强噪声条件下激光光斑图像预处理方法研究

为了研究强噪声光斑图像的抑噪方法,采用基于小波阈值法和形态学滤波的级联算法及小波域中值滤波法进行预处理,以信噪比、均方根误差和光强分布作为评估标准,并将处理效果与其他方法对比。结果表明:小波域中值滤波处理效果优于空域中值滤波;级联法的抑噪和光斑特征恢复效果更优于传统方法,其中对-2.0843dB的原低信噪比图像处理后的信噪比、均方根误差分别约为小波变换和空域中值滤波法的1.34、0.81倍和3.14、0.50倍;且原图像信噪比越低,其处理效果相对于传统方法的优越性越明显。

小波域中值滤波器设计的研究

小波阈值去噪方法被广泛地用在信号去噪中,但它主要是针对白噪声或者宽带噪声,对于脉冲噪声就得不到降噪的效果。该文提出了小波域的中值滤波器去噪方法,在Lee的局部滤波器基础上设计了小波域的中值滤波器,它能在有效去除白噪声的同时较好地去除脉冲噪声。

小波域中值滤波器在陀螺寻北仪中的应用

研究了利用小波变换消除陀螺干扰漂移的方法.通过对陀螺寻北仪两位置寻北方案的分析,表明陀螺随机干扰信号是影响系统精度的主要误差源.为此将中值滤波与小波阈值去噪相结合构造了小波域中值滤波器,并应用于陀螺数据处理中.寻北试验结果表明,该滤波器在有效对白噪声滤波的同时也能较好地去除脉冲噪声,与传统的去噪方法相比,寻北精度提高20%,对陀螺各种干扰信号具有很好的抑制作用.

自适应分解层数的小波域中值滤波振动信号降噪法

为降低结构健康监测加速度信号中常见的白噪声以及脉冲噪声,提出了中值滤波与小波阈值降噪相结合的方法。分解层数对降噪效果有着重要影响,为取得更好的降噪效果,提出一种分解层数自适应确定法,并给出了各层阈值的取值方法。数值模拟以及国家游泳中心健康监测系统实测数据分析结果表明,所提出的方法克服了传统阈值降噪法对脉冲噪声拟制效果不理想的缺陷,能同时有效降低白噪声以及脉冲噪声,为模态参数识别等提供更高信噪比的分析数据。

提升小波变换技术在多传感器数据融合中的应用

为克服传统小波变换的不足,采用提升小波变换法设计了能较好处理非线性问题的小波域中值滤波器,并应用于水电厂水轮机噪声监测数据融合中,对具有不同分辨率的多传感器数据进行融合,结果表明该算法有效。

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.

一种结合图像增强的高斯噪声组合滤波算法

为了有效滤除图像高斯噪声,将滤波算法与增强技术有机结合,提出了一种具有增强效果的组合滤波算法。该算法首先针对经典中值滤波无法有效滤除高斯噪声的缺陷,从滤波模板的角度对其加以改进,对高斯噪声进行多角度、多尺度、多级串联滤波处理,以滤除一部分噪声;然后将均值滤波引入到小波域中,对图像残余噪声实现小波域逐级均值滤波,实现对噪声的基本滤除;最后设计出一种新型小波域增强函数模型,通过设定阈值,将滤波后图像分为若干个区域,分别进行不同程度的增强处理,通过结合具体实验对不同强度下噪声与增强函数系数的取值进行定量分析,给出两者之间的函数关系式。实验证明,该滤波算法对于高强度的高斯噪声有较好的抑制效果,并且具有一定的自适应性。

基于图像增强的改进自适应加权均值滤波算法

提出了一种具有增强效果的图像滤波算法。该算法滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为3个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。实验结果表明该滤波算法在噪声滤除和图像细节保持方面具有较好效果。

一种小波域改进双边滤波的水果图像去噪算法

采用机器人实现水果的自动化精确采摘是现代水果采摘技术发展的基本趋势之一。但由于成像条件以及机器人自身电子电路等因素的影响,使得所获取的图像或多或少存在大量噪声。将小波变换与双边滤波算法有机结合,提出了一种针对水果图像中颗粒噪声的滤波算法。该算法首先对噪声图像实现小波分解,对于各高频子图像,给出了相似像素的基本定义并分别设计出尺寸为5的多方向的相似像素检测窗口;然后根据检测窗口中相似像素的个数与检测窗口全部像素点个数的比值大小,分别采用自适应双边滤波算法和改进加权中值滤波算法加以处理。最后实现小波系数重构。实验仿真结果表明,该滤波算法性能优于双边滤波算法以及小波域双边滤波算法,对于农产品视觉图像、基于流媒体技术设施现场采集的图像处理等领域也具有一定的参考价值。

一种图像脉冲噪声小波域广义滤波算法

提出了一种脉冲噪声滤波算法。首先对噪声图像进行二维小波分解,得到高频和低频子图像;其次对高频子图像序列采用改进自适应加权中值滤波进行处理,以排除水平、垂直、对角方向的噪声;然后对于低频子图像引入基于修正系数的维纳滤波进行处理,并进行小波系数重构;最后设计出一种小波域图像增强模型,通过设置调节系数,将图像分为不同区域分别进行相应比例的对比度拉伸处理,结合实验定量讨论了噪声强度与模型系数的函数关系。实验表明,该滤波算法不仅优于几类单一滤波算法,相对于某些组合滤波算法而言,也具有一定的优势。

基于高频中值滤波的小波滤波在脑动脉色素浓度谱特征信号提取中的应用

近年来,近红外光谱技术(mear infrared spectrometry,NIRS)在脑科学研究领域倍受青睐。为了更好地满足参数的后续使用并提取出有效特征信号,前期尝试了多种常用滤波方法,为了解决滤后信号易失真以及不能有效滤除低频或者高频噪声的问题,提出了基于高频中值滤波的小波滤波,并采用高度还原真实信号特点的仿真信号以及利用脑血流动力学参数采集系统获得的真实光电容积脉搏波(photoplethysmography,PPG)信号,基于中值滤波的小波滤波进行分析。将实验测试数据与其他滤波方法的特征信号提取效果进行对比,并对处理数据进行信噪比和频谱分析。结果表明,采用中值滤波与小波滤波相结合的滤波方式,对脑动脉色素浓度谱特征信号进行滤波处理,能获得有效、精准的脑血流动力学参数,为后续的测量精度打下基础。该方法有效结合了中值滤波能够剔除粗差的特性和小波滤波在光电容积脉搏波中有效滤除高斯信号的特性,改善了采用单一方式的局限性,提供了一种新的PPG滤波的思路,对比传统方法更加优化。