基于残差密集卷积自编码的高噪声图像去噪方法

在高噪声图像去噪中,传统卷积自编码器难以挖掘有效的深度特征信息,进而影响了图像的重建质量。为了提高高噪声图像的重建质量,提出了一种残差密集卷积自编码器网络模型。该模型首先使用卷积操作代替池化操作以提高高噪声图像的表征能力;同时,在编码和解码阶段设计三级密集残差网络结构,实现图像特征的有效挖掘;最后,设计一个优化损失函数以进一步提高重建图像的质量。实验结果表明,设计的去噪方法能够从高噪声图像中重建高质量的图像,同时能够保留更多的细节特征信息,有效验证了该算法在图像去噪中的有效性。该方法能够有效解决高噪声图像的去噪问题,具有重要的应用价值。

高噪声环境下声发射损伤源定位技术研究

传统的TOA声发射源定位技术中,基于门槛的声波到达时间检测法在高噪声环境下会出现较大误差,从而导致损伤源定位率低、定位误差大。本文通过试验的方法研究了TOA定位技术与噪声水平之间的关系,分析了噪声影响声发射源定位的机理,采用AIC技术对高噪声环境下声波真实到达时间进行了校正,大幅提高了定位率和定位精度。该方法在铝合金试件真实疲劳试验损伤检测中进行了应用,成功在人工可见裂纹前定位出了损伤。

蚁群算法在高噪声区的InSAR相位解缠应用研究

InSAR技术已成为目前监测地面沉降、山体滑坡和地震等灾害的重要手段,而相位解缠是InSAR技术的关键一步。在噪声严重区域使用枝切法进行解缠时会产生大量的残差点,建立的枝切线过长并且会产生大量密集的区域,解缠时会产生解缠“孤岛”。本文应用蚁群算法寻找距离最近的异性残差点并放置建立枝切线,缩短枝切线的长度,减少密集区域,使得枝切线长度最短来避免枝切法产生的解缠“孤岛”。通过仿真实验和泉州地区实地的InSAR图像数据进行实验计算和分析,并以均方误差和解缠时间作为评价指标与其他5种算法进行对比,结果表明,该算法要优于其他算法,且该算法产生的枝切线相比于Goldstein枝切法产生的枝切线总长度缩短超过50%。

高噪声环境下微动多目标分辨

目标的微动特性是目标的固有属性,其产生的微多普勒现象提供了多目标分辨与识别的新途径。该文针对高噪声背景下的微动多目标分辨问题,提出了一种新的基于B分布和Viterbi算法的多目标多普勒特征提取方法。该方法在高噪声环境下,将B分布和Viterbi算法进行有机结合,提取多目标微多普勒特征,进而对多目标进行分辨。基于仿真数据的试验结果表明:在高噪声背景下,该方法可以有效地提取多目标微动参数特征,实现多目标分辨。

高噪声作业区域及高危人群特性识别研究

为了识别企业作业环境中的高噪声作业区域和控制职业噪声的危害,本文基于噪声监测和噪声预测方法,绘制了企业作业场所的噪声分布图,并在此基础上研究了区域内噪声性听力损失的危害状况及高危人群的典型特性.结果表明：以大于80 dB（A）作为划分高噪声作业区域基本涵盖了职业噪声危害的区域;实例分析显示高噪声作业区域约38.46％的作业工人患有噪声性听力损失,其中年龄为35～50岁、工龄10a以上的作业工人是语频段听力损失的高发人群.

