基于相邻尺度积系数的半软阈值小波滤波

针对相邻尺度积系数硬阈值滤波后的MSE函数不连续,最优阈值选取困难,该文构造了一种基于相邻尺度积系数的半软阈值函数。其为收缩因子函数与小波系数的乘积,对小波系数无穷可导、可在阈值邻域内对小波系数自适应收缩。进而通过极小化SURE(Stein Unbiased Risk Estimate)估计得到MSE意义下自适应于信号和噪声的最优阈值。大量仿真实验表明:采用本文构造的半软阈值函数,可改善基于相邻尺度积系数的滤波算法性能。

一种基于小波邻域的半软阈值去噪算法

针对小波硬阈值去噪函数的不连续和软阈值去噪函数的恒定偏差导致图像边缘模糊的缺点,本文提出了一种新的半软阈值函数。该方法通过区分图像的强弱边缘分别进行处理,并在弱边缘小波系数的估计中采取基于贝叶斯估计的方法且考虑了邻域小波系数的大小。仿真结果表明,与原有的小波阈值去噪算法和普通的阈值去噪算法相比,该算法在峰值信噪比(PSNR)、边缘保持指数(EPI)和视觉效果上都有明显的提高。该方法能够很好地保护图像边缘信息,达到很好的去噪效果。

基于生成式对抗网络和改进区域建议网络的输电线路杆塔缺陷检测方法

为了减少输电线路杆塔缺陷检测过程中受噪声信号和装置性能等因素的干扰,提高输电线路杆塔缺陷检测的正确率和检测效率。提出一种基于生成式对抗网络(generative adversarial networks,GAN)和改进区域建议网络(region proposal network,RPN)的输电线路杆塔缺陷检测方法。采用GAN采集输电线路杆塔的显著性图像,并利用半软阈值函数模型剔除图像中的噪声,避免噪声对缺陷检测过程产生影响。通过随机森林决策树提取输电线路杆塔图像的轮廓特征,基于多尺度算法对RPN进行改进,将特征输入到改进RPN模型中,通过缺陷的定位、分割完成输电线路杆塔的缺陷检测。试验结果表明,所提方法的输电线路杆塔缺陷检测正确率较高,具有较好的缺陷检测效果和检测效率,从而有利于提高输电线路杆塔缺陷检测的质量,减少电力事故的出现。

小波阈值降噪在手写数字识别图像预处理中的应用

图像降噪是手写数字识别图像预处理中的重要一环。针对传统降噪方法的不足,本文提出了一种基于改进半软阈值函数的小波阈值降噪方法。该方法一方面可以有效减弱硬阈值函数的自激振荡和软阈值函数的模糊失真,另一方面与传统的半软阈值函数相比,在阈值附近过渡更加平滑。结合涡流搜索算法和广义交叉验证准则,实现了分层阈值的自适应确定。仿真结果验证了该方法的可行性和有效性。相比传统的小波阈值降噪方法,改进后的方法能够显著提高手写数字识别的正确率。

基于改进小波阈值的GPS观测数据降噪方法研究

GPS观测数据中混入的噪声会导致定位精度大大降低。针对传统的小波阈值降噪方法在阈值函数和阈值选取方面的不足,设计了一种新型半软阈值函数,利用涡流搜索算法和广义交叉验证实现了分层阈值的自适应确定。改进后的方法不需要先验知识,操作简单,鲁棒性好。数值仿真验证了该方法可以显著降低GPS定位误差。

改进的深度残差收缩网络轴承故障诊断方法

针对深度残差收缩网络(deep residual shrinkage network,DRSN)在降噪过程中引起的信号失真问题,提出了一种改进的深度残差收缩网络(improved deep residual shrinkage network,IDRSN)并将其应用于滚动轴承的故障诊断中。首先,引入一种改进的半软阈值函数(improved semi-soft threshold function,ISSTF)用于解决恒等偏差的问题并消除软阈值函数引起的信号失真。然后,设计了半软阈值模块(semi-soft threshold block,SSTB)和自适应斜率模块(adaptive slope block,ASB)构建改进的残差收缩单元(improved residual shrinkage building unit,IRSBU),用于自适应设置最优阈值并进一步修正输出。最后,将所提方法应用于两种不同工况的滚动轴承故障诊断中。研究结果表明,与现有方法相比,所提方法的分类准确率和鲁棒性更高,对于变转速工况下的故障诊断更为有效。

