DRSTN:深度残差软阈值化网络

在采用深度残差等神经网络模型解决图像分类任务时,特征提取过程损失的一些重要特征会影响模型的分类性能。神经网络“端到端”的学习模式带来的黑盒问题,也会限制其在诸多领域的应用和发展。另外,神经网络模型往往需要较长的训练时间。为了提高深度残差网络模型的分类效果和训练效率,引入了模型迁移方法和软阈值化方法,提出了DRSTN(Deep Residual Soft Thresholding Network)网络,并对此网络结构进行微调,生成了不同版本的DRSTN网络。DRSTN网络的性能得益于3个方面的有机整合:1)通过梯度加权类激活映射(Gradients-weighted Class Activation Mapping,Grad-CAM)方法对网络的特征提取进行可视化,根据可视化结果挑选进一步优化的模型;2)基于模型迁移,研究人员不必全新地搭建模型,可以直接在已有的模型上进行优化,能够节省大量训练时间;3)软阈值化作为非线性变换层嵌入到深度残差网络体系结构中,以消除样本中不相关的特征。实验结果表明,在相同训练条件下,DRSTN_KS(3*3)_RB(2:2:2)网络在CIFAR-10数据集上的分类精度相比SKNet-18,ResNet18和ConvNeXt_tiny网络分别提高了15.5%,8.8%和10.9%;该网络也具有一定的泛化性,在MNIST和Fashion MNIST数据集上能够达到快速的迁移效果,分类精度分别达到99.06%和93.15%。

基于软阈值降噪的脉冲卷积神经网络轴承故障诊断方法

针对工业场景下滚动轴承信号易受噪声干扰,导致故障诊断准确率低和稳定性差的问题,本文提出一种基于软阈值降噪的脉冲卷积神经网络诊断方法。该方法使用软阈值滤波去噪,运用带时间标签的卷积层处理二维信号,增强动态特征提取能力。同时,通过引入IF和LIF神经元实现对时域和频域信息的联合编码,并采用替代梯度法进行端到端训练。实验结果显示,在信噪比为6dB时,所提方法的诊断准确率达100%,在信噪比为-6dB时诊断准确率达77.33%,优于其他常用方法,表明所提方法在噪声下具有良好的诊断效果和稳定性。

基于视觉传达技术的无参考低光照图像增强方法

为了优化低光照图像增强效果,提出基于视觉传达的无参考低光照图像增强方法。所提方法通过全景成像技术重构低光照图像,并采用计算机原理模拟光学成像系统,引入多重分形法和半软阈值指数衰减法去除重构图像上的噪声。通过亮暗双通道系数计算图像增强过程中的最佳透射率,并以此透射率对低光照图像展开增强处理。实验结果表明,所提方法重构图像完整、图像整体质量高、SIMM值接近于1,在不影响图像清晰度的前提下实现了图像去噪,对低光照图像的增强效果明显,避免了增强过程中的图像曝光,做到了图像细节的完整保留。

基于改进的小波软阈值法的SAR图像去噪

斑点效应是SAR图像所不可避免的 ,在不降低图像空间分辨率前提下消除或最大限度地抑制斑点噪声 ,是当前研究的热点。本文介绍了一条能够让小波技术更好地应用于雷达图像去噪而实现起来又非常简便的途径———将原始雷达图像作对数变换 ,将乘性噪声转化为加性噪声 。

基于改进极限学习机的心律失常分类

针对心律失常分类性能受输入信号质量、提取的分类特征集及分类器三者共同影响,为准确分类,提出一种新的利用软阈值小波消除心电信号噪声、核主成分分析约简心电信号原始特征集及极限学习机(ELM)分类的组合方法。同时由于基本ELM用于心律失常分类问题时随机初始化输入参数易导致部分隐含层节点无效,从而需要大量的隐含层节点才能达到分类性能要求的问题,提出采用遗传算法(GA)优化ELM,用MIT-BIH心律失常数据库进行实验,对六种不同类型的心律心拍得到98.68%的平均分类准确率,98.19%的平均灵敏度,98.64%的平均特异性,实验结果表明,所提方法在运行时间上更快,准确率更高,适合于心律失常分类的实际应用。

基于小波阈值法去噪的建筑物变形监测数据处理

基于小波阈值法具有非常明显的渐进近似最优性质,可以在均方差意义下取得最优的去噪效果,利用小波阈值法去噪的技术,对一组建筑物变形监测数据进行去噪处理。实验结果表明,小波阈值去噪合理有效,能够敏感识别观测噪声和有用信息,不需要待检测信号的先验知识,特别适合于建筑物变形监测数据处理。

