史坦无偏似然估计原理产生阈值对人体胸壁微动信号的“WaveShrink”降噪

人体胸壁微动信号中包含大量的生命体征信息。本文采用史坦无偏似然估计原理产生阈值 ,应用“WaveShrink”算法从胸壁微动信号中提取心动信号 。

激光主动成像图像噪声分析与抑制

分析了激光主动成像图像的噪声机理,针对强度像噪声抑制问题,提出了一种基于同态滤波和小波域SURE(Stein′s Unbiased Risk Estimate)的激光主动成像图像降噪算法。该方法首先用同态变换将乘性散斑噪声转换为加性噪声;然后在小波域,没有将小波系数看作随机变量,而是以最小化均方误差MSE为目的,将图像降噪过程看作是一个小波系数的加权和,通过SURE获得近似最优的小波系数的权值;最后再作相应的小波逆变换和同态逆变换,得到降噪后的图像。实验结果表明:该方法具有较好的噪声抑制效果,且计算量极小。

多小波自适应分块阈值降噪及其在轧机齿轮故障诊断中的应用

为有效提取关键设备淹没在强背景噪声中的微弱故障特征,提出了一种多小波自适应分块阈值降噪方法,并将其成功应用于轧机齿轮箱故障诊断中。小波降噪的效果主要取决于小波函数和阈值的合理选择。多小波具有多个尺度函数和小波函数,可以同时满足紧支性、对称性、正交性以及高阶消失矩等优良性质,使其在早期故障和微弱故障诊断中颇具优势。针对多小波变换系数之间的相关性,在估计真实特征值时以Stein无偏风险估计最小作为约束条件,自适应地选取最优的邻域分块长度和阈值,能够在准确提取故障特征的同时有效消除噪声干扰。仿真信号验证了方法的有效性,轧机齿轮箱的诊断结果表明,该方法可以有效提取出齿轮箱高速小齿轮存在由于高温熔焊导致的两处局部胶合破坏故障。

一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1-2 d B。

基于Tetrolet变换的图像降噪新算法

通过在Tetrolet变换域利用最小化均方误差的SURE无偏估计方法对图像进行去噪处理,利用图像Te-trolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中用SURE无偏估计方法代替经典的硬阈值函数来对图像进行去噪。实验结果表明了该算法的有效性,其更高的峰值信噪比和更好的视觉效果说明该算法是可行的。

基于多种平滑算法的三峡水库反推入库流量消噪

三峡水库的反推入库流量存在严重的“锯齿”问题,影响了实际的水库实时调度相关工作,利用数据平滑算法可有效对其误差进行后处理。通过对比各平滑算法分别选取五点三次平滑算法及离散小波阈值消噪算法进行研究,并与实际工作中常用的三点平滑算法进行对比,通过构建水文要素指标和平滑度指标评价平滑效果。结果表明:在综合适用条件最好的Db小波与Sym小波中,Db7小波阈值消噪的平滑效果优于其他小波;相比于三点平滑法和五点三次平滑法,Db7小波阈值消噪法能较全的保留原序列的洪峰、洪量和峰现时间,并消除了原入库流量更多的锯齿。研究表明,利用离散小波阈值消噪法对三峡水库的反推入库流量的噪声平滑可具有推广价值。

基于小波自动阈值去噪提高GNSS定位精度

在全球导航卫星系统(Global Navigation Satellite System,GNSS)的变形监测研究中,定位精度受到观测噪声、多路径效应等因素的影响。本文基于小波阈值去噪、Stein无偏风险估计的阈值选择策略提出一种数据驱动的噪声消除策略,旨在利用小波变换提高变形监测的定位精度。首先,将坐标时间序列进行小波分解;其次,基于Stein无偏风险估计获得的阈值进行小波阈值去噪;最后,利用仿真试验和监测站点数据验证所提出方法的有效性,并分别从内符合精度和外符合精度进行精度分析。结果表明,本文所提出的方法可以有效地消除GNSS坐标时间序列中的噪声,提高变形监测的精度。

一种新的基于非下采样Contourlet变换的自适应图像去噪算法

提出了一种新的结合非下采样Contourlet变换(NSCT)和斯坦无偏风险估计(SURE)的自适应图像去噪方法。通过NSCT对含噪图像进行分解,根据斯坦无偏风险估计准则对分解后的噪声图像进行均方误差E_(MS)估计,并依据得到的E_(MS)构造线性自适应阈值方程,对含噪图像的每一个分解子带进行阈值去噪。对自适应阈值去噪后的图像分解子带进行重构,得到去噪图像。实验结果表明,该方法可以有效地消除标准图像和自然图像中的噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有算法。

基于SURE-LET和非张量积小波的遥感图像去噪

针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤.通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果.实验结果表明:此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET方法.

基于Curvelet的Stein无偏风险估计图像去噪

基于Stein无偏风险估计(SURE)和阈值的线性展开式(LET),提出基于Curvelet的SURE-LET图像去噪方法。Curvelet变换实现了对于二阶可微奇异性(C2-singularity)分段连续目标的最优稀疏表达,同时Curvelet阈值保持了曲线奇异性和增强去噪能力。不同于已有算法,SURE方法不必为原始图像假设统计模型。非线性处理在Curve-let变换域执行,最小化操作在图像域进行;去噪过程可以表达为基元去噪过程的线性组合,即LET。SURE和LET两个原则使去噪算法仅解决一个线性方程系统,快速而有效。实验对多幅标准图像进行诸方法的去噪比较,结果表明,该方法优于单纯的Curvelet和SURE-LET去噪方法,相比于Db5小波、BiShrink也具有一定的优势。