结合非下采样剪切波变换的BM3D去除图像噪声方法研究

强噪声图像去噪一直是图像处理技术应用领域研究的热点,为进一步提高强噪声图像的去噪质量和对图像边缘的保护,针对三维块匹配(Block Matching 3D,BM3D)方法对强噪声图像去噪效果不佳及图像线状奇异性(如边缘)缺乏最优表示的问题,提出了基于二维非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)和BM3D的组合去噪方法。该方法首先对含噪图像进行NSST正变换,得到不同尺度和不同方向高频子带的剪切波系数;然后对每个尺度不同方向的高频子带求取贝叶斯阈值,并利用渐进半软阈值函数对各高频子带进行去噪;最后对低频子带和各去噪高频子带进行NSST逆变换,得到去噪结果。将去噪图像作为BM3D中基础估计阶段的预滤波,能够进一步提高基础估计阶段分组的正确性,为BM3D去噪奠定良好基础。组合去噪方法结合了NSST与BM3D的各自优势,仿真试验结果表明,对于低噪声图像,本方法和BM3D方法去噪效果相同,略优于非局部平均法;对于强噪声卫星影像,本方法去噪效果优于BM3D和非局部平均法。

基于小波变换的关键帧提取及运动编辑技术

针对当前运动捕捉数据量大、关键帧难编辑的问题,提出将小波变换引入到关键帧的提取及运动编辑的技术。将运动捕捉数据作为信号进行处理,通过小波变换的方法将人体运动信号分解成高频信号和低频信号,利用半软阈值函数处理小波系数,通过设定不同的阈值,实现对关键帧的提取。提取关键帧后,利用插值技术重建关键帧动画,可生成新的人体运动序列。在运动编辑中,通过调整运动的高频信号,实现了运动特征的增强,进一步丰富了运动编辑的方法。实验结果表明,小波变换对关键帧的提取具有一定的适用性,所提取的关键帧有较强的概括力,对运动进行编辑后,一定程度上保证了运动的真实性。

红外含噪图像自适应增强

通常的红外含噪图像增强方法很难有效滤除图像中噪声。提出一种新的红外含噪图像自适应增强算法以克服边缘增强和抑制噪声的矛盾。首先采用尖锐频率局部化Contourlet变换完成图像分解;然后采用分层自适应阈值算法估计降噪阈值,并进行自适应降噪;最后对降噪后高频带通信号引入图像清晰度参数,设计半软阈值增强函数,实现红外含噪图像自适应增强。实验结果验证了新方法的有效性。

基于改进决策树算法的智慧电厂设备故障数据特征融合研究

若电厂设备故障数据的采集和提取过程受到环境噪声的影响,易降低数据特征融合的准确率。针对这一问题,提出基于改进决策树算法的智慧电厂设备故障数据特征融合技术。首先,使用多源传感器数据采集电力设备运行过程中的异常数据,并实时收集设备之间的故障信息,建立设备故障数据集;然后,利用半软阈值函数技术,对设备数据集实施去噪处理,基于改进决策树算法对去噪后的设备数据进行分类处理,以分类后的电气设备故障数据为基础对电气设备故障数据的特征进行提取;最后,构建复合判断模型,实现对智慧电厂设备故障的数据特征的融合处理。实验结果表明,通过本研究设计的智慧电厂设备故障数据特征融合技术,能够显著提高对设备故障数据特征的融合准确率。

基于平衡正交多小波的MR图像去噪算法研究

磁共振图像中的噪声分布的特殊性不仅大大降低了图像的质量,影响医学诊断,而且为噪声的去除提出了更高的要求。平衡正交多小波同时满足正交性和对称性,不仅具有比单小波分解更加精确、去噪效果更好的特点,同时避免了普通多小波分解过程中的预处理过程。文中对磁共振图像进行平衡正交多小波分解后,采用了一种自适应性更高的阈值确定函数与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明:该方法优于97提升小波及ghm多小波方法,去噪效果进一步提高。