用Wiener滤波方法提取台站接收函数

本文提出了一种在时间域用Wiener滤波方法提取台站接收函数的方法 ,用远震P波波形的垂直分量为输入 ,接收函数作为滤波因子 ,远震P波波形的径向和切向分量作为期望输出 ,通过期望输出与实际输出的均方误差达极小 ,来提取接收函数。接收函数的计算可归结为Toeplitz方程的求解 ,可以采用Levinson递推算法。Toeplitz方程的非奇异性保证了Wiener滤波反褶积方法的稳定性。合成地震图与观测地震图的检验表明 ,用Wiener滤波方法测定台站接收函数是一种有效的时间域反褶积方法。

基于小波变换的Wiener滤波方法在农产品图像去噪中的应用

农产品图像的去噪是农产品图像处理中最基本、最重要的工作之一。为了更有效地去除农产品图像中的噪声。受二维离散Wiener滤波器计算方法的启发,提出了一种基于小波变换的Wiener滤波方法。该方法采用小波变换和Wiener滤波相结合的方法,具有稀疏性、多分辨率、去相关性、选基灵活性和在MSE意义上对图像进行最优估计的优点。该方法首先对含噪农产品图像ano做第一次小波变换得到低频图像a1和水平、垂直和对角三方向的高频图像hd1、vd1及dd1;其次对低频图像a1做Wiener滤波得到a1w,再对3个高频图像分别做Wiener滤波并合成得到g1w;接着对低频的a1w和高频g1w做小波逆变换,得到滤波图像“a1w+g1w”。同时,考虑到噪声主要在高频部分,所以直接把低频的a1和高频g1w做小波逆变换,得到滤波图像“a1+g1w”。这是对含噪图像ano做第1次小波变换的情况,其第2次、第3次及第4次变换的情况与此类似。这样可以得到许多滤波图像,然后根据图像信噪比PSNR和视觉效果,最终确定去噪效果最好的农产品图像。该方法应用于红枣、小麦杂草等农产品图像的去噪中,结果PSNR为158.23(视觉效果清晰),好于邻域平均法(PSNR为154.14)、中值滤波法(PSNR为155.82)、数学形态学(PSNR为154.07,视觉效果偏黑)、高斯滤波法(PSNR为153.79,视觉效果太黑)、直接维纳去噪(PSNR为154.14)和小波去噪(PSNR为158.18)等多种方法。试验结果表明,基于小波变换的Wiener滤波方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点;基于小波变换的Wiener滤波方法用于农产品图像去噪是有效的、可行的。

基于小波变换的Wiener滤波算法去除苹果图像噪声

在小波变换的基础上,提出了一种基于小波变换的Wiener滤波去噪方法。采用该方法对苹果图像的加性噪声(高斯白噪声)去噪,结果PSNR为184.94,视觉效果清晰(而含噪声图像的PSNR为158.23,噪声太多不清晰),好于邻域平均法(PSNR为174.15,视觉上含部分噪声)、中值滤波法(PSNR为182.42)、小波阈值去噪(PSNR为171.59,视觉上也含部分噪声)和Wiener滤波去噪法(PSNR为173.65)的去噪结果,更好于数学形态学的去噪结果(PSNR为150.46,视觉上含较多噪声)。试验结果表明,基于小波变换的Wiener滤波方法对苹果图像加性噪声的去噪效果具有信噪比高、视觉效果好等优点。

基于Bayesian估计和Wiener滤波的阈值去噪方法

基于阈值的小波域去噪方法的核心是阈值选取 ,通过最小化一个Bayesian风险函数得到一种自适应阈值 ,结合线性滤波中具有代表性的Wiener方法 ,提出了一种新的去噪方法 .实验结果表明 ,该方法能有效地去除图像中的白噪声 ,同时还能较好地保留图像的边缘信息 。

离焦模糊数字图像的Wiener滤波频域复原

离焦模糊图像的退化模型可用均匀分布的圆盘函数表示 ,其对应的圆盘半径是需辨识的退化模型参数 (即模糊半径 )。利用模糊图像的频率域中的零点位置来估计模糊半径 ,采用简化Wiener滤波对模糊图像进行复原。实验结果表明该方法能够以较少的运算时间代价获取较好的复原效果 。

