脑电Laplacian空域滤波的改进算法

Laplacian空域滤波通过被关注的通道与相邻通道信号转换,能有效地提高脑电信号的信噪比,经典的Laplacian空域滤波矩阵由通道之间的距离确定。该方法依赖于相应通道定位的准确性,实际应用中不能保证电极精准安放并存在个体差异,影响了该方法的应用效果。为了提高该算法的通用性,采用高斯模型改进经典Laplacian空域滤波算法,根据用户调试数据确定模型相关参数,进而确定空域滤波矩阵。采用国际脑机接口竞赛BCI competition 2005 IV数据集验证滤波后的效果,总体比经典Laplacian方法识别准确度提高10个百分比,采用改进方法滤波后不同类间距离增大、同类间距离减小,提高了信号的信噪比。

基于IIR指数平滑滤波与非线性Laplacian算子的边缘检测方法

本文提出了一种基于ＩＩＲ指数平滑滤波与非线性Ｌａｐｌａｃｉａｎ算子的边缘检测方法，具有以下特点：采用最佳指数平滑滤波器增强抗噪声能力，且可实现无限大窗口的快速递归运算；利用非线性Ｌａｐｌａｃｉａｎ算子只沿边缘方向增强边缘，充分利用了边缘的局部方向信息；引入边缘强度信息，在二阶零交叉处根据边缘强度定位边缘；运算量独立于滤波器窗口尺寸，具有较高的计算效率．通过与ＬＯＧ算子的对比实验和在立体视觉中的应用表明，该方法具有良好的实用性．

基于Laplacian算子的图像边缘检测方法研究

在分析图像边缘特性及其 L aplacian算子检测原理的基础上对经典 L aplacian算子算法进行改进 ,以便能准确地检测出图像中的目标边缘 。

基于Laplacian算子的一种新的边缘检测方法

本文在分析经典 L aplacian算子作用原理的基础上对其进行改进 ,提出了一种新的边缘检测算法 .实验证明 ,该算法能有效地消除噪声、准确地检测图像中的目标边缘 。

融合同态滤波与MSR算法的低照度船舶图像增强

传统的Retinex算法针对海上低照度船舶图像增强存在图像过度曝光、细节丢失以及边缘模糊等现象。因此,提出一种结合多尺度Retinex和同态滤波的改进算法。首先,对输入图像的RGB三通道利用改进的单参数同态滤波器进行处理,将处理后的图像转为HSV空间,其中采取自适应增强S分量;由多尺度Retinex算法估计其光照分量并由CLAHE算法均衡化,随之融合Gamma变换处理后的反射分量,融合后通过拉普拉斯算子对其边缘进行增强。最后有效融合校正后的光照分量与边缘增强后的反射分量,输出增强图像。通过实验结果对比分析,证实提出的算法有利于海上低照度船舶图像清晰度的提升及避免细节丢失和图像过曝问题的产生。

最优实验设计与Laplacian正则化的WNN的非线性预测控制

提出了基于最优实验设计与Laplacian正则化的自适应小波神经网络(Wavelet neural network,WNN)的非线性预测控制算法。该方法迭代地从WNN隐含节点候选集选取隐含小波神经元,并使用扩展卡尔曼滤波(Extended Kalman filter,EKF)方法调整该节点参数。为了控制WNN的复杂度,提出采用Laplacian正则化和最优实验设计选择重要的WNN隐含节点,使用最小描述长度(Minimum description length,MDL)准则确定节点数量。使用在线基于Gustafson-kesscl(GK)的模糊满意聚类算法确定WNN初始参数值和权重更新策略,该策略具有直观性和物理意义。最后给出基于WNN线性化模型的预测函数控制方法。对工业焦化装置温度控制进行仿真,结果说明了算法的有效性。

SML与侧窗滤波的Framelet域医学图像融合方法

针对医学融合图像中病灶信息不清晰的问题,提出了一种框架变换(framelet transform,FT)域的医学图像融合方法。针对待融合医学源图像进行FT变换,分别获得一幅低频子带图像和一系列高频子带图像;构建改进型拉普拉斯能量和模型,实现低频子带图像中主体信息的融合,并得到对应的低频子带融合图像;构建改进型侧窗滤波模型,实现高频子带图像中的细节和纹理信息的有效融合,并获得高频子带融合图像;针对低频子带融合图像和高频子带融合图像进行FT逆变换,从而获得最终融合结果图像。仿真实验结果表明,与近年的代表性方法相比,基于该方法生成的融合图像无论在主观视觉效果还是客观评价指标方面均具有显著的优势。

基于Laplacian金字塔的逆有序抖动算法

针对有序抖动半调图,提出一种基于Laplacian金字塔的逆半调方法。采用分治策略,利用Laplacian金字塔变换将图像分成低频和高频区域,通过滤波器组抑制高频噪声,同时保持图像边缘,改善逆半调图像的质量。实验证明,该算法具有时空复杂度较低、峰值信噪比高等特点。

