基于GCV准则的小波图像去噪方法研究

小波软阈值去噪的关键在于阈值的选择。常用的阈值计算方法主要针对噪声信号为不相关的情况,并需要对噪声方差进行估计。对于含有未知噪声的信号,提出一种GCV准则确定阈值的小波去噪方法,并证明该方法得到的阈值是一种渐近最优解。该方法与常用的基于固定阈值和SURE阈值的去噪法进行比较,结果表明,无论是肉眼观察还是利用均方差和信噪比进行客观评价,基于GCV准则的小波去噪方法可以在噪声未知的情况下,有效的去除信号噪声,并很好的保留信号的原始特征。

非下采样Contourlet域GCV准则SAR图像去噪

首先对SAR图像作非下采样Contourlet分解,充分考虑其系数统计特性,给出非下采样Contourlet域GCV准则,对每个分解层的各个子带作多层阈值估计和软阈值收缩处理,进而详细探讨分解层数和方向分解数对NSCT性能的影响。实验结果表明,该方法从视觉效果和客观衡量指标两方面都取得了比较理想的效果。

基于整数递推GCV的遥感图像去噪算法

本文提出了一种整数递推广义交叉校验算法.在对遥感图像做小波变换后,统计子带中小波系数的幅值分布,进行同值小波系数合并运算,然后通过整数优化递推加速广义交叉校验计算过程,减少相邻阈值下广义交叉校验函数的冗余计算.在对多幅遥感图像仿真实验中,当噪音标准差为10～30时,整数递推-广义交叉校验算法耗时仅为广义交叉校验算法的2%至0.5%,且保证了去噪效果一致,能有效提高图像PSNR0.66dB至6.03dB.此外,广义交叉校验算法耗时随噪音增大及遥感图像尺寸增长而迅速升高,整数递推-广义交叉校验算法耗时则相对平稳.

基于GCV算法的背根节神经元放电信号的滤波

为去除背根节神经元放电信号中的噪声,便于进一步分析信号,采用小波滤波法。先将含噪信号采用haar小波进行5层分解,然后在传统小波软阈值滤波的基础上,提出用GCV算法来确定最优阈值,最后进行信号重构。通过matlab仿真实验表明,采用了GCV算法的滤波方法能有效去除神经元放电信号中的噪声,去噪后信号光滑连续好,并且保留了信号峰值的相关细节。

确定大地水准面的Tikhonov最小二乘配置法

提出Tikhonov-LSC法,即在LSC法中引入Tikhonov正则化算法。基于GCV法选择协方差矩阵的正则化参数,利用正则化参数修正协方差矩阵的小奇异值,以抑制其对观测误差的放大影响。通过以EGM2008重力场模型分别计算山区、丘陵和海域重力异常作为基础数据确定相应区域大地水准面的试验,验证该方法的有效性。

隐式T样条实现封闭曲面重建

为了简化法向偏差约束条件和优化光滑能量项,提出一种隐式T样条曲面重建算法.首先利用八叉树及其细分过程从采样点集构造三维T网格,以确定每个控制系数对应的混合函数;然后基于隐式T样条曲面建立目标函数,利用偏移曲面点集控制法向,采用广义交叉检验(GCV)方法估计最优光滑项系数,并依据最优化原理将该问题转化为线性方程组求解得到控制系数,从而实现三角网格曲面到光滑曲面的重建.在误差较大的区域插入控制系数进行T网格局部修正,使得重建曲面达到指定精度.该算法使重建曲面C1连续条件得到松弛,同时给出最优的光顺项系数估计,较好地解决了封闭曲面的重建问题.实例结果表明,文中算法逼近精度高,运算速度快,仿真结果逼真.