应用自解卷积和增量Wiener滤波实现迭代盲图像复原

提出了一种基于自解卷积和增量Wiener滤波的迭代盲图像复原算法(SDIWF-IBD)。将自解卷积点扩散函数估计法应用于迭代盲目反卷积,准确估计了点扩散函数频域;在图像估计时使用增量Wiener滤波,确保算法稳定收敛。为进一步控制算法收敛速度,引入内迭代加速方法,有效减少了算法的外部迭代次数。实验结果表明,复原后图像细节明显增加且失真小,算法快速收敛于较小误差。该算法复原效果良好,收敛快速可控,有利于实时应用。

基于Wiener滤波的小目标检测方法

红外云背景中小目标检测是红外成像技术的一种典型应用。为了检测红外云背景中的弱小目标,分析了背景特性,建立了红外场景模型,提出了一种基于Wiener滤波的自适应背景抑制方法。经过去除虚假目标和目标分割,再利用目标运动的连续性和规则性进行目标检测和跟踪。对包含了仿真目标的红外云背景图像序列进行了实验,结果表明,该方法能够有效地从信噪比为2.0的背景中检测到小目标。

基于Wiener滤波,K-L变换和BP网络的数字识别

研究基于传统模板匹配的识别灰度图像中数字的方法 .在对大量样本图像模板进行 Wiener滤波的基础上 ,利用 K- L 变换进行特征提取 ,用低维子空间描述高维空间中的图像 .将低维子空间中的向量加载到 BP网络的输入端进行训练 ,调整神经网络权值 .权值稳定后 ,在网络输入端加载经过预处理的待识别灰度数字图像 ,在输出端即可得到识别结果 .该方法有效地利用了 Wiener滤波器以最小方差对原始信号的恢复能力、K- L 变换的降维特性和

结合结构张量和Wiener滤波的图像去噪算法

利用图像的结构张量表示的局部结构信息,结合Wiener滤波给出了一种图像去噪算法,并采用了加性算子分解格式求解非线性扩散方程以提高计算效率。实验结果表明,该算法在去除噪声的同时很好地保持了图像中的强弱边界等细节特征,去噪后的图像在峰值信噪比和主观视觉效果上都有显著提高。

基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在 1/f噪声中的有用信号恢复问题 ,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法 ,并设计出多尺度Wiener滤波器 .首先 ,利用双正交小波变换将带有 1/f噪声的信号分解成多尺度的子带信号 ,通过小波变换对 1/f噪声的白化作用 ,消除了 1/f噪声的非平稳性、自相似性和长程相关性 .其次 ,在小波域内 ,利用Wiener滤波 ,实现了噪声和有用信号的分离 ,估计出了各子带中的有用信号 .最后 ,利用双正交小波的精确重构性 ,较好地恢复出淹没在 1/f噪声中的有用信号 .仿真实验表明 ,该滤波器能有效的抑制分形噪声 。

广义系统Wiener滤波和Kalman滤波新方法

应用时域上的现代时间序列分析方法，基于ＡＲＭＡ 新息模型和白噪声估计理论，提出了广义系统的Ｗｉｅｎｅｒ 状态估值器和稳态Ｋａｌｍａｎ 估值器．它们可统一处理最优滤波、平滑和预报问题．它们避免了求解Ｄｉｏｐｈａｎｔｉｎｅ方程和Ｒｉｃｃａｔｉ 方程，因而构成了Ｗｉｅｎｅｒ 滤波和Ｋａｌｍａｎ 滤波新方法．

基于小波包变换与Wiener滤波的SMT焊点图像去噪技术

针对目前SMT(surface mount technology)焊点图像去噪效果不理想的问题,提出了一种基于小波包变换与wiener滤波的SMT焊点图像去噪新方法。利用小波包对图像进行分解,可以同时对SMT焊点图像的低频和高频部分进行多层分解,有利于保留图像信息,减少噪声对图像的影响。通过对图像的小波包系数的分析,对小波包树高频系数进行Wiener滤波,保留低频系数;然后进行小波包反变换,重构得到SMT焊点去噪后图像。实验表明,提出的方法不仅可以有效地去除SMT焊点图像的噪声,而且能很好地保留原图像的边缘信息,与传统方法相比,去噪性能和去噪声效果有一定的提高。

一种有效的小波-Wiener滤波去噪算法

把Wiener滤波和小波变换结合起来,提出了一种小波-Wiener滤波去噪算法.仿真结果表明,利用该算法去噪后的图像主观质量和峰值信噪比比Wiener滤波去噪和小波变换门限去噪后的图像都要好.