基于局部细节增强的快速多曝光图像融合算法

当前基于细节增强机制的多曝光图像融合方法效率较低,针对此问题,提出一种基于局部细节增强的快速多曝光图像融合算法。首先,改进每幅图像待增强区域的划定方法;然后,采用快速局部拉普拉斯滤波(FLLF)提取待增强区域的细节信息,并根据采样插值原理对增强过程进行优化加速,减少计算局部拉普拉斯金字塔系数时的采样次数,避免细节过度增强的同时,进一步提高融合效率。对40组多曝光序列的融合质量和平均运行时间进行测试,并与5种代表性算法进行对比实验。结果表明,算法不仅保持超亮超暗区域的细节信息,而且视觉效果更加自然。算法的两种客观质量指标MEF-SSIM值和Q CB分别为0.942和0.441,在6种算法中分别排名第2和第1;运行时间比基于原始分辨率空间运算的最快方法Li2020减少了46.2%,具有较高的运行效率。

基于Laplacian算子的同态滤波算法研究

针对频域同态滤波中运算量大、运算时间长、不能满足实时性要求的缺点,提出了一种基于Laplacian增强算子的空域同态滤波算法。首先对原有的Laplacian增强算子做改进,使其在增强图像高频成分的同时能够适当地抑制其低频成分,再将改进后的Laplacian增强算子同图像函数作卷积,快速实现空域内的滤波增强。实验表明,该方法不仅有效地压缩了图像的亮度范围,增强了图像的对比度,还大大提高了运算速度,节省了运算时间,适用于对快速性要求较高的实时性场合。

一种新的基于Laplacian算子的边缘检测方法

Laplacian算子是二阶微分算子,利用边缘点处二阶导函数出现零交叉的原理检测边缘,对灰度突变敏感,定位精度高,但抗噪性差。本文基于Laplacian算子的边缘检测模型,采用最大/最小中值滤波器,提出一种新的边缘检测方法。实验结果表明该方法具有保护边缘和平滑噪声的优点,边缘检测效果理想。

基于方向滤波器组与Laplacian能量和的图像融合算法

目的针对基于Contourlet变换的融合算法在边缘上易出现吉布斯现象,使其融合图像产生几何失真的问题,设计一种非下采样方向滤波器组耦合局部Laplacian能量和的图像融合算法。方法首先,结合多小波变换(multi-wavelet transform,MWT)与非下采样方向滤波器组(Non-Subsampled Direction FilterBank,NSDFB),将图像分解为3个高频方向系数和1个低频系数。对于低频系数,采用局部修正的Laplacian能量和(Local Sum-Modified-Laplacian,LSML)与脉冲耦合神经网络(Pulse couple neural network,PCNN)组合的LSML-PCNN模型来完成低频信息的融合。对于高频系数,通过提取低频和高频子带边缘,并利用系数绝对最大值法作为依据,实现高频系数的融合。结果实验数据表明,与当前图像融合方案相比,所提算法具有更高的融合质量,得到的融合图像边缘更加清晰和完整。结论所提算法拥有较高的融合视觉效果,可改善图像的对比度和分辨率,在图像处理领域具有一定的参考价值。

非负Laplacian嵌入在颅脑MR图像分割中的应用

在图理论的基础上,将非负Laplacian嵌入应用于颅脑核磁共振图像分割。该算法首先利用均值漂移算法对图像进行预分割,然后利用Gabor滤波器组对分块进行纹理特征提取,再将各分块映射为图中的每一个顶点,最后对图进行非负Laplacian嵌入得到每一小块的聚类结果。实验表明,相对于传统的Laplacian嵌入方法,非负Laplacian嵌入能够得到更好的分割结果。

基于ResNet的彩色眼底图片分类算法研究

为了提高现有算法对眼底彩照的识别准确度,提出一种基于深度残差网络(ResNet)的眼底图像分类方法,对获取到的眼底图像进行基于DSP-Fs流程的数据预处理操作,使用Laplacian滤波处理以突出异常眼底图像的特征,有效地提高神经网络学习的质量;用残差网络代替传统的卷积神经网络,提取更深层次的特征,同时修改网络结构以提升模型效率达到病变分类的目的。在ODIR数据集上对不同的预处理方式和网络结构进行了对比实验,结果表明,该算法能够有效地提升眼底彩色图像分类的准确度。

