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 d B。

广义Stein无偏风险估计与地球物理反问题正则化参数求取

地球物理反演是获取地球信息的重要手段,其求解具有严重的不适定性.为获得稳定的反问题结果,通常需要在目标泛函中加入正则化约束项.正确地估计正则化参数一直是地球物理反问题中的难点.目前存在的选取方法需要根据大量的试验来确定正则化参数,工作量十分巨大,并且存在很大的经验性,很难得到最优的正则化参数.针对这个问题,本文提出了一种基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解模型参数均方误差的广义Stein无偏风险估计函数,在反问题求解过程中自动求取正则化参数.本文模型测试结果表明,相比于目前常用的方法,通过该方法得到的正则化参数是最优的.

Stein控制估计量的损失函数之估计

本文获得了［１］中正态分布Ｎ，（θ，Ｉ）均值θ的估计量的风险之无偏估计满足［２］中提出的条件（Ⅰ）的充分条件与必要条件，特别Ａ当为幂等阵时得到了充要条件，这是［２］提出的一个问题。本文还给出了的损失的另一种估计，它满足［２］中的条件（Ⅰ）和（Ⅱ）。

Savitzky-Golay滤波器最优参数的SPR信号分析

表面等离子体共振(surface plasmon resonance,SPR)谱因共振强度、共振位置等不同而呈现不同的幅度和峰宽,需要发展自适应的分析方法才能保证SPR共振峰的精确定位。提出了一种基于Savitzky-Golay滤波器最优参数的SPR谱滤波方法,可根据实时SPR谱的特点优化滤波器参数(拟合阶数和窗宽),使滤波后光谱的均方误差(mean squared error,MSE)的Stein’s无偏风险估计(Stein’s unbiased risk estimate,SURE)最小,采用Monte-Carlo算法实现了SURE的快速求解。经验证,在不同的噪声水平下,SURE都可以准确反映实际MSE趋势及结果。采用搭建的SPR系统,实验测量了不同浓度、不同积分时间下蔗糖溶液的SPR信号,用提出的最优参数对SPR信号进行滤波,结果表明,与固定参数相比,该方法确定的SPR共振峰位置重复性误差较小,且不随噪声的增大而增大。

SURE准则的非局部SAR图像相干斑抑制

针对传统空域非局部平均方法在合成孔径雷达图像相干斑抑制中存在相似区域提取和方向信息捕获不足的问题,提出了一种基于各向异性高斯方向窗和Stein’s无偏风险估计(SURE)准则融合的非局部均值(NLM)算法。该方法设计多个不同方向的各向异性高斯窗来匹配SAR图像的局部空间几何结构,比传统的方形窗能更好地保护SAR图像中的方向性结构。采用比率测度来衡量图像块间的相似程度,并计算基于该各向异性高斯窗的NLM结果。结合SURE准则来融合不同方向的各向异性高斯窗的非局部平均结果,获得最终的SAR图像降斑结果。针对多幅SAR图像进行对比实验,实验结果表明:该方法在有效抑制SAR图像相干斑的同时能很好地保留图像的几何结构信息,为后续的SAR图像理解与解译提供了良好的基础。

基于SURE的小波变换消噪法

介绍了小波去噪的基本理论和基本方法,说明了史坦无偏似然估计(SURE,Stein unbiased risk esti-mate)的信号检测方法和阀值法的具体原理,并分别采用软阈值和硬阈值的试探法史坦无偏似然估计,对某型制导雷达的静止目标视频回波信号和运动目标视频回波信号进行了计算机仿真去嗓计算。仿真结果表明基于 SURE 的小波去噪法有较理想的效果。

用SURE引导自适应采样与采样颜色直方图重构

针对现有采样颜色直方图重构缺少自适应采样方法的问题,提出一种基于Stein’s unbiased risk estimator(SURE)的像素均方误差计算方法.首先对图像空间粗采样;然后在GPU上分块计算SURE来评估图像每个像素的误差度量值,并用该值引导非均匀自适应采样;最后使用非局部多尺度滤波方法重构图像.实验结果表明,不论从图像噪声定量化指标还是视觉效果来看,该方法都极大地改进了图像绘制质量.