一种改进的小波阈值去噪算法及其仿真分析

针对小波阈值去噪方法中传统软硬阈值法各自存在的缺点,提出了开方法阈值去噪法。该方法对阈值的处理采用开方逼近的思路,使其曲线能很快逼近硬阈值方法曲线,并具有较好的连续性,克服了硬阈值法不连续和软阈值法有恒定偏差的缺点。通过仿真试验将开方法与其他三种方法的去噪效果进行了对比。结果证明,新方法兼顾了软硬阈值法的优点,去噪效果更好,信噪比更高。

小波阈值去噪法在农药荧光分析中的应用

在农药荧光分析中,最大峰值波长对应的荧光强度的信息直接关系到检测的精度。该文提出用小波变换法对测得的农药荧光光谱进行消噪处理。鉴于软阈值和硬阈值2种方法均存在一定的缺陷,介绍一种新的阈值处理方法——软硬阈值折衷法,并将使用该方法进行小波去噪后的荧光光谱图与用传统模拟低通滤波器去噪后的光谱图进行了比较。结果表明,经小波去噪后的荧光光谱图更多地保留了原信号的信息,有助于提高系统的检测精度。

双树复小波和局部投影算法在齿轮故障诊断中的应用

齿轮故障振动信号往往表现为非线性非平稳特性,并且早期故障振动信号往往包含较强的背景噪声,不利于故障特征的提取。针对该问题,提出了基于双树复小波变换和局部投影算法的齿轮故障诊断方法。首先,对故障信号进行双树复小波变换,得到不同尺度下的小波系数和最后一层的尺度系数,并计算各层小波系数的模与相角。然后,选择模周期性较强的小波系数或尺度系数进行局部投影算法处理,得到周期性增强的系数的模,并选择合适的阈值进行软阈值处理。最后,利用处理后的系数进行双树复小波重构,从而提取出齿轮故障特征信号,进行希尔伯特包络解调分析便能准确地得到故障特征频率。仿真信号和工程应用表明,该方法能够有效地提取齿轮故障特征信息,提供了一种齿轮故障特征提取的新方法。

基于PSO优化小波变换的测井信号去噪研究

小波变换被广大科研工作者用于测井信号去噪研究上,而小波参数的选取直接影响最后的去噪效果,所以需要设计获取测井信号最佳小波变换参数的算法。为应对测井信号处理中多种多样的情况,创新性地提出用粒子群算法来改进小波变换参数的选取,并应用随机惯性权重策略改变粒子群算法权重参数,提升粒子群算法收敛速度,增强搜索寻优能力,引入自然选择机制以增加种群多样性,获得对应测井数据的最佳小波变换参数,将最佳小波变换参数应用到阈值法小波变换去噪中,有效分离了有用信号和无用噪声。该算法有效地提高了测井信号的信噪比,降低了均方根差,实现了对测井信号中噪声的有效去除。

小波去噪方法的仿真研究

介绍了小波软门限和硬门限法去噪的处理方法 ,分析了采用不同的小波进行软门限去噪的效果 ,比较了软门限去噪和硬门限去噪的特点。仿真结果表明 ,对高斯白噪声的去噪处理 ,选用db8小波比用sym1和haar小波可以得到更好的去噪效果 。

基于双边滤波与小波阈值法的矿区遥感图像处理

矿区遥感图像为开采沉陷监测与预计提供了大量的精确数据,对于实现矿区开采沉陷高精度监测与预计发挥了重要作用。由于矿山遥感图像受到矿区复杂的自然环境、成像系统电压不稳定等因素的干扰,导致实地获取的矿山遥感图像在很大程度上受到噪声干扰,图像整体较模糊,难以准确提取有用信息。为此,将双边滤波算法与小波阈值去噪算法相结合,提出了一种矿区遥感图像去噪算法。鉴于双边滤波算法具有较好的边缘保持性能,故首先采用该算法对矿区遥感图像进行处理,以滤除一部分噪声;然后对初次滤波后的图像进行3层小波分解,对分解得到的低频分解系数不作处理,对高频分解系数提出了一种小波域指数型阈值去噪模型进行滤波;最后通过低频分解系数与滤波后高频分解系数重构,获得了高清晰度的矿山遥感图像。采用某矿区2幅遥感图像进行试验,并采用双边滤波算法、小波软阈值去噪模型与新算法进行试验对比,结果表明:新算法在去除噪声的同时,能够最大限度地保持图像细节信息的完整性,其性能总体优于其余2类算法,对于高效处理矿山遥感图像,进而提高矿山开采沉陷监测与预计精度有一定的参考价值。

