轮廓波和非负稀疏编码收缩的毫米波图像恢复

针对毫米波图像存在的分辨率较低的问题,结合局部非负稀疏编码(non-negativesparse coding,NNSC)算法的自适应高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和NNSC收缩的毫米波图像恢复方法。NNSC算法是近年来发展起来的模拟人类视觉系统信息处理的有效方法。使用NNSC训练得到的特征基向量和最大似然估计(MLE),能够自适应地确定收缩去噪阈值,并把该收缩技术应用到轮廓波变换域,则能够大大减少毫米波图像中的大量未知噪声,提高毫米波图像的恢复质量。采用无噪自然图像验证基于轮廓波和NNSC收缩的图像恢复方法,实验结果证实了所提出的算法的有效性和实用性,表明该方法能够有效地用于低分辨率图像的恢复。

基于红-黑小波变换的图像去噪算法

在红-黑小波变换的基础上,提出了一种新的阈值方法对小波系数进行萎缩以实现图像的去噪.该阈值方法结合了仿射阈值和非负Garrote阈值的优点,能在保留图像细节的基础上实现更好的去噪效果.通过仿真试验,对不同尺度下的阈值提出了一组最多适用到8级红-黑小波变换的阈值权重.结果证明,结合所提出的阈值方法和这一组阈值权重能实现较为理想的去噪效果.

基于局部余弦变换的多普勒信号降噪方法研究

提出一种基于自适应局部余弦变换和非负Garrote取阈值的多普勒超声信号降噪方法.首先,对信号进行局部余弦变换,并且搜索描述信号的最优基;然后,利用非负Garrote方法对最优基系数取阈值;最后,由取阈值后的系数进行重构得到真实信号的估计.仿真结果表明,该方法在低信噪比情况下优于基于时移不变小波变换的降噪方法,是一种可行而且有效的降噪方法.

基于自适应局部余弦变换的正交多普勒超声信号降噪方法的研究

多普勒超声信号的谱图已经被广泛用于医疗诊断。来自系统内部的噪声及外部的干扰会产生附加的频谱成分,从而影响谱图的主观分析及进一步的定量分析。为抑制噪声的影响,本文提出利用一种新的基于自适应局部余弦变换和非负G arrote取阈值的方法对正交多普勒超声信号进行降噪。首先,由正交信号提取正向和逆向血流信息;然后对其分别进行降噪;最后利用H ilbert变换进行重构得到真实信号的估计。在仿真研究中,采用平均频率波形和谱宽波形的估计精度作为性能改善的指标。结果表明这种方法优于基于小波变换的降噪方法,特别是在低信噪比情况下。

一类具有广义功能性反应型函数的生态-流行病模型的分析的分析

建立并分析了一类具有饱和型发生率和捕食者捕获食饵的功能反应函数——广义功能反应型函数的生态-流行病模型,并通过分析该模型非负平衡点的存在性、局部稳定性及其全局稳定性,得到该模型中的传染病灭绝平衡点的局部渐进稳定性的阈值与传染病灭绝平衡点的全局渐进稳定性的充分条件.

基于NNG的软测量技术在空气分离中的应用

针对空气分离装置,设计了一种基于非负阈值的软测量算法。算法以贝叶斯准则作为模型的评价标准,以v-fold交叉验证法来确定最优非负阈值系数。所设计算法应用于空气分离装置的O_2浓度检测,并和最小二乘法进行比较。MATLAB仿真结果表明该算法能够实现O_2浓度的精确测量,并且模型精度上优于最小二乘法。