基于活动性检测动态估计噪声的心音降噪算法

针对基于小波分解和最优改进对数幅度谱估计的心音降噪算法存在噪声残留和心音失真的问题,提出一种基于心音活动性检测(HSAD)动态估计噪声的心音降噪算法。通过设计的HSAD判断当前心音帧是否为基础心音帧(FHS),根据判断结果分别采用改进最小值控制递归平均(IMCRA)算法和递归平滑算法对噪声功率进行动态估计与更新,采用非因果先验信噪比,实现心音信号的降噪。实验结果表明,提出算法能更好在提升降噪性能的同时,降低FHS的失真。

基于最小均方误差对数谱幅度估计的心音降噪算法

将基于最小均方误差对数谱幅度估计的语音增强算法用在心音降噪中,该方法基于统计模型方法将降噪归于统计框架中,通过对带噪心音信号进行最优幅度谱估计,最小化估计心音与干净心音的差异来去除噪声,恢复原始的信号。实验结果表明,本文算法有效改善了心音信号的时频特征,并在后续的心音分类算法中获得了更高的准确率。本文方法在心音降噪中表现优秀,对电子听诊器、心脏病自动检测技术的发展具有重要意义。

一种基于图割的全变差图像去噪算法

本文提出一种基于图割的全变差(TV)图像去噪算法.该算法将全变差去噪模型的能量函数最小化问题转化为图的最小割问题,然后采用图割技术(最大流/最小割算法)求得能量函数的全局最优解.并给出了去噪模型中,均衡系数的自适应设定方案.实验结果及分析表明,该算法能有效抑制以往最小化方法产生的阶梯效应,具有较优的复原效果.

基于最小方差估计的图像低秩去噪

自然图像通常表现出一定的自相似性,这种相似性意味着由相似图像块所构成的图像矩阵具有低秩性.基于图像的这种低秩性和最小方差估计理论,提出一种有效的迭代去噪方法.该方法通过构造图像相似块矩阵将图像去噪问题转化为低秩矩阵估计问题,并由最小方差估计理论导出低秩矩阵的估计值;在此基础上,对图像块的估计值进行加权平均即可重构出去噪后的图像;针对少量噪声残留问题,将去噪方法与反向投影方法相结合实现图像的迭代去噪,进一步抑制图像中残留的噪声.实验结果表明,采用文中方法产生的去噪图像不仅具有较高的峰值信噪比和特征相似度均值,而且具有很好的视觉效果.

基于最小熵解卷积和Teager能量算子直升机滚动轴承复合故障诊断研究

为了解决强背景噪声环境下直升机滚动轴承故障信号微弱,故障特征难以提取的问题,提出一种基于最小熵解卷积(Minimum Entropy Deconvolution,MED)与Teager能量算子(Teager Energy Operator,TEO)的滚动轴承故障特征提取的新方法。根据滚动轴承故障信号表现为冲击波形的特点和MED降噪对冲击特征敏感的特性,采用MED对故障信号进行降噪处理,同时增强信号中的冲击成分;再结合TEO适合检测信号的瞬时变化,能有效提取故障信号冲击特征的特点,计算降噪信号的Teager能量信号,进行频谱分析提取滚动轴承的故障特征。通过对仿真信号和直升机滚动轴承混合故障信号进行分析,实验结果表明,该方法能有效提取强背景噪声环境中的微弱复合故障特征,具有一定的工程应用价值。

基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计(MMSE)去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计(IMMSE)去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波(AM)代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE-AM的去噪算法。用IMMSE-AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。

基于最小Bayes风险的小波域局部自适应图像去噪

简要介绍了广义高斯分布的基本概念和小波系数的分布特性,分析了BayesShrink法的原理并指出其存在的不足。以冗余小波变换为基础,利用子带内小波系数之间的相关性,提出了一种局部自适应的图像去噪策略。以当前小波系数为中心,选取尺寸合适的邻域窗口,以该窗口为单位估计相应的理想标准差和局部阈值,再通过软化处理达到系数收缩的目的。实验表明,该算法能有效滤除图像噪声,较好地保留了图像纹理和细节等重要信息,取得了较高的峰值信噪比和较好的视觉效果。

基于改进标准化最大似然估计的最小描述长度降噪方法

针对现有各种降噪方法存在的缺点,提出了一种改进标准化最大似然估计的最小描述长度降噪方法。该方法增加编码过程中对集合本身码长计算,降噪中自适应确定降噪阈值。通过仿真信号和实际某轴承故障信号降噪分析,结果表明所提方法可以有效消除噪声并尽可能保留有用信号成分,降噪后信号的信噪比高于VisuShrink降噪和BayesShrink降噪等方法。基于改进标准化最大似然估计的MDL降噪方法进一步完善了MDL降噪理论,提升了其降噪效果。

基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究

在图像去噪过程中,大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘,当边缘部分被噪声严重污染时,这些方法不能有效检测出这些边缘,因而无法保留边缘特征.为了较完整的保留图像的区域信息,用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理,得到图像熵序列,并将图像熵序列作为边缘检测算子引入到扩散方程中,不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端,而且能较完整地保留图像的区域信息.然后,用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值,设计最佳阈值控制扩散强度,建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD).分析与仿真结果表明,该模型与经典模型相比,保留了更多的图像信息,能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息,较完整的保留了图像的区域信息,性能指标同样也证实了新模型的优越性.另外,该模型的运行时间较经典模型的短,因此,该模型是一个理想的模型.

