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。

广义Stein无偏风险估计与地球物理反问题正则化参数求取

地球物理反演是获取地球信息的重要手段,其求解具有严重的不适定性.为获得稳定的反问题结果,通常需要在目标泛函中加入正则化约束项.正确地估计正则化参数一直是地球物理反问题中的难点.目前存在的选取方法需要根据大量的试验来确定正则化参数,工作量十分巨大,并且存在很大的经验性,很难得到最优的正则化参数.针对这个问题,本文提出了一种基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解模型参数均方误差的广义Stein无偏风险估计函数,在反问题求解过程中自动求取正则化参数.本文模型测试结果表明,相比于目前常用的方法,通过该方法得到的正则化参数是最优的.

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。

SURE准则的非局部SAR图像相干斑抑制

针对传统空域非局部平均方法在合成孔径雷达图像相干斑抑制中存在相似区域提取和方向信息捕获不足的问题,提出了一种基于各向异性高斯方向窗和Stein’s无偏风险估计(SURE)准则融合的非局部均值(NLM)算法。该方法设计多个不同方向的各向异性高斯窗来匹配SAR图像的局部空间几何结构,比传统的方形窗能更好地保护SAR图像中的方向性结构。采用比率测度来衡量图像块间的相似程度,并计算基于该各向异性高斯窗的NLM结果。结合SURE准则来融合不同方向的各向异性高斯窗的非局部平均结果,获得最终的SAR图像降斑结果。针对多幅SAR图像进行对比实验,实验结果表明:该方法在有效抑制SAR图像相干斑的同时能很好地保留图像的几何结构信息,为后续的SAR图像理解与解译提供了良好的基础。

变分模态分解与稀疏SURE的电子图像噪声抑制

为解决电子微结构图像在摄取、传输或存储的过程中易被外界噪声干扰、图像保真度差的问题,提出了一种变分模态分解与稀疏Stein无偏风险估计(Stein unbiased risk estimator,SURE)相结合的图像噪声抑制方法,以铝合金、双相钢与钛合金Ti6Al4V 3种材料的电子背散射衍射图像为例.首先,在已采集的电子背散射衍射图像中加入高斯噪声与Speckle斑纹噪声来模拟被干扰图像;然后,利用变分模态分解方法按照频率尺度将含噪模拟图像分解为固有特征成分与高频噪声成分;继而利用Haar小波冗余字典对固有特征成分进行稀疏表示,在一阶可导收缩函数的基础上推导了稀疏Stein无偏风险估计阈值选择的优化目标函数,最后,利用黄金分割搜索法计算得到全局最佳自适应阈值.结果表明:提出的方法可有效去除外界干扰噪声,提高了图像的峰值信噪比;以铝合金为例,当噪声标准差为30时,提出方法的图像峰值信噪比突破了单一稀疏SURE收缩曲线的最大值,比Neigh-Shrink方法高0.39 dB,比KSVD方法高2.895 dB,比小波阈值去噪算法高3.07 dB.

基于SURE准则的参数自适应InSAR相位非局部滤波

干涉相位滤波是干涉合成孔径雷达(InSAR)处理中的关键步骤,然而传统滤波方法难以兼顾噪声抑制和细节保持的效果,故提出了一种改进的非局部滤波器。滤波参数由Stein无偏风险估计(SURE)准则自适应地选择,在有效降低InSAR相位噪声的同时,保留干涉条纹细节和城市建筑的边缘。通过在仿真数据和TanDEM-X实测数据上分别进行实验,并与传统滤波方法对比分析,验证所提出方法的有效性。

Savitzky-Golay滤波器最优参数的SPR信号分析

表面等离子体共振(surface plasmon resonance,SPR)谱因共振强度、共振位置等不同而呈现不同的幅度和峰宽,需要发展自适应的分析方法才能保证SPR共振峰的精确定位。提出了一种基于Savitzky-Golay滤波器最优参数的SPR谱滤波方法,可根据实时SPR谱的特点优化滤波器参数(拟合阶数和窗宽),使滤波后光谱的均方误差(mean squared error,MSE)的Stein’s无偏风险估计(Stein’s unbiased risk estimate,SURE)最小,采用Monte-Carlo算法实现了SURE的快速求解。经验证,在不同的噪声水平下,SURE都可以准确反映实际MSE趋势及结果。采用搭建的SPR系统,实验测量了不同浓度、不同积分时间下蔗糖溶液的SPR信号,用提出的最优参数对SPR信号进行滤波,结果表明,与固定参数相比,该方法确定的SPR共振峰位置重复性误差较小,且不随噪声的增大而增大。

