行识别分类检测,总体平均正确识别率达到92.46%。     

粒子滤波的目标跟踪算法研究与实现

通过已经获得的运动目标的先验特征点,以及基于这些特征点在各种噪声的干扰下多呈现非线性和非高斯的特点,我们可以利用粒子滤波的方法进行运动估计和跟踪。由于粒子滤波具有对非线性和非高斯的有效逼近的性质,获得粒子的后验概率分布,估计目标状态,实现目标的有效跟踪。为了有效避免粒子退化问题,采用累加权值、聚类算法并且引入高斯分布函数进行采样,保证粒子的多样性。经过程序测试,结果很有效。     

噪声和振动的有源控制技术

本文介绍噪声和振动的有源控制技术。８０年代自适应控制理论和数字信号处理的发展，使自适应控制降噪和减振系统迈向实用化。它为解决噪声和振动控制工程中最困难的低频降噪和减振问题，提供新的有效控制方法。     

细胞分割方法概述

细胞分割作为细胞跟踪、细胞分裂检测过程中提取细胞特征的一个重要手段,在医学图像处理、分析领域占据重要的地位。随着现代科技的发展,用计算机处理细胞在医学诊断和医学图像处理领域有着重要的作用。细胞分割是细胞特征提取和细胞识别的基础,直接关系诊断的可靠性,也是医学图像处理的难题,人们提出了不同的分割算法根据图像的不同特征、如阈值法、分水岭算法等。本文对细胞分割的各种方法进行比较分析,详细阐述各种方法的优缺点,并对以后各种细胞分割方法结合使用有重要意义。     

浅谈电梯噪声及降噪方法

本文简述了电梯噪声的检验要求,对产生噪声的原因进行分析并探讨了相应的降噪方法。     

地铁站排风井噪声综合治理改造工程

城市地铁已成为许多城市十分重要的一种交通工具，由于地铁站多位于地下层，必须配套相应的进、排风井进行通风换气。为避免通风风机的噪声从风井中传出而影响附近的居民，需对风井做吸声、消声处理。由于该工程中的风井内的原降噪措施不完善，排风井出口处的噪声对居民的影响仍较大。本文通过对现场噪声的测试和分析，在原有的降噪措施基础上对其进行设计改造，从而使该排风井出口的噪声达到预计的排放标准。     

浅谈电梯噪声及降噪方法

本文简述了电梯噪声的检验要求,对产生噪声的原因进行分析并探讨了相应的降噪方法．     

利用频谱排序和筛选的突变噪声快速估计

针对最小值控制递归平均(Minima Controlled Recursive Averaging,MCRA)算法不能快速跟踪突变噪声的问题，提出了一种基于频谱排序和筛选的突变噪声快速估计方法。该方法在MCRA算法的基础上对带噪语音的功率谱进行排序，筛选出不含语音信号的频点来估计噪声的平均功率谱；当检测到噪声突变时，对当前的平滑参数和状态变量进行校正。仿真结果表明，该方法可以将突变噪声的跟踪时间缩短90%以上；用于语音降噪处理时，音质可以提升约0.4分。该方法具有一定的工程应用价值。     

一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1～2 dB。     

基于小波和Kalman滤波对GPS数据的去噪方法分析

根据KaIman滤波和小波分析基本理论及GPS信号噪声特性,将小波分析这一数学工具应用到GPS数据的去噪处理中,同时引入Kalman滤波方法,将其与小波分析方法有机结合,进而提出基于小波分析的扩展KaIman滤波方法进行GPS数据去噪处理。     

双模非高斯噪声背景下级联双稳态随机共振信号检测

针对随机共振(SR)以高斯噪声为研究背景的局限性,为了分析非高斯噪声对级联随机共振的影响且验证在双模非高斯噪声中级联随机共振的降噪及波形整形特性的可靠性,提出了级联双稳随机共振系统在双模非高斯情况下的微弱信号检测方法。输入信号在进行信号检测过程中,首先把概率密度函数作为随机共振现象的衡量指标,然后当系统处于最佳随机共振状态时,分析了非高斯参数、相关时间及噪声强度之间的关系。最后通过仿真证实,与一级SR相比,二级SR的噪声强度和相关时间的可用范围随着非高斯参数的减少不仅会得到增大,而且滤波特性、信号检测效果得到明显提高。