一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。

基于广义交叉验证和Cycle Spinning的SAR图像相干斑抑制

该文基于SAR图像的统计特性,提出了一种相干斑抑制算法。该算法在不需要估计噪声能量的情况下,采用广义交叉验证准则构造目标函数,自适应获取近似最优阈值;然后基于小波阈值收缩完成SAR图像滤波;并引入Cycle Spinning策略有效去除边缘存在的振铃效应。实验结果表明:基于该文算法的相干斑抑制在视觉效果和客观衡量指标上都取得了较好的、鲁棒的效果,有效地抑制了相干斑噪声,均匀区域平滑,且能同时保持边缘和细节清晰。

基于EEMD与改进小波阈值的磁记忆信号降噪研究

利用金属磁记忆法对煤矿系统中的钢绳芯输送带进行早期故障诊断时,发现信号中包含的噪声对诊断结果影响较大。针对此问题,提出了基于总体平均经验模态分解和改进小波半软阈值的降噪算法。首先利用总体平均经验模态分解得到若干个本征模函数,经过相关性分析后提取本征模函数的有效分量,用人工蜂群优化算法改进阈值函数,再分别对有效分量进行改进的小波半软阈值函数降噪处理,最后将信号重构。经过降噪处理后的磁记忆信号能较好地保留信号中的有用信息。仿真实验结果表明,该算法可实现噪声环境下的钢绳芯输送带应力集中区特征的有效提取,从而实现早期故障诊断。

基于单纯形-模拟退火算法的小波阈值去噪研究

阐述了小波分析去除信号噪声的原理和方法,其中阈值的选取将直接关系到信号去噪的质量。本文基于广义交叉验证准则(GCV)求解阈值的基础上,提出了利用单纯形—模拟退火算法来求得小波变换各子带最优阈值,计算时无需噪声方差等先验信息,同时该方法不依赖初始阈值的选取,既获得了全局最优解,又提高了搜索效率。最后通过Matlab程序实现了小波变换的噪声抑制仿真分析,实验结果表明,与常规的4种阈值选择方法(Rigrsure、Sqtwolog、Heursure、Minimaxi)相比,本文算法确定的阈值进行小波去噪,其去噪效果无论是在信噪比(SNR)增益还是在均方根误差(RMSE)意义上均是最佳的。

遥感图像薄云的小波自适应阈值去除

可见光遥感图像最常见的薄云噪声严重地影响其解译的准确性,因此根据薄云噪声主要影响图像的低频信号,提出单波段遥感图像小波变换自适应阈值去云,图像经小波分解后,薄云噪声与地物信息在低频小波系数的阈值使用遗传算法以广义交叉验证GCV准则作为目标函数自动寻找,然后对小波系数进行阈值化去云。结果表明,该方法可有效去除薄云噪声并保留地物信息,使原来模糊的地物细节信息变清晰,信息熵最高,去云效果优于小波同态滤波,且明显优于同态滤波;不同尺度低频小波系数中薄云噪声与地物信息间的阈值,可用遗传算法和GCV准则有效地自动确定。

基于粒子群优化的最佳阈值法在局部放电信号去噪中应用

抑制白噪声干扰是局部放电(Partial Discharge,PD)在线检测中的关键技术。提出一种基于粒子群优化的最优阈值选取去噪方法。该方法采用小波对局部放电信号进行分解,在选取阈值时建立广义交叉验证准则,以广义交叉验证准则作为适应度值函数,并结合粒子群优化算法自适应地确定出各分解层的最佳阈值。该方法不依赖任何先验知识,实现局部放电信号自适应去噪。对局部放电仿真信号和实测局部放电信号的去噪结果表明:本文提出的方法与标准阈值法相比,能更好地去除局部放电信号中的白噪声。

不同正则化方法在船舶辐射噪声计算中对比与试验研究

为研究不同背景下不同正则化参数方法在船舶辐射噪声评估中的适用性,降低辐射噪声计算误差,介绍了基于工况传递路径分析(OTPA)的船舶辐射噪声计算方法,讨论了奇异值分解(SVD)法、基于L-curve和广义交叉验证(GCV)的Tikhonov正则化方法在辐射噪声传递函数求解问题上的适用性,并进一步提出基于准最优(Q-O)判别准则的Tikhonov法。千岛湖舱段模型水下声辐射试验结果表明:在不同环境下,SVD方法性能最差;在正常环境下,L-curve、GCV和Q-O准则方法性能基本相同;随着背景噪声水平的升高,L-curve方法优于GCV方法,而Q-O准则方法优于L-curve方法,可较L-curve降低辐射噪声误差约0.42 dB,较SVD方法降低约1.19 dB。同时,Q-O准则鲁棒性分析表明该参数可近似视为最佳正则化参数,该方法可为后续实船工程应用提供指导。

