基于K邻域搜索的分层去噪算法研究

激光扫描设备获得的三维点云数据中,往往会存在各种噪声点。本文提出基于k邻域搜索的分层去噪方法。该方法通过对散乱点云数据进行按层次划分并进行存储,将散乱的三维点云数据转变成层次存储的扫描线式三维点云数据结构。通过对数据点k邻域的分析,来判断噪声点并进行去噪工作。对比实验结果表明,该方法有效地删除噪声点,保留物体的几何形状。

基于噪声建模的遥感卫星图像分层去噪算法

在遥感卫星成像机理分析的基础上,提出一种分层去噪算法,该算法引入了噪声分类建模的思想,根据噪声模型的特殊性分层降噪,最后进行轮廓填充恢复.实验结果表明,该算法不仅能有效抑制多类噪声,也能很好地保持图像的边缘细节信息,在经典去噪评价指标信噪比SNR、均方误差MSE上也都达到了很好的实验标准,具有良好的去噪性能.

一种一种GIS局部放电信号分层去噪方法局部放电信号分层去噪方法

局部放电是封闭式组合电器(GIS)中的容易发生的故障,局部放电检测技术是诊断组合电器内部故障的有效手段,但现场电磁干扰对局部放电检测准确性影响很大。针对现场干扰源复杂的问题,提出一种多干扰源分层去噪方法,采用软硬件结合的抗干扰技术,可在现场强烈的干扰环境中获取准确的局部放电信号。

利用分层阈值去噪法处理建筑物倾斜变形数据

为提高建筑物变形数据的精度与可靠性,利用小波阈值去噪法基本原理,提出小波细节系数自关性分析的分层阈值降噪法,并且以有用信号最小频率成分来确定小波分解的最大分解的层数,列出了分层阈值去噪法的步骤.对一组建筑物倾斜变形数据进行处理,并将结果与其他小波去噪方法得出的结果进行比较.研究结果表明:该方法具有较好的降噪效果,为变形监测数据预处理提供了一种切实可行的方法.

深度分层融合超像素分割的深度视频去噪算法

针对传统的视频去噪方法对深度视频去噪效果不理想,导致丢失轮廓信息和深度值信息的问题,本文提出一种新的深度视频分层去噪与彩色图像超像素分割相结合的深度视频去噪算法。首先获取深度视频的深度信息,根据深度值分布,将深度视频帧分层去噪,然后将去噪后的每一深度层合并为深度帧,将与深度帧相对应的彩色帧进行超像素划分,填补去除噪声后产生的深度值空白区域的深度值,去除深度视频噪声,或根据物体周边深度值,消除并填补由物体遮挡产生的干扰噪声。实验结果表明,该算法能够消除深度视频噪声,有效解决了深度视频噪声导致画面凌乱,目标物体辨识难,无关物体遮蔽深度信息,获取深度信息困难等问题,减少噪声对公共客流统计项目的干扰,具有较好的实时性和鲁棒性。该研究在公共交通客流统计项目以及医院急诊患者数量统计项目上进行了验证,具有一定的实际应用价值。

小波阈值函数旋转机械振动信号去噪方法研究

从强背景噪声中提取出微弱的旋转机械振动故障特征信号一直是技术性难题。针对传统全局阈值函数去噪在阈值处不连续和存在恒定偏差的问题,提出一种改进的小波阈值函数分层去噪方法。首先对旋转机械故障信号去噪中的小波参数进行了筛选,然后采用改进的阈值函数,利用最优小波参数对振动信号进行分层阈值降噪处理。理论仿真和实测结果表明,对比传统阈值去噪方法,该方法能有效去除背景噪声,保留振动信号原貌特征信息,提高信噪比和减小均方根误差,适合非平稳振动信号去噪,为旋转机械故障诊断奠定了信号预处理的基础。

代数法小波构造及图像阈值去噪算法

采用代数法构造用于阈值去噪的双正交小波,构造小波的分解端滤波器为零点偶对称,低通分解滤波器支集长度为13,高通分解滤波器支集长度为3。分析了现有阈值去噪算法的不足,提出了一种基于信息能量传递的分层阈值去噪算法。仿真测试证明,相比于bior族双正交小波,构造小波去噪能力更强,图像细节信息保留更为完整,结合改进的阈值去噪算法能够显著提高去噪图像质量和信噪比指标。

基于小波分析提取大跨径公路桥梁运营期GPS变形监测中的动态特性

针对运营期大跨径公路桥梁GPS动态监测数据受观测环境污染导致无法准确提取桥梁动态特性的问题,研究了利用小波分析技术从GPS观测数据中提取大跨径桥梁动态特性时4种常用小波阈值的选取准则,提出了基于分层、分段的处理方法处理桥梁GPS动态监测数据在不同阶段产生的不同大小振幅和噪声,最后将小波包技术应用在桥梁GPS动态监测数据高频阶段有用信号的提取。以苏通长江公路大桥作为研究对象进行试验,分析显示4种小波阈值中固定阈值存在过度去噪的现象,而自适应阈值在去噪的同时可以保存桥梁GPS监测数据丰富的实际特征,采用分层、分段的方法对桥梁GPS动态监测数据进行处理,结果表明该方法既可得到光滑的去噪结果,又能够最大程度地保留桥梁信号的特征,使提取的大跨径桥梁变形信息更为丰富。对比分析小波包法与小波法的去噪结果,表明基于小波包法在对桥梁GPS动态监测数据去噪的同时能够保留桥梁高频信号中更多的有用动态特性。

基于超体素双向最近邻距离比的点云配准方法

针对点云数据冗余和配准精度低的问题,提出了一种基于超体素的双向最近邻距离比匹配的配准方法。首先,利用超体素提取了具有稳定结构的目标特征点,同时提出了利用点云厚度分层进行非迭代的阈值去噪方法;然后,利用FPFH进行特征描述,提出了双向最近邻距离比方法对点云进行了初始配准;最后,提出了基于双级阈值的点云精确配准方法。采用标准数据库模型进行仿真分析,验证了算法的有效性。结果表明:本方法能有效剔除漂移噪声体素,配准精度高,鲁棒性强。与其他方法对比,在配准时间相近时,本文算法的配准精度提高74.2%;在噪声占比为6%和10%时,配准精度均提高67%以上。