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。

基于广义交叉验证和吉洪诺夫正则化参数的智能电表计量异常识别方法

针对目前我国电网对智能电表基本采用到期更换和批次抽检的轮换方式造成人力、物力资源浪费的问题,提出了基于计量自动化系统的用电量数据研究智能电表计量异常的识别方法。首先,构建台区下分析智能电表运行误差的拓扑结构和数学模型;其次,针对用电量数据的病态性,提出基于吉洪诺夫正则化和广义交叉验证优化其正则参数的求解方法;接着,提出识别计量异常的智能电表的排序推荐机制;最后,以某地区实际区域数据验证,并与最小二乘法和吉洪诺夫正则化方法对比,结果表明所提方法实用、有效。

基于优化小波阈值的轴承振动信号降噪算法

滚动轴承振动信号能够及时准确地提供机电设备状态特征信息,且可实现在线或离线监测,广泛用于滚动轴承故障诊断。由于滚动轴承工作环境复杂多变,往往掺杂较多噪声,噪声会淹没机电设备状态的有用特征信息。针对传统小波阈值函数对轴承信号降噪不明显的问题,提出了一种用于轴承振动信号降噪的差分进化优化小波软阈值算法,对含噪信号进行小波分解,利用广义交叉验证GCV函数作为新的阈值函数对分解后的小波系数进行处理,结合差分进化算法进行寻优获取最优阈值。实验采用美国凯斯西储大学的轴承数据进行仿真分析,通过与常用降噪方法相比,该方法在较好地保留特征信号的前提下,较大程度地去除了噪声,有效地提高了降噪效果。

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。

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。

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.

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。

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。

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。

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。

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。

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。

部分线性模型的光滑样条推断

运用光滑样条估计部分线性模型中的非参数函数,利用限制最大似然或广义交叉验证(GCV)的方法选择光滑参数,主要考察了部分线性模型的光滑样条估计以及有关非参数函数部分的假设检验.基于光滑参数的选择方法,提出了部分线性模型中的非参数函数是否为多项式函数的假设检验方法,并通过模拟例子研究本文提出的推断效果.

基于权重粒子群优化阈值的NSCT图像去噪

提出一种基于线性递减权重粒子群优化(LinWPSO)阈值的非下采样Contourlet变换(NSCT)图像去噪方法。在NSCT域通过LinWPSO对广义交叉验证风险函数寻优以确定最佳阈值,通过软阈值函数去噪,利用NSCT的平移不变性抑制伪Gibbs失真效应,从而完整保留图像的纹理和边缘等细节信息。实验结果表明,该方法能有效去除遥感图像的高斯噪声,提高图像的峰值信噪比。

基于广义交叉阈值同步压缩小波的超声信号特征提取方法

利用超声无损检测技术,对轴的表面裂纹检测时,微小裂纹回波信号常常会被各种噪声掩盖,造成裂纹无法识别和定位。为解决这一问题,提出采用广义交叉阈值同步压缩小波变换方法对超声回波信号进行分析,从时频域中识别裂纹回波信号特征并进行定位。该方法在同步压缩小波变换基础上,利用广义交叉验证估计降噪的阈值水平,不依赖于任何先验知识。具体地,通过添加基于峭度测量的预处理步骤和基于自适应硬阈值处理的后处理步骤,提高了阈值处理的效率和时频域内的降噪效果,从而实现了噪声与特征信号的有效区分。将该方法应用于轴表面微小裂纹超声回波信号的特征识别,并与连续小波变换的结果进行了对比,结果表明所提出的方法能够更精确地识别裂纹并提取裂纹出现时间点,进而判断微小裂纹的具体位置。