基于块匹配三维滤波算法的长距离BOTDR系统研究

长距离布里渊光时域反射仪(BOTDR)存在光信号衰减较大、信噪比较低的问题,致使待测光纤信号功率极弱处所测得的布里渊频移(BFS)波动幅度及噪声明显增大。采用块匹配三维滤波算法(BM3D)对BOTDR测量信号进行降噪以提升系统测量精度。阐述了BOTDR信号特征,分析了基于BM3D的BOTDR降噪原理,搭建了基于后向拉曼放大方法的长距离BOTDR系统,并在100 km传感光纤上进行了实验验证。研究结果证明,在20 m空间分辨率及100次累加平均次数下,BM3D算法降噪前后光纤全段BFS波动幅度由±15.761 MHz降至±2.276MHz,均方根误差(RMSE)由6.477 MHz降至1.028 MHz。同时,降噪后光纤全段BFS波动幅度分布平滑,有效抑制了信噪比较低处BFS波动的大幅增加,进一步证明了该算法的有效性。

基于噪声估计的自适应块匹配和三维滤波降噪算法

针对经典的块匹配和三维滤波(BM3D)降噪算法中最为核心的噪声水平(方差)参数在使用中需要人工手动设置极大影响了降噪效果并限制了它的应用,提出了一种新的基于自然场景统计(NSS)的噪声水平特征矢量和支持向量回归(SVR)技术的快速噪声水平估计算法并应用于经典BM3D算法中,使之转变为自适应降噪算法(Adaptive BM3D)。本文算法首先利用小波变换对图像进行不同尺度和不同方向的分解,提取各子带滤波系数并用通用高斯分布模型(GGD)建模,以模型参数构成反映噪声图像噪声水平的特征矢量;然后用SVR方法在大量噪声图像样本上进行训练获得图像噪声水平预测模型。实验表明:改进后的ABM3D算法实际图像降噪效果比BM3D算法获得进一步提升,并且仍然保持了非常高的执行效率,相对于当前各主流算法具有明显的竞争力。

基于原始对偶字典学习的磁共振复数图像去噪

针对磁共振(magnetic resonance,MR)幅度图像中带有不易去除的与信号相关的莱斯(Rician)噪声问题,利用其复数图像中的实部与虚部所含噪声为不相关的加性高斯白噪声这一特性,代替对幅度图像直接去噪,提出将原始对偶字典学习(predual dictionary learning,PDL)算法用于对MR复数图像的实部与虚部分别进行去噪,然后组合得到幅度图像的方法.经仿真实验和在HT-MRSI50-50(50 mm)1.2 T小动物核磁共振系统中的实际应用,证明所提方法较直接对幅度图像去噪取得更好的效果,在有效去除MR图像噪声的同时能较好地保持图像中的细节.与经典的字典学习算法核奇异值分解(kernel singular value decomposition,K-SVD)相比,PDL算法去噪效果优于K-SVD算法,而运算速度提高约5倍.与经典的基于非局部相似块的三维块匹配滤波(block-matching and 3D filtering,BM3D)算法相比,在噪声水平较低时PDL算法略优于BM3D算法,噪声水平较高时BM3D算法略优于PDL算法,两者总体比较接近.

基于Zernike矩亚像素的高反光金属工件缺陷检测

提出了一种基于Zernike矩改进的亚像素边缘提取的工件缺陷检测算法。对图像进行小波分解,并对分解的各频段信息分别利用不同算法进行预处理,重构图像后可以有效地滤除图像噪声,增强目标信息;利用改进的Zernike矩亚像素边缘提取算法定位图像边缘并提取特征信息,减小了边缘信息误差,能够更精确地分割出目标轮廓;通过计算连通区域几何参数及全局信息熵来判断是否存在缺陷。通过实验对算法进行了验证,结果表明,提出的算法可以降低金属高光噪声,有效地提取缺陷边缘,并且在环境光照变化时具有较强的稳健性,金属工件的缺陷检测精度得到提高。