基于参数优化MLOG与SAM的滚动轴承早期故障诊断

针对强背景噪声环境下轴承早期故障特征不易提取问题,提出麻雀搜索算法(SSA)优化改进拉普拉斯高斯滤波器(MLOG)结合频谱调幅(SAM)的早期故障诊断方法。以滤波后信号的峭度最大值为指标,用SSA算法自适应寻找滤波器阶数和标准差的最优参数;用MLOG滤波器对故障信号滤波,去除部分噪声;用SAM方法对滤波后信号的幅值赋予不同的权重进行重构,计算重构信号的平方包络谱,提取故障特征频率。通过仿真信号和不同试验台的真实数据验证,同时对比PSO和GA优化MLOG结果,表明所提SSA-MLOG-SAM方法对滚动轴承早期故障特征提取的有效性和可行性。

一种基于改进GFF和联合双边滤波的红外与可见光图像融合算法

针对传统红外与可见光融合图像伪影较多、边缘信息不够丰富等问题,提出一种基于改进GFF和联合双边滤波的图像融合算法.首先,使用高斯拉普拉斯算子、二维高斯算子分别对源图像进行高低通滤波.然后,对两幅图的低通滤波结果归一化,得到的显著图,再对显著图进行导向滤波并计算近似值,获得基础层和细节层的决策图,使用联合双边滤波器优化基础层决策图.其次,使用圆形均值滤波器对源图像进行多尺度分解,分解结果与决策图加权相加获得基础层和细节层的融合图像.最后,将两层融合图像进行线性叠加,得到最终的融合图像.实验结果表明,所提出的算法在客观评价指标上优于经典的融合算法,在视觉感知上边缘信息更加突出、细节轮廓更加明显.

地震叠前逆时偏移中的去噪与存储

地震叠前逆时偏移是当前公认的地震成像的有效途径,然而它面临着计算量甚巨,低频成像噪音以及存储量大等问题,因此,业内科研工作者对其研究乐此不疲.借助GPU/CPU协同计算可以有效解决计算量的难点,笔者已在另文中阐述,本文着重探讨成像噪音抑制以及存储问题.文中分析了叠前逆时偏移产生成像噪音的机制,据此提出在叠前地震资料中先对数据进行相位与振幅校正,进而在成像后运用拉普拉斯算子滤波法消除成像噪音,从而有效去除成像所产生的低频噪音;针对存储量,采用随机边界,用计算换存储,并借助GPU实现,节省了GPU与CPU之间的数据通讯,数值实验结果表明,采用随机边界方法的逆时偏移结果与直接存储波场的方法得到的结果差别甚小.

基于三维各向异性拉普拉斯滤波的随机噪声压制方法及应用

准噶尔盆地叠后地震资料随机噪声压制主要采用三维空间预测滤波(FXY)方法。由于假设同相轴在短距离内是线性的,因此该方法在提高强能量信号信噪比的同时,也会损伤相对弱小信号,模糊断层和裂缝等线性相关性较差的地质体的信号特征。为此,基于GeoEast系统研发了利用三维各向异性拉普拉斯滤波的随机噪声压制方法。模型试验和在准噶尔盆地不同地区的实际资料应用结果均表明,本文方法对随机噪声的压制效果优于FXY方法,能明显提高地震资料信噪比、较好地保护有效信号、清晰展现地质体边缘特征细节及提高断层成像精度,为后续储层反演和精细地震资料解释夯实了基础。

基于伪谱法的VSP逆时偏移及其应用研究

逆时偏移被认为是对地下复杂构造进行成像的精确偏移方法,尤其是能够有效地对回转波、绕射波、多次波等各种波动现象进行成像.近几年来随着并行计算机和存储设备的快速发展,逆时偏移方法备受关注.本文采用伪谱法实现了VSP逆时偏移,该方法不仅实施简便,而且计算效率高,精度好.并运用反周期扩展法来消除伪谱法中特殊的周期性边界效应问题.对VSP绕射点模型进行试算,分析了因覆盖次数不足在近井区产生的假象问题.对地堑模型和半圆隆起模型也获得了较好的VSP逆时偏移成像效果.并分别对VSP全波波场及分离出的上行波场进行了逆时偏移成像,可明显发现直达波在炮点和检波点位置处收敛成像,也产生了很强的成像噪声.最后对某地区实际观测的VSP资料进行了逆时偏移成像,并与Kirchhoff法VSP偏移结果和地面地震偏移结果进行了对比,显示了VSP逆时偏移在近井区成像上的优势.

离焦模糊图像的维纳滤波复原研究

微操作中,显微视觉系统获取的图像通常是离焦模糊图像。离焦模糊图像的退化模型可用圆盘函数描述,利用模糊图像无方向性的二阶拉氏微分图像的自相关的负相关峰形成的环形槽的直径等于作为圆盘函数直径的2倍可以确定该函数。对模糊图像进行一次维纳滤波方法得到原图像的估计值,然后利用该初始值求得原图像及噪声的谱密度估值,进而利用这些新获得的信息构成改进的维纳滤波器对退化图像进行第二次滤波。实验表明,该方法计算量小、鉴别精度高、抗噪声能力较强,突出原图像的一些关键细节,提高了图像的复原质量。