变分模态分解与稀疏SURE的电子图像噪声抑制

为解决电子微结构图像在摄取、传输或存储的过程中易被外界噪声干扰、图像保真度差的问题,提出了一种变分模态分解与稀疏Stein无偏风险估计(Stein unbiased risk estimator,SURE)相结合的图像噪声抑制方法,以铝合金、双相钢与钛合金Ti6Al4V 3种材料的电子背散射衍射图像为例.首先,在已采集的电子背散射衍射图像中加入高斯噪声与Speckle斑纹噪声来模拟被干扰图像;然后,利用变分模态分解方法按照频率尺度将含噪模拟图像分解为固有特征成分与高频噪声成分;继而利用Haar小波冗余字典对固有特征成分进行稀疏表示,在一阶可导收缩函数的基础上推导了稀疏Stein无偏风险估计阈值选择的优化目标函数,最后,利用黄金分割搜索法计算得到全局最佳自适应阈值.结果表明:提出的方法可有效去除外界干扰噪声,提高了图像的峰值信噪比;以铝合金为例,当噪声标准差为30时,提出方法的图像峰值信噪比突破了单一稀疏SURE收缩曲线的最大值,比Neigh-Shrink方法高0.39 dB,比KSVD方法高2.895 dB,比小波阈值去噪算法高3.07 dB.

史坦无偏似然估计原理产生阈值对人体胸壁微动信号的“WaveShrink”降噪

人体胸壁微动信号中包含大量的生命体征信息。本文采用史坦无偏似然估计原理产生阈值 ,应用“WaveShrink”算法从胸壁微动信号中提取心动信号 。

基于SURE无偏估计自适应字典学习图像去噪算法

要针对以往图像去噪算法存在阈值选取仍是经验值,而非函数最优解,缺乏系统化的理论方法等问题,因此提出基于SURE无偏估计的自适应字典学习图像去噪算法.首先通过第二代Bandelet变换获得最优的几何方向,运用四叉树计算最佳几何流,从而得到Bandelet图像块,然后运用SURE无偏估计自动获得全局最优解,最后运用KSVD来训练字典,获得图像块相对应的字典.实验结果表明运用SURE无偏估计进行阈值选取,使目标函数连续可微易求导,针对平滑图像很好的去除了大量伪边缘和"块效应",使图像的连通性更加明显.

基于小波自动阈值去噪提高GNSS定位精度

在全球导航卫星系统(Global Navigation Satellite System,GNSS)的变形监测研究中,定位精度受到观测噪声、多路径效应等因素的影响。本文基于小波阈值去噪、Stein无偏风险估计的阈值选择策略提出一种数据驱动的噪声消除策略,旨在利用小波变换提高变形监测的定位精度。首先,将坐标时间序列进行小波分解;其次,基于Stein无偏风险估计获得的阈值进行小波阈值去噪;最后,利用仿真试验和监测站点数据验证所提出方法的有效性,并分别从内符合精度和外符合精度进行精度分析。结果表明,本文所提出的方法可以有效地消除GNSS坐标时间序列中的噪声,提高变形监测的精度。

基于SURE准则的参数自适应InSAR相位非局部滤波

干涉相位滤波是干涉合成孔径雷达(InSAR)处理中的关键步骤,然而传统滤波方法难以兼顾噪声抑制和细节保持的效果,故提出了一种改进的非局部滤波器。滤波参数由Stein无偏风险估计(SURE)准则自适应地选择,在有效降低InSAR相位噪声的同时,保留干涉条纹细节和城市建筑的边缘。通过在仿真数据和TanDEM-X实测数据上分别进行实验,并与传统滤波方法对比分析,验证所提出方法的有效性。

多小波自适应分块阈值降噪及其在轧机齿轮故障诊断中的应用

为有效提取关键设备淹没在强背景噪声中的微弱故障特征,提出了一种多小波自适应分块阈值降噪方法,并将其成功应用于轧机齿轮箱故障诊断中。小波降噪的效果主要取决于小波函数和阈值的合理选择。多小波具有多个尺度函数和小波函数,可以同时满足紧支性、对称性、正交性以及高阶消失矩等优良性质,使其在早期故障和微弱故障诊断中颇具优势。针对多小波变换系数之间的相关性,在估计真实特征值时以Stein无偏风险估计最小作为约束条件,自适应地选取最优的邻域分块长度和阈值,能够在准确提取故障特征的同时有效消除噪声干扰。仿真信号验证了方法的有效性,轧机齿轮箱的诊断结果表明,该方法可以有效提取出齿轮箱高速小齿轮存在由于高温熔焊导致的两处局部胶合破坏故障。

