联合双边滤波器和小波阈值收缩去噪算法研究

针对现有去噪算法去噪不彻底、噪声误判、损害图像边缘和纹理细节信息的缺点,提出一种联合双边滤波器和小波阈值收缩图像去噪算法。首先,使用双边滤波器对含有噪声图像进行分层;其次,对不同分层结果,选择不同滤波器进行去噪:高对比度层采用双边滤波器,低对比度层采用小波阈值收缩去噪方法;最后,融合高、低对比度层去噪图像,实现有效去除噪声的同时,保证图像信息完整。实验结果表明,本文算法的峰值信噪比达到40.99 d B,比非局部均值滤波、双边滤波器、小波阈值收缩和偏微分方程图像去噪算法分别提高了7.79%,3.56%,11.22%和1.91%;与此同时,还能有效保留图像边缘和纹理等细节信息。

小波去噪算法在含噪盲源分离中的应用

无噪模型下的盲源分离算法在信噪比较低的情况下并不适用。针对该情况一种解决方案就是先对含有高斯白噪声的混合信号进行去噪预处理,然后使用盲源分离算法进行分离。为此,本文提出了一种适用于信噪比较低条件下的基于平移不变量的小波去噪算法。该算法首先使用高频系数滑动窗口法准确估计含噪混合信号的噪声方差,然后使用Bayesshrink阈值估计算法得到更加合理的阈值,最后在不降低去噪效果的同时缩小了平移不变量的范围,减少了运算量。实验仿真表明,在信噪比较低的情况下,与传统小波去噪算法相比,该算法可以更加有效地去除噪声,在很大程度上提升盲源分离算法的性能。

基于小波重构的建筑自振周期计算仿真

采用目前方法对工业建筑结构的自振周期进行测量时,没有对获取的工业建筑结构数据进行去噪处理,在后续的自振周期测量过程中易受到噪声的干扰,降低了测量精度。提出基于GPS技术的工业建筑结构自振周期测量方法。方法采用GPS技术对工业建筑进行实时监测,获取工业建筑结构数据,并利用提升小波阈值收缩法对采集的工业建筑结构数据进行重构,以消除数据中存在的噪声。在Timoshenko双变量梁理论的基础上建立工业建筑结构的频率方程,并设置边界条件,在边界条件的约束下设计工业建筑结构自振周期的计算公式,完成工业建筑结构自振周期的测量。仿真结果表明,所提方法具有较高的测量精度。

一种基于频域变换的无监督车身漆膜缺陷检测算法

针对现有的2D汽车漆膜缺陷检测算法不能很好地检测出颜色暗、对比度低和较小的漆膜缺陷的问题,提出了一种基于频域变换的漆膜缺陷检测算法。首先通过对其主频率进行零掩码来消除图像背景中频谱显示较高梯度值分量的图像背景噪声。然后使用小波收缩法对傅里叶逆变换后的图像进行去噪。通过小波系数进行阈值修改,提取缺陷的高频信息,最后对重建后的图像使用阈值分割法分割出缺陷区域。对不同尺度和类型缺陷样本进行实验的结果表明,该算法检测准确率为95.01%,且具备良好的鲁棒性。

卫星重力梯度数据粗差探测的组合法研究

对GOCE卫星重力梯度实测数据粗差探测做了相关研究,探讨了进行粗差探测的相关理论与方法,包括重力梯度数据粗差探测的迹准则、连续性准则,以及Dixon检验法、小波探测法、组合法等几种粗差探测方法,重点探讨粗差探测组合方法。在连续性准则下运用上述探测方法对实测数据分别进行了粗差探测计算,通过调整置信度、阈值等参数,分析这些参数对各种探测方法结果的影响。研究结果表明:1) Dixon检验方法算法简单、快速,可用于快速解的粗差探测;2)小波收缩阈值方法探测质量较高,可用于精密解的粗差探测;3)小波和Dixon检验的组合探测法探测质量优于2种单一探测方法。