基于方差稳定变换和BM4D的MR图像莱斯噪声去除方法

磁共振图像(MR)通常含有莱斯(Rician)噪声,莱斯噪声是一种与信号相关的非加性噪声,不服从正态分布,难以去除。已有方法表明,方差稳定变换(VST)可以将方差不固定的莱斯分布转换为方差固定的高斯分布。首先,运用VST算法把莱斯噪声转换为高斯噪声,然后,运用在高斯去噪方面表现优良的三维块匹配去噪(BM4D)算法去噪,最后,运用方差稳定变换的逆变换(IVST)对去噪后的图像进行处理,得到最终的无偏的去噪后图像。仿真结果表明,研究所用方法不但在视觉上明显优于BM4D算法和小波去噪(wavelet)算法,而且在峰值信噪比(PSNR)和平均结构相似度(SSIM)两个客观指标上明显优于其他两种方法,其中PSNR高出10dB左右,SSIM高出30%以上,该方法有效地降低了噪声,较好地保留了图像的边缘及细节信息。

基于模糊免疫的风电机组异常状态识别

风电机组处于高空中,工作环境比较恶劣,导致故障频发。为此,设计一种基于模糊免疫的风电机组异常状态识别方法。结合BM4D与小波去噪设计去噪方法,对初选的特征参量数据进行去噪。利用Relief方法,提取具有较强相关性的风电机组运行状态特征参量。采用模糊免疫算法,设计模糊免疫检测器,检测提取到的特征参量,完成风电机组的异常状态识别。测试结果表明,该方法在异常状态识别中的均方误差低于1%,平均迭代次数低于80次,具有良好的异常识别效果。