基于椭圆方向窗的非下采样Contourlet域图像去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet域内子带能量聚集的各异性,在不同尺度、不同方向的子带内,采用不同的椭圆方向窗对窗中心系数进行基于NeighShrink算法的估计。估计时各子带所用椭圆方向窗的主轴方向与图像能量聚集方向一致,椭圆方向窗的长、短轴之比与该尺度下非下采样Contourlet基函数的支撑区间相匹配,椭圆方向窗的最佳大小和该窗内的最佳阈值通过最小化Stein的无偏风险估计获得。试验结果表明,用该椭圆方向窗在能量聚集处能够实现对高频子带系数的最佳估计,在去除噪声的同时尽可能多地保留图像的边缘细节,提高恢复图像的信噪比。

自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较好的去噪效果,而且简便易行.

椭圆方向窗内的小波域图像去噪算法

利用噪声小波系数父子和图像小波系数父子在四叉树上的不同传播特性,首先,将小波系数区分为:噪声系数、图像系数和噪声与图像共存的系数(简称共存系数).然后,将噪声系数置零,图像系数完整保留.最后,利用小波域内子带能量分布的方向聚类性,采用Stein无偏风险估计,为每个子带确定最佳大小的椭圆方向邻域窗,通过最小均方误差准则在该窗内对共存系数进行去噪估计.实验结果表明,该算法实现了信号和噪声的有效分离,提高了真实信号系数方差估计的准确度,在去除噪声的同时尽可能多地保留了图像的边缘细节,提高了恢复图像的PSNR值.

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。

基于改进非局部均值的CPMG信号去噪算法

采用低场核磁共振技术进行检测时,接收到的回波信号微弱且信噪比低,真实的信号容易淹没在背景噪声中,严重影响到后续的反演等操作的准确性.针对这一问题,提出利用非局部均值滤波算法对CPMG(Carr Purcell Meiboom Gill)回波信号进行降噪的方法.首先,对算法中至关重要的参数选择的方法进行分析,提出了利用Stein无偏风险估计的自适应参数选取方法;然后,根据回波信号的特性对算法进行改进,即利用信号点数据方差的不同,自适应地求取各点进行非局部均值滤波时的相似窗宽度;最后,求取利用最优参数进行降噪后的CPMG回波信号.对仿真数据和真实数据的反演结果对比分析表明,该改进的非局部均值滤波算法能够取得更好的滤波效果,能够获得较优的反演谱.

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。

一种正则化图像特征增强中正则参数选择方法

正则化图像特征增强算法能够在保持图像较高分辨力的情况下抑制散斑和旁瓣。选择合适的正则化参数对于正则化算法所形成图像的质量至关重要。本文应用推广到非二次型正则化情形的广义交叉验证(GCV)、稳健广义交叉验证(RGCV)和Stein无偏风险估计(SURE)方法研究正则参数选择策略,推导了特征增强正则化方法中GCV,RGCV和SURE函数的直接计算公式,并提出了修正特征项后快速求取正则解的算法以及一般的不动点迭代算法,从而实现了正则参数的自适应选择。数值仿真和实测数据处理结果均说明所提方法的有效性。

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.

叠后地震数据自适应正则化参数稀疏约束反演方法

在叠后地震数据的稀疏脉冲反演中,正则化约束参数的选取是一个非常关键的问题.目前,最常用的正则化参数选取方法为质量控制法与L曲线法.二者都需要根据大量的试验来确定合适的正则化参数,工作量十分巨大,并且存在很大的经验性与局限性.针对这个问题,本文采用基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解广义Stein无偏风险估计函数,在叠后地震数据的反演求解过程中自适应地求取正则化参数.模型测试与实际数据反演结果表明,相比于目前常用的质量控制法与L曲线法,自适应法得到的正则化参数是更合适的,同时降低了正则化参数求取的工作量.