解决多通道Wiener滤波问题的ARMA新息滤波器

应用现代时间序列分析方法，提出了解决多通道Ｗｉｅｎｅｒ滤波问题的ＡＲＭＡ新息滤波器。它由构造ＡＲＭＡ新息模型和解一个Ｄｉｏｐｈａｎｔｉｎｅ方程组成，可统一处理最优滤波、平滑和预报问题，可处理非平稳信号和噪声，并引出一种等价的Ｗｉｅｎｅｒ滤波器。仿真例子说明了其有效性。

结合Ridgelet变换与Wiener滤波的苹果图像去噪算法

实现农产品图像噪声的有效滤除,是农产品图像处理的一项基础性工作。针对苹果图像中经常出现的各类随机噪声,以高斯白噪声和脉冲噪声构成的随机噪声模型为研究对象,结合Ridgelet变换与自适应Wiener滤波,提出了一种苹果图像自适应去噪算法。该算法首先对噪声图像进行二维Ridgelet分解,根据高频和低频Ridgelet分解系数中噪声分布特征,设计出2类基于可调节参数的阈值函数模型;对经典全局阈值进行改进,使其能根据分解层数的变化而自适应调整阈值大小;然后对阈值化处理后的Ridgelet系数重构。最后,提出了一种修正自适应Wiener滤波算法对重构图像出现的"环绕"现象进行处理。结果表明,滤波算法性能优于小波硬阈值(WH)、小波域软阈值(WS)、自适应中值滤波(IAMF),能够实现对苹果图像中噪声的自适应滤除。

自适应Wiener滤波改进LOG算子对激光雷达图像的边缘检测能力

LOG算子是一种经典的边缘检测算子,针对激光雷达图像含有丰富的高斯噪声和乘性噪声干扰。提出一种LOG算子的改进方法:用二维自适应Wiener滤波代替LOG算子中Gaussian滤波。设计了自适应性算法,通过仿真可以看出,该方法有效提高了LOG算子对激光雷达图像的边缘检测能力,是一种实用、有效的方法。

基于LMS-Wiener滤波模型的光伏电站出力预测

出力预测是光伏并网型电站大规模接入电网的关键技术。为了提高预测精度,建立了基于Wiener滤波原理的预测模型,通过引入最小均方算法(LMS)估计模型参数,增强了模型对环境的适应性。以青海地区某大型示范性光伏并网电站为例,利用建立的LMS-Wiener滤波模型和工程中常用的多元线性回归模型分别进行预测和比较。实验结果表明,基于LMS-Wiener滤波的光伏电站出力预测模型预测精度较高,能够满足实际工程的应用需求。

基于小波变换的图像Wiener滤波并行实现

面向大规模数据图像去噪处理高效实现,本文提出一种基于Daubechies 9—7小波分解的方向窗Wiener滤波并行实现方法和阵列结构。首先针对小波变换给出了提升小波变换的并行实现方法和PE间的互联结构。该实现方法极大地加速了小波变换的速度,同时其互联结构又确保了各变换层中存放相同子带系数的PE的直接互联,有效地减少了小波变换和去噪处理中的通信开销。针对Wiener滤波中各子带滑动窗累加求和问题,采用循环前缀求和的处理方式,并行地实现了多窗口的累加求和,极大地降低了Wiener滤波的时间开销,满足大图像帧处理的实时性要求。

Wiener滤波器分解织物图像在织物疵点自动检测中的应用

首先介绍了 Wiener滤波器的算法和织物图像经 Wiener滤波后的分解 ,然后对分解后的经向和纬向子图像划分为 6 4个矩形块 ,对每个矩形块提取灰度极差作为特征值 ,再对特征值进行分析以实现对疵点的自动检测。实验证明了该方法的简单有效性 ,对素色织物的常见疵点具有快速。

结合Wiener滤波和形态学的图像边缘检测方法

提出了一种将Wiener滤波和数学形态学相结合的图像边缘检测方法.首先用自适应Wiener滤波对含噪图像去噪,然后构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,自适应确定权重,将多结构元的边缘检测信息加权求和,得到在噪声存在条件下较为理想的图像边缘.实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法.