基于DIC实验的空间域信号去噪方法研究

通过二维傅里叶连续延拓联合波数域低通滤波的方法,对数字图像相关测量所得位移场进行去噪重构,通过对薄板结构的工况模态分析,验证空间域信号去噪方法的有效性。数字图像相关方法测量结果为结构表面的全场位移响应,因相机本底噪声等因素的影响,由此在位移场测量结果中引入的空间域噪声不可忽略。通过对去噪重构后的时序位移场进行互相关函数计算,使用ERA算法辨识得到薄板的前5阶模态参数,与有限元计算模态结果吻合良好。

彩色含噪图像的空间多分辨力阈值收缩求解方法

采用了一种新的基于小波变换的自适应多阈值图像去噪方法——空间多分辨力阈值收缩去噪法,方法首先根据信号在不同子带和不同方向上的分布特性选择不同的最佳噪声阈值,然后对彩色图像fC提取3幅分量图像fR,fG,fB,采用不同阈值分别对每幅分量图像进行去噪,最后重建去噪后的RGB合成图像。通过大量的实验证明,空间多分辨力阈值收缩去噪法能针对不同信号成分采用不同的噪声阈值,与硬阈值去噪方法和软阈值去噪方法相比,不仅提高了去噪后图像的信噪比,也使图像更加清晰,并能更好地适合人眼的主观视觉特性,可在客观和主观上同时获得更佳的去噪效果。

基于MATLAB的数字图像去噪算法研究

本文主要研究多种数字图像去噪方法的分析与比较,在使图像减少失真的条件下,寻求一种更简便、高效、效果更好的图像去噪算法。通过对相似的去噪方法进行分析与比较,来对传统的去噪方法进行适当地改进,并利用MATLAB提供的图形用户界面即GUI,设计一个数字图像去噪系统。

基于深度学习和双域融合的红外成像制导系统复杂背景噪声去除方法

红外成像制导系统受到严苛运行环境影响,其成像过程伴随复杂背景噪声干扰,严重影响系统制导跟踪精度。为减少复合噪声对红外成像效果的影响,在分析多种常见噪声的成因和特性的基础上,提出一种基于加性成分和乘性成分的噪声特性先验设定,结合空间域和变换域的双域融合去噪思想,设计了一种基于深度卷积神经网络的多类型噪声去除方法。该方法将富梯度流卷积模块引入UNet++结构以缩减梯度信息冗余并提升多感受野特征提取能力;针对噪声形态特性提出维度注意力机制以实现双域噪声估计;引入高阶双树复小波变换作为域变换方法,提升在不同尺度和方向上对噪声成分的识别能力。通过消融实验验证了噪声先验设定以及双域融合去噪思想的有效性和优越性,通过对比实验证明了所提方法对多种类型噪声均具有优秀的去噪能力。所提方法对高斯噪声的去噪峰值信噪比和结构相似度指标分别达到29.57和0.85,优于其他典型噪声抑制方法;对多类型混合噪声则分别达到27.84和0.82,达到良好的去噪水平。此外,也验证了所提方法对真实图像噪声具有优秀的去噪能力。

去噪空间上的多核学习

回顾了一种多核学习(multiple kernel learning,MKL)方法——lp范数约束的多核Fisher判别分析(lpregu-larized multiple kernel Fisher discriminant analysis,MK-FDA),研究了固定范数和p范数下MKL的性能对比,并针对原始特征空间必然存在噪点的现象,对在特征空间去噪之后的MKL方法的效果进行了探索。在VOC 2007数据集上的实验结果表明,lpMK-FDA无论使用原始核函数或者去噪后核函数的性能都超越了固定范数约束下的对比方法;特征空间的去噪处理能提高单核FDA方法和lpMK-FDA方法的性能;训练得到的核函数的权重与去噪空间中保留的特征数量存在一种正相关性。