激光主动成像图像噪声分析与抑制

分析了激光主动成像图像的噪声机理,针对强度像噪声抑制问题,提出了一种基于同态滤波和小波域SURE(Stein′s Unbiased Risk Estimate)的激光主动成像图像降噪算法。该方法首先用同态变换将乘性散斑噪声转换为加性噪声;然后在小波域,没有将小波系数看作随机变量,而是以最小化均方误差MSE为目的,将图像降噪过程看作是一个小波系数的加权和,通过SURE获得近似最优的小波系数的权值;最后再作相应的小波逆变换和同态逆变换,得到降噪后的图像。实验结果表明:该方法具有较好的噪声抑制效果,且计算量极小。

史坦无偏估计自适应奇异值分解在局放信号白噪声抑制中的应用

局部放电(简称局放)噪声抑制是电力电缆局放检测中的重要步骤之一。为有效保留局放信号的细节,提出了一种基于史坦无偏估计的完全无监督奇异值分解局放去噪方法,为准确快速地获取最优阈值,引入差分进化算法进行迭代搜索。对实验室实测和现场实测局放信号进行去噪处理,并将去噪结果与标准软阈值去噪方法和基于能量最大化的小波去噪方法进行对比。结果表明:相比于标准软阈值去噪方法和基于能量最大化的小波去噪方法,文中提出的去噪方法的去噪结果更好,即使在强噪声背景下也能有效恢复原始局放信号的细节,具有良好的应用价值。

基于Tetrolet变换的图像降噪新算法

通过在Tetrolet变换域利用最小化均方误差的SURE无偏估计方法对图像进行去噪处理,利用图像Te-trolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中用SURE无偏估计方法代替经典的硬阈值函数来对图像进行去噪。实验结果表明了该算法的有效性,其更高的峰值信噪比和更好的视觉效果说明该算法是可行的。

基于Curvelet的Stein无偏风险估计图像去噪

基于Stein无偏风险估计(SURE)和阈值的线性展开式(LET),提出基于Curvelet的SURE-LET图像去噪方法。Curvelet变换实现了对于二阶可微奇异性(C2-singularity)分段连续目标的最优稀疏表达,同时Curvelet阈值保持了曲线奇异性和增强去噪能力。不同于已有算法,SURE方法不必为原始图像假设统计模型。非线性处理在Curve-let变换域执行,最小化操作在图像域进行;去噪过程可以表达为基元去噪过程的线性组合,即LET。SURE和LET两个原则使去噪算法仅解决一个线性方程系统,快速而有效。实验对多幅标准图像进行诸方法的去噪比较,结果表明,该方法优于单纯的Curvelet和SURE-LET去噪方法,相比于Db5小波、BiShrink也具有一定的优势。

基于小波变换和似然无偏估计的胃阻抗信号处理研究

目的:介绍一种基于小波变换和似然无偏估计的胃阻抗信号分析去噪的方法。方法:首先经过多分辨分析将信号进行分离,然后应用Stein似然无偏估计对胃阻抗信号进行自适应软阈值去噪处理。结果:实验结果表明,该方法能够有效滤除由呼吸、血流阻抗等因素造成的干扰。结论:小波分析技术为进一步研究胃动力信号的参数分析提供了新途径。

基于椭圆方向窗的非下采样Contourlet域图像去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet域内子带能量聚集的各异性,在不同尺度、不同方向的子带内,采用不同的椭圆方向窗对窗中心系数进行基于NeighShrink算法的估计。估计时各子带所用椭圆方向窗的主轴方向与图像能量聚集方向一致,椭圆方向窗的长、短轴之比与该尺度下非下采样Contourlet基函数的支撑区间相匹配,椭圆方向窗的最佳大小和该窗内的最佳阈值通过最小化Stein的无偏风险估计获得。试验结果表明,用该椭圆方向窗在能量聚集处能够实现对高频子带系数的最佳估计,在去除噪声的同时尽可能多地保留图像的边缘细节,提高恢复图像的信噪比。

基于无偏风险估计方法的信号稀疏性分析

信号的稀疏表示已成为信号处理中的重要方法.利用统计学中的无偏风险估计方法,提出了确定零化阈值δ的方法,使得我们能够根据实际问题,科学合理地把小于δ的元素视为零,从而计算其稀疏度并判别是否稀疏.通过大量的数值实验,结果表明,该方法对规范和统一信号稀疏表示的度量问题以及解决大数据问题具有重要意义.