先优化后分类改进的小波域图像去噪方法

提出一种先优化后分类改进的小波域图像去噪方法。该方法是对现存NeighShrink去噪方法的改进,用stein的无偏风险估计,在小波域每一个子带确定一个最优的阈值和邻域窗口;根据邻域阈值的大小,将子带内的每个小波系数划分为"小"系数或"大"系数;对"小"系数直接置零,对"大"系数采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到真实系数的估计。实验结果表明,该方法在峰值信噪比指标上明显优于NeighShrink方法,同时有效地保存了图像的纹理信息,视觉效果较好。

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar,SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error,LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition,SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise,ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。

基于局部最小相关系数的自适应扩散迭代次数研究

针对典型Perona-Malik各向异性扩散去噪模型中采用固定迭代次数的不足,提出了一种自适应迭代次数确定算法,通过去噪后图像与噪声的局部最小相关系数来自动确定扩散迭代次数。实验结果表明:本文算法比传统算法去噪效果更好,同时也很好地保持了图像的边缘细节,且具有一定的通用性。

一种基于最优小波包基的信号消噪算法

通过对比短时傅里叶变换、小波变换和小波包变换的特点,介绍了小波包变换用于信号消噪的一般步骤和寻找最优小波包基的双树算法。基于小波变换和小波包变换的阈值消噪方法的仿真结果证明,基于最优小波包基的软阈值方法明显优于基于小波变换的方法,具有更加广泛的应用价值。

采用改进多点最优最小熵反褶积的齿轮箱复合故障特征提取

针对强背景噪声下齿轮箱复合故障中的微弱故障特征难以提取的问题,提出了一种改进多点最优最小熵反褶积的齿轮箱复合故障特征提取方法。将小波降噪作为前置滤波器,克服了多点峭度谱在强背景噪声下难以有效识别信号中的微弱故障周期成分的缺点,使信号峭度增加了65.9%,突出了微弱故障周期成分;根据多点峭度谱识别出的故障周期成分设置合理的故障区间,利用多点最优最小熵反褶积突出了信号中的故障周期,避免了对信号直接包络解调而出现的漏诊现象;将差分能量算子解调应用于改进算法处理后的信号,与传统的Hilbert解调方法相比,该算法得到的解调谱中故障特征频率的峰值更加明显。通过对仿真信号与齿轮箱中齿轮点蚀磨损复合故障振动信号的研究结果表明,改进多点最优最小熵反褶积方法能够完整地提取信号中的故障特征频率成分,成功率达到了100%;与变分模态分解进行了对比分析,改进算法有效消除了模态混叠现象。仿真和试验结果表明,改进算法可以有效提取强背景噪声下齿轮箱复合故障中的微弱故障特征。

基于尺度间和尺度内相关性的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法。首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像。仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法。

基于SVD和能量最小原则的图像自适应降噪算法

基于奇异值分解和能量最小原则,提出了一种自适应图像降噪算法,并给出了基于有界变差的能量降噪模型的代数形式。通过在矩阵范数意义下求能量最小,自适应确定去噪图像重构的奇异值个数。该算法的特点是将能量最小法则和奇异值分解结合起来,在代数空间中建立了一种自适应的图像降噪算法。与基于压缩比和奇异值分解的降噪方法相比,由于该算法避免了图像压缩比函数及其拐点的计算,因此具有快速去噪和简单可行的优点。实验结果证明,该算法是有效的。

基于椭圆拟合的隧道点云去噪方法

针对地铁隧道这种具有特殊截面特征的狭长形构筑物,提出了一种基于椭圆拟合的点云去噪方法。首先通过建立隧道最小包围盒确定隧道的轴线方向;接着沿该方向用分段投影的方法得到隧道点云切片;最后对切片点云进行椭圆拟合,并根据拟合标准差设定阈值进行去噪。实验表明,该方法简单易行,能有效除去隧道点云数据中的噪声。

一种新的基于SVD图像降噪方法的探究

奇异值分解(SVD)在图像处理中具有极其重要的应用。针对传统SVD降噪适应性差的缺点,提出了在得知噪音方差的前提下,以基于SVD和能量最小原则图像自适应降噪为参考,在保持相近峰值信噪比的同时,将图像降噪的适应范围进一步推广。并且运行时间得到了有效缩减,为处理大型图像问题提供了可能性。数值试验结果表明,同种情况下分块降噪效果更佳。

全变分的叠加迭代降噪算法的研究

针对峰峰值大范围跳变的稀疏信号的降噪问题,提出了一种全变分后叠加迭代的降噪算法。该算法能够有效地对大范围跳变区间的信号降噪,并保留信号的原始框架。具体而言,进行连续的全变分降噪,对连续降噪后的信号做差,在原信号的基础上对求得的差值进行叠加处理,使其既涵盖了原信号的信息,又保留了之前降噪后的信息。在此基础上再进行迭代,实现对峰峰值大范围跳变的稀疏信号的有效降噪。实验结果与优化最小值算法相比更加接近原始信号。