基于XGBoost算法融合多特征短期光伏发电量预测

针对目前光伏发电过程中由于"弃光"现象导致能源利用率低和经济性差等问题,提出一种基于XGBoost算法融合多种特征的短期光伏发电量预测的方法。文中介绍了XGBoost算法的基本原理,引入正则化惩罚函数和误差函数来构建光伏预测模型的目标函数;分析了光伏发电量和各特征之间的皮尔森相关系数,同时对特征的异常数据进行预处理。在训练过程中为了避免对模型超参数的影响,采用K折交叉验证(K Fold Cross Validation)对数据的训练集、验证集和测试集进行划分。训练完模型参数后把测试集数据放到光伏预测模型中,预测得到未来三天的光伏发电量。对比实验选择SVM和LSTM两种预测方法进行,实验结果表明XGBoost算法在预测光伏发电中具有较高的准确性和实用性。

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。

机载雷达自适应对角加载参数估计方法

对角加载可以提高空时自适应处理在低样本情况下的性能。然而,在实际中加载参数的确定是一个较为困难的问题。为了解决这个问题,该文提出一种基于回波数据的自适应对角加载参数估计方法。该方法首先将对角加载问题转化为Tikhonov规划问题,然后利用广义交叉验证准则构造优化问题,最后采用割线法求解优化问题、计算加载参数。仿真与实测数据结果表明该方法可以有效提高机载雷达在低样本条件下的目标检测性能。

基于多测量动态聚类的压缩感知增强成像方法

噪声环境下的稀疏信号重构可以转换为带约束的二次规划问题,通过正则化算法可以有效求解,而正则化参数l却是影响重构质量的重要因素。广义交叉验证(Generalized Cross-Validation,GCV)算法是噪声未知条件下估计l的有效算法,但当信噪比较低时却无法保证l收敛于全局最优,导致重构图像信杂比降低,甚至造成目标丢失。为实现低信噪比环境下稀疏信号的稳健重构,该文提出基于多测量动态聚类(Multi-Measurement Dynamic Clustering,MMDC)的压缩感知(Compressive Sensing,CS)增强成像方法。新方法首先对初始观测数据进行多次随机抽取,然后通过CS处理获得重构图像序列,最后利用动态聚类算法实现对原信号的稳健重构,在改善重构图像质量的同时也有效地抑制了杂波。另外,鉴于GCV计算量大及MMDC对l估计误差的不敏感,该文提出基于简化GCV算法的MMDC增强成像方法,仿真及实测数据的处理结果均验证了所提方法的有效性。

小波分析在外测数据滤波中的应用研究

为提高弹道估计精度,提出了一种基于小波分析的滤波方法,滤除外测数据中AR（自回归）模型的随机误差。分析讨论了滤波过程中的几个关键问题,提出了利用基于偏自相关系数截尾检验的方法来确定分解层数,然后采用GCV（广义交叉确认）准则来确定均方差意义下最优阈值的方法。本文提出的外测数据滤波方法计算简单,不需要估计噪声的方差。仿真结果表明,该方法能有效滤除外测数据中的AR噪声。

快速选定神经网络优化结构的方法

本文引荐了一种选择神经网络优化结构的改进方法。常规交叉校验算法从大量候选模型中,通过训练和比较来搜寻网络优化结构。本文提出一种与规则化方法相关的快速算法,这种算法仅在少许适当的候选模型中选定网络优化结构。实验证明,这种快速算法与常规交叉校验算法相较而言,具有更快捷和更高效的优点。

基于曲波和遗传算法的图像去噪

本文介绍了一种基于曲波变换和遗传算法的图像去噪方法,该方法利用软阈值规则调节噪声图像的曲波系数,以达到去除图像噪声的目的,去噪时使用遗传算法和广义交叉验证准则搜索最优的阈值。基于Lena和Barbara图像的实验结果表明,与小波图像去噪相比,曲波去噪后图像峰值信噪比(PSNR)和视觉效果有较大提高,特别是对图像边缘的恢复上效果明显。