高噪声背景下的孤立词语音识别方法研究及系统实现

对高噪声背景下的语音特点进行了分析，提出了适应于高噪声背景下孤立词语音识别的全套方法，进行了系统实现。对本方法和系统进行了详细的实验比较和测试，证明系统在80dB左右接近同类无噪声识别系统的精度，最高可以抵抗100dB的噪声。

声学测温在混响和高噪声条件下的时延估计研究

针对电站锅炉冷态时的混响问题和热态时的高噪声问题,进行了时间延迟估计的仿真研究,并在实验室环境下分别模拟混响和高噪声工况,对声波飞渡时间的测量进行了实验研究.结果表明:对于混响环境,通过巴特沃斯滤波器对信号进行先期滤波处理,再利用基于PHAT互相关加权算法的时间延迟估计,可以有效去除混响影响;对于高噪声环境,基于巴特沃斯滤波和ML加权函数的互相关算法可以较好地消除炉膛背景噪声的影响.

抗高噪声彩色图像的Canny边缘检测器

根据彩色图像中像素点各颜色分量具有矢量类型数据的特点,提出用一种改进的开关型矢量中值滤波器(PFIVF)替换Canny边缘检测器中的高斯滤波器,以构建新的彩色图像边缘检测器。基于Peer Group技术和边缘检测方法建立PFIVF的多级噪声检测开关型结构,使PFIVF能够在滤除图像噪声的同时较好地保持图像的边缘细节。实验结果表明,改进的Canny边缘检测器能较好地抵抗高比例脉冲噪声。

连续样条小波变换解析高噪声重叠分析信号

采用连续样条小波变换方法对化学中高噪声重叠信号中峰位置和峰数目的提取 进行了分析,讨论了信噪比、重叠程度、信号相邻峰高比对重叠信号解析的影响.结果表 明:对于信噪比低至1的高噪声信号,采用连续样条小波变换处理能够得到重叠信号的峰 位置和峰数目;连续样条小波变换对于高噪声重叠信号具有较好的解析能力,为低含量多 组分物质的复合信号的定性定量分析提供了基础;该方法与离散小波变换法相比,数据点 无须为2n(n为整数),并且不需要对信号进行多次分解,因此简单快速.

高噪声率椒盐噪声污染图像滤波

针对高噪声率椒盐噪声污染的数字图像,改进了基于灰色绝对关联度的像素类型判别,可识别出离散噪声(或边缘点)、聚集噪声与非边缘点。对于离散噪声(或边缘点),采用自适应中值滤波算法进行平滑,兼顾噪声滤除和细节保存。对于聚集噪声,在去除邻域内噪声点后取剩余像素均值作为滤波结果;而对于非边缘点则直接保留。实验结果表明,滤波算法对于高噪声率椒盐噪声具有良好的滤波效果,还能较为有效地保留图像细节。

高噪声条件下基于投影的二维条码倾斜检测

图像倾斜纠正是二维条码自动识别过程中的重要步骤,最常用的倾斜角检测方法是基于Hough变化的方法,实际应用中Hough变换峰值扩散效应显著,同时在速度上也难以适应实时应用的需求。提出使用投影法对倾斜的二维条码图像进行倾斜角判断,并通过加速策略提高检测速度,能够在高噪声条件下快速得到精确的结果。

高噪声率红外图像直方图加权滤波算法

针对高噪声率红外图像,提出一种基于邻域相关度量的滤波算法(HWF).以图像灰度相关理论为基础,分析了盐椒噪声对红外图像灰度分布和灰度差分布的影响.盐椒噪声改变红外图像灰度直方图的相对幅值,但不改变其基本形状,高噪声率红外图像直方图保留了原始图像的灰度分布信息.定义了邻域相关系数以描述像素作为有效信号点的概率.用邻域相关系数作为滤波处理的强度指数,自适应调整处理窗内各像素在邻域加权滤波算法中的权重.灰度直方图体现了对原始信息的保留,邻域相关系数体现了对有效信号和噪声信号的识别和区别处理.实验表明,对于高噪声率红外图像,HWF算法具有良好去噪效果和细节保持能力.

