自适应网络模糊去噪与副高异常影响因子的诊断检测

基于自适应网络模糊推理系统 ANFIS,讨论了从实际信号中检测识别系统的主要影响因子 ,进而滤除其干扰的方法途径 ,进行了相应的去噪试验 ;

电力视觉图像模糊去噪滤波方法研究

图像识别技术是目前新兴发展的一种图像处理技术,同时电网因其发生故障时会产生局部过热现象,该技术在电网在线监测方面得到了充分应用,然而通常获取的图像会有很多噪声,以高斯噪声和椒盐噪声为主。传统的图像去噪滤波方法无法完全滤除噪声的干扰,因此本文研究提出了模糊去噪滤波法来处理椒盐噪声,并在实际应用中取得了显著的效果,处理后图像失真度低,图像还原性较高。文中最后对该图像去噪算法进行效果评估,使用峰值信噪比PSNR(Peak Signal-to-Noise Ratio)作为评价指标,并与传统去噪方法对比,发现文中所提的算法具有更好的PSNR值,说明该算法在实际图像去噪应用有一定的优势。

一种求解带有冲击噪声的图像去模糊去噪问题的变步长分裂Bregman算法

分裂Bregman算法是一种有效的求解L1正则化问题的算法,Chen等人结合线性化、变步长、非单调等技术,改进了固定步长的分裂Bregman算法,提出了变步长分裂Bregman算法（BOSVS）,并将该算法用于求解带有高斯噪声的图像去模糊去噪问题,其数值实验结果令人满意.但是它不能求解带有冲击噪声的图像去模糊去噪问题,我们在BOSVS算法基础上,提出了一种新的变步长分裂Bregman算法,用于求解带有冲击噪声的图像去模糊去噪问题.该算法一方面保留了BOSVS算法的线性化、变步长、非单调等特点;另一方面通过在原模型目标函数上增加一个L1正则项,使得模型不仅可以处理高斯噪声,还可以处理冲击噪声,因而适用范围比BOSVS算法更为广泛.初步数值实验结果表明,新算法得到结果的质量明显优于FTVd,且计算时间、算法效率也较有竞争力.

全变分极端通道先验的盲图像去噪去模糊

图像先验是图像复原中求解不适定问题的关键。针对在图像具有显著噪声时,极端通道先验去模糊算法容易产生振铃伪影和无法抑制噪声的缺点,利用全变分模型可以同时抑制噪声和保护边缘的优势,提出一种有效的全变分极端通道先验的盲图像去噪和去模糊模型。首先,将全变分模型分别引入暗通道和亮通道中,用于保护图像的边缘及消除噪声或振铃伪影;其次,利用半二次分裂技术解决模型的非凸问题和估计潜在的清晰图像;最后,用迭代多尺度盲反褶积估计图像的模糊核。实验结果表明,该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影。相比近几年具有代表性的其他方法,该模型的鲁棒性、主观视觉效果和客观评价指标均有明显提高。

一类基于偏微分方程的遥感图像盲去噪去模糊算法

从模糊且含有噪声的图像中重建清晰图像是一个典型的病态问题,当模糊核是未知的时候需要同时重构模糊核和图像,这样的盲去噪去模糊问题受到学术界的广泛关注。利用变分方法,我们对遥感图像盲去噪去模糊问题建立了偏微分方程组模型,然后结合交替方向法和差分方法构造了全离散数值格式,用于求解未知核函数和清晰图像.通过数值实验分析了参数的选择对图像处理效果的影响,并确定了合理的参数.最后针对若干遥感图像进行了数值实验,实验结果表明了模型的有效性.

胜利油田三维地震资料处理技术现状与发展

介绍了胜利油田三维地震资料处理中的单项技术,阐述了针对不同地质目标采用的多项三维地震资料综合处理技术。根据油田发展形势,指出了近期地震资料处理的主要研究内容。