一种利用线性预测残差的语音去噪方法

提出了一种利用线性预测残差去除语音中加性白噪声的方法 .含噪语音经过线性预测分析后 ,所得的线性预测残差可分为与语音相关的语音残差部分和与噪声相关的噪声残差部分 .当噪声为白噪声时 ,噪声残差能量与噪声能量的比值大于语音残差能量与语音能量的比值 ,并且随着含噪语音信噪比的增大 ,两者数值上的差距越来越大 .因此 ,从含噪语音中按一定比例 λ(0 <λ<1 )减去预测残差 ,即可抑制噪声残差能量 .这实际上抑制了含噪语音中的噪声能量 ,提高了其信噪比 ,从而达到在一定程度上去噪的目的 .同时 ,这样处理造成的语音能量损失是有限的 .特别是 ,上述方法中对语音成分的操作仅仅在预测残差内进行 ,对语音的共振峰影响很小 ,因而能够较好地保留语音信号的频谱结构 ,使语音品质不致降低 .实验结果表明 。

高效率视频编码中基于块整合的错误隐藏算法

针对新一代视频编码标准高效率视频编码(HEVC)编码单元(CU)尺寸较大所导致的丢包后错误隐藏恢复效果不佳的问题,提出了对CU下的分割块进行块融合的错误隐藏方法。首先,分析了残差能量与块分割的相关性;然后,通过参考帧残差能量与所设阈值进行比较判决,对当前丢失CU分割块进行融合,得到丢失CU的块分割方式;其次,对矢量外推法进行权值优化,保证了算法在HEVC错误隐藏的适用性;最后,对融合块采用优化后的矢量外推法进行错误隐藏。实验结果表明,与经典错误隐藏方法如拷贝法、运动补偿法等相比,基于块融合的错误隐藏在保证解码视频结构相似性(SSIM)的同时提高了不同运动性的解码视频峰值信噪比(PSNR),验证了算法的可行性。

自适应扩散系数优化的图像降噪算法

非线性扩散图像在降噪时纹理和细节通常会被削弱,为了解决这一问题,提出一种自适应扩散系数优化的图像降噪算法。利用经典的PM模型处理图像,利用扩散系数基于梯度幅值结合残差局部能量,可精确获取图像的纹理区域;利用绝对差值排序算子,进一步区分纹理部分及其存在的噪声;将图像梯度信息,残差能量及绝对差值排序算子融合到模型中,在去噪的同时很好地保留图像边缘、纹理等细节信息。实验结果表明,所提算法的SNR值为18.4714,RMSE值为15.8373,UQI值为0.8193,在降噪的同时较好地保留图像的纹理和细节,在视觉质量方面具有优越性能。

基于参数优化变分模态分解的间谐波检测

变分模态分解(VMD)已在谐波检测领域得到应用,但人为设定分解参数K,导致误差较大。为提升VMD在间谐波检测中的准确性,首先,采用施密特正交化理论对VMD预分解得到的各分量进行正交化处理,以避免模态混叠。然后求得不同K值对应的残差能量,利用残差能量值最小化法优化参数K,进而提取间谐波信号。最后采用对称差分能量算子,获得间谐波信号幅值与频率等特征信息。仿真实验表明:所提出的方法能有效优化参数K,降低VMD分解误差。同经验模态分解(EMD)、集合经验模态分解(EEMD)以及近年新提出的同步挤压小波变换(SST)相比,参数优化变分模态分解在间谐波检测上效果显著提升,具有更高的检测精度。

基于H.264压缩域的背景建模与前景对象分割

提出了一种在H.264压缩域下进行背景建模和对象分割的方法。首先利用I帧的DC和AC系数信息生成块残差能量图,再通过Intra预测信息对该能量图进行滤波,最后采用混合高斯模型对背景进行建模并分割出前景对象。实验结果表明,用该背景建模和对象分割方法可以获得很好的分割效果。

最小二乘偏移成像方法及应用

基于反演理论的最小二乘偏移可为岩性储层估计提供更加保真的、高分辨率反射系数成像,成为当前成像方法的研究热点和发展趋势.研究讨论了实现过程中关键技术环节,包括有限差分解微分方程进行反偏移数据重构,基于数据残差逆时偏移求取梯度及共轭梯度法反演优化算法,并重点研究了最小二乘偏移用于实际处理时的数据残差求取方法,包括面向最小二乘偏移技术的观测数据预处理及能量一致性数据残差求取,探索建立了面向实际资料的最小二乘逆时偏移实现流程,模型和实际资料试处理说明了此方法技术的适用性和有效性.