高噪声环境下基于倒谱距离的语音端点检测算法的实现

为了在高噪声环境下得到较清晰的语音信息，对倒谱距离算法进行了改进，利用语音信号的倒谱向量判断语音端点信息。MATLAB仿真实验结果表明，在白噪声和汽车噪声环境下，信噪比分别为10dB和15dB时，得到的语音单字清晰度分别达到93％和95％，实现了90～1004B高噪声环境下可靠的语音通信。

修正样条小波最小二乘法用于分辨高噪声重叠峰

采用连续样条小波变换确定重叠信号的组分峰的数目和峰位置,将样条小波最小二乘法加以改进,使其成为既能滤出噪声又能分峰的新方法。对信噪比为1的重叠峰进行处理,得到满意结果。该方法只需对信号进行一次处理,处理速度快,且数据点无须为2n(n∈Z)。应用于毛细管电泳电导信号的处理,得到满意结果。

高噪声情况下蓄电池剩余容量在线检测方法的改进

首先指出了传统的几种蓄电池剩余容量检测方法的缺点:局限性大,计算困难,对系统产生的影响大等。接着对内阻法测量蓄电池剩余容量的方法进行了分析,并给出了具体的实施方案,讨论了该方案的优缺点。最后提出了在高噪声情况下对蓄电池剩余容量在线检测方法的改进方案。实验结果证明了这种改进方法的有效性。

高噪声背景下的罗兰-C信号相位编码识别研究

针对高噪声严重影响罗兰-C接收机的信号处理过程中脉冲初相位识别的情况,分析了基于全相位谱分析(apFFT)的罗兰-C载波信号初相位识别原理,对罗兰-C接收信号在噪声背景下的初相位识别进行了蒙特卡洛仿真和数据分析,结果表明该方法在高噪声背景下无需降噪就能够较准确地识别出罗兰-C载波信号的初相位,并准确地识别出相位编码,可直接应用于现代增强型罗兰接收机。

基于概率神经网络优化DWT-2DLDA的高噪声人脸识别

针对人脸识别中的原始图像存在噪声而影响识别性能的问题,提出了基于概率神经网络优化二维子空间分析的人脸识别方法。首先,使用离散小波变化对图像进行预处理;然后,利用二维线性判别分析进行特征提取;最后,利用概率神经网络完成人脸分类。在ORL和FEI量大通用人脸数据库及自己搜集的数据库上的实验结果表明,在添加噪声的情况下,识别率也可高达98.9%,相比几种较新的识别方法,本文方法取得更好的识别性能。

声发射技术在高噪声背景下的检测应用

介绍了在高噪声背景下,对某台气化炉改造部位进行声发射检测分析的情况,并采用常规无损检测方法对声发射检测结果进行了复验。结果表明,声发射检测技术与常规无损检测方法发现的缺陷有良好的对应关系,证明声发射检测技术在高噪声背景下的可行性和有效性,为类似大型石化设备声发射检测提供了参考。

高噪声背景下激光条纹亚像素中心的提取

针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题,提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声,采用平均法和中值滤波预处理图像;利用迭代阈值分割及形态学方法,获取条纹目标,引入距离变换提取条纹的像素级中心;根据像素级中心、二值信息及光强灰度,结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下,相邻行条纹中心列坐标最大偏差值像素小于2,平均偏差像素值约为0.3,与传统方法相比,2项指标值更小。实验结果表明,算法有效利用条纹灰度分布规律,可降低噪声对中心定位精度的影响,更逼近条纹真实中心位置,抗噪能力极强。

基于多分类SMM的高噪声图像分割研究

高噪声的存在严重影响了图像分割的效果和精度.为优化高噪声图像分割效果和提高分割精度,提出一种基于多分类Student’s t混合模型(SMM)的图像分割算法.该算法首先使用Student’s t混合模型对高噪声图像像素点进行建模;其次,对Student’s t混合模型的t分布进行多分类处理;最后,使用期望值最大法(EM)进行求解,实现图像分割.实验证明所提算法在精确度和对噪声的鲁棒性上明显优于其他对比方法.