软硬滤波抑制周期性窄带干扰

分析了GIS局部放电检测中出现的周期性窄带干扰信号特征,提出了基于SDTM阈值法的小波变换抑制周期性窄带干扰的原理和算法,并结合设计的微带线滤波器用软硬滤波联合抑制周期性窄带干扰。仿真与实测研究表明,SDTM阈值法优于MINIMAXI和HEURSURE阈值选取法,其阈值的选取与样本的平均值和局部观察值有关,根据信号的大小决定且在小波变换的不同尺度上有一定的自适应性,能有效抑制周期性窄带干扰,用软硬滤波法先硬件滤波再小波处理能实现局放信号的有效提取。

小波阈值去噪方法在矿井电法数据处理中的应用

根据矿井高密度电阻率法数据的特点,创新性地应用了小波阈值去噪方法对其进行处理。为了克服软、硬阈值函数存在的缺陷,提出了软、硬折中的新阈值函数。通过汶南煤矿41106工作面西下巷实测资料的处理,认为新阈值函数处理下的数据反演结果和实际情况更加吻合,效果更好,说明小波阈值去噪方法在矿井高密度电法数据处理中有效、可行。

煤矿监测图像去噪算法中小波基的选取

图像去噪是煤矿监测图像处理中重要的预处理过程。小波阈值法是一类重要的图像去噪算法。在Matlab7.0环境下,采用不同消失矩的Daubechies族小波函数对加噪图像进行处理,分析消失矩对降噪后图像信噪比的影响,为小波基的选取进行指导。

改进的软硬阈值法及其在地震数据降噪中的研究

采集的野外地震数据伴随有随机噪声干扰,需要将其消除。软硬阈值法能够压制地震数据的噪声信号,但是降噪效果并不理想。因此,提出了一种改进的软硬阈值算法用于地震数据降噪。首先利用软硬阈值法原理构建了一种新的阈值降噪法,并对新算法相关特性进行了研究,通过仿真实验确定了新阈值算法的小波基为sym 3,利用均方差和信噪比对新阈值降噪法的降噪效果进行了评价。最后,将新阈值降噪法用于实际地震数据降噪,结果发现新阈值降噪法能够去除地震数据中的随机噪声,降噪效果较软硬阈值法更理想。

预光滑子正则化求解的图像修复策略

由于传感器噪声或者拍摄抖动,容易导致数字图像含有噪声,所以必须对模糊图像进行修复处理,本文针对正则化模型在图像修复中还存在的抗噪性能较差的问题,提出了一种预光滑子正则化求解的图像修复策略。首先采用软阈值对正则化去噪模型进行最优化求解,然后构建基于离散小波的多重网格,然后为了得到最优正则化参数,采用预光滑子策略对其最粗层进行优化,并采用软阈值方法消除残留的高频信息。算法仿真实验结果表明,本文提出的方法在大多数噪声水平下比其它方法表现更优秀,并且计算时间明显比其它方法更少。

基于小波变换的阈值语音信号去噪

介绍了小波变换在语音去噪方面的应用概况。详细阐述了阈值法中的软阈值和硬阈值方法及它们的不足之处,并针对其缺点提出了软硬阈值折衷法去噪算法。最后,通过实验证明了该算法的优越性。

动态变形信号小波阈值降噪模型研究

由于小波分析具有时频多分辨功能,小波去噪方法能在降噪的同时,更有效地保留有用信号。讨论小波阈值去噪中软阈值和硬阈值方法,然后针对硬阈值法不连续和软阈值法有偏差的缺点,研究一种有效的GPS动态变形监测数据的小波阈值降噪模型,并进行降噪实验,取得令人满意的结果。

基于指数阈值迭代法的高精度地震数据重建

地震勘探数据采集中,地震道缺失是不可能避免的现象。为了满足后续处理和解释的要求,缺失道数据重建是地震勘探数据处理中必不可少的预处理环节。为此,提出一种基于指数阈值迭代法的高精度重建方法进行叠前重建。引入能够刻画地震数据局部化特征的多尺度多方向二维曲波变换,采用阈值迭代法进行数据重建,并在迭代过程中采用软阈值算子去除由欠采样所引起的随机噪声干扰。同时在重建过程中针对传统阈值参数收敛速度较慢的缺点,提出了一种新的指数阈值参数公式,降低计算迭代次数和提高重建精度。理论数据的模拟表明,该方法重建效果显著,计算速度较快,应用于实际地震勘探资料,获得较好的重建效果。