基于离散脊波变换的农作物图像去噪算法

由于农作物生长环境的复杂性,导致在获取农作物图像过程中或多或少存在一定程度的噪声,这给农作物成熟果实的自动化采摘造成了很大不便。因此,结合离散脊波变换,提出了1种农作物图像自适应去噪算法,该算法通过对图像实现多尺度脊波变换,保持低频分解系数不变,对于高频分解系数,首先分别采用改进非局部均值滤波算法(improved non-local means filtering,INLM)以及改进小波硬阈值去噪模型进行消噪;然后实现低频分解系数与各自消噪后的高频分解系数重构,从而获得2幅重构图像;最后实现2幅重构图像的等权融合处理,获得消噪后的农作物图像。结合相关试验,分别将该算法与经典非局部均值滤波算法(non-local means filtering,NLM)、已有的改进非局部均值滤波算法以及小波硬阈值去噪算法进行去噪效果比较,主观、客观分析结果表明,用该研究算法处理后的图像清晰度较高且残留噪声较少。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分解系数重构.分别采用该滤波算法、维纳滤波、小波阈值法以及均值滤波进行高斯噪声滤除处理,试验证明该滤波算法去噪后图像的PSNR值明显高于其他三种方法.     

基于SARM的管道声波信号降噪方法北大核心

天然气管道声波信号中的噪声容易干扰管道泄漏识别检测,因而提出了一种均值近似值移除方法(Small Approximations Removal by Means,SARM)去除声波信号中的噪声。SARM以低频小波重构系数为信号均值线,继承了小波分析(Wavelet Analysis,WA)良好的时频分辨特点,将信号均值线附近的小波动去除,使曲线光滑的同时又很好地保留信号突变特征,获得良好的降噪效果。实例分析表明:相比小波包(Wavelet Packet,WP)、WA及奇异值分解(Singular Value Decomposition,SVD)方法,SARM具有更好的降噪效果,为天然气管道的泄漏检测与定位提供了一定的技术支持。     

基于SARM的管道声波信号降噪方法

天然气管道声波信号中的噪声容易干扰管道泄漏识别检测,因而提出了一种均值近似值移除方法(Small Approximations Removal by Means,SARM)去除声波信号中的噪声。SARM以低频小波重构系数为信号均值线,继承了小波分析(Wavelet Analysis,WA)良好的时频分辨特点,将信号均值线附近的小波动去除,使曲线光滑的同时又很好地保留信号突变特征,获得良好的降噪效果。实例分析表明:相比小波包(Wavelet Packet,WP)、WA及奇异值分解(Singular Value Decomposition,SVD)方法,SARM具有更好的降噪效果,为天然气管道的泄漏检测与定位提供了一定的技术支持。     

基于VMD和KFCM的轴承故障诊断方法优化与研究

针对机械设备轴承故障振动信号具有强噪声、非线性、非平稳特性并致使故障特征信息难以提取的问题.提出了一种利用变分模态分解(Variational Mode Decomposition, VMD)和改进模糊聚类算法相结合的机械故障诊断新方法.首先,对采集的故障数据采用VMD和奇异值分解方法进行预处理,去除异常值及噪声;然后,采用核模糊C均值聚类(Kernel-based Fuzzy C-Means clustering, KFCM)算法来进行不同故障类型数据划分,通过计算分类系数、平均模糊熵和海明贴近度对其分类性能进行评估;最后,利用粒子群算法(PSO)对KFCM训练状态的参数进行优化.通过仿真分析和实验数据验证,该方法不仅表现出更优的分类性能,能精确、稳定进行故障识别,而且只需要少量样本数据进行训练,从而使诊断的工作量和诊断时间大为减少,为大型旋转机械设备在线故障诊断提供了理论依据.     

基于软阈值的图像增强

图像增强技术是数字图像处理的的一个重要分支,提出了一种小波软阈值的图像增强算法,首先对原图像进行小波分解,得到分解后的小波系数,对给定的阈值,应用局部小波软阈值方法对小波系数处理,再将处理后的图像进行小波逆变换,得到增强后的图像.该方法在增强图像的同时,有效地抑制图像的噪声,较好地保持图像的边缘结构.     

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解（bidimensional empirical mode decomposition,BEMD）中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数（intrinsic mode function,IMF）子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。     

基于小波变换的语音信号去噪

利用小波的时频域局部化特性,解决语音信号的去噪问题。文中给出了语音信号的小波去噪算法,并基于不同的阈值选取,提出了采用适合于语音信号的浮动阈值,实验表明去噪效果好,提高了语音信号的识别率。     

基于CEEMDAN-DFA与FCM聚类算法的大地电磁强噪声识别与抑制

CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise,自适应噪声的完备经验模态分解)-DFA(detrended fluctuation analysis,去趋势波动分析)滤波算法首先将含噪信号进行CEEMDAN分解,并以DFA方法提供的标度指数为依据,然后从分解得到的本征模态函数中自适应地选取有用的分量去重构信号.仿真试验表明,在不同信噪比背景下,该方法相对于小波阈值和EMD(empirical mode decomposition,经验模态分解)-DFA方法具有一定的优越性.此外,选用模糊熵与短时能量作为模糊C均值(Fuzzy C-means,FCM)聚类算法的特征参数,对受典型强噪声干扰的大地电磁信号进行信噪识别,获得了较好的识别效果.鉴于此,将这2种算法相结合对实测信号中受到强干扰的部分进行识别与噪声抑制.结果表明,该方法能有效地克服传统整体滤波处理产生的过处理现象,在压制强噪声的同时能较好地保留实测数据中有用的低频成分.     

基于分段波形的信号瞬时频率计算方法

针对局部均值分解（Local Mean Decomposition，LMD）中乘积函数（Product Function，PF）分量的瞬时频率计算问题，引入了一种新的信号瞬时频率计算方法.该方法基于分段波形，先将信号分成若干个全波段（full wave），然后以一组递增的反正弦函数定义每个全波段的瞬时相位，进而得到信号的瞬时频率.由该方法得到的瞬时频率理论上是正的、稳定的并且能够确保信号局部特征信息的完整.应用该方法计算了仿真信号和实际齿轮故障振动信号的瞬时频率，并与其他方法求得的瞬时频率进行了对比.结果表明，本文方法非常适合求取信号的瞬时频率.     

基于小波变换的语音信号去噪

利用小波的时频域局部化特性，解决语音信号的去噪问题。文中给出了语音信号的小波去噪算法，并基于不同的阈值选取，提出了采用适合于语音信号的浮动阈值，实验表明去噪效果好，提高了语音信号的识别率。     

一种基于轮廓波变换的高效率去噪算法研究

为提高地震属性剖面的信噪比和空间分辨率,提出了一种基于轮廓波变换的高效率去噪算法。该方法利用地震剖面能量分布的空间特征,结合9-7正交滤波器组和方向滤波器组对原始采集的地震剖面进行多尺度分解,根据有效地震信号和噪声信号分解后的差异性设计了一种自适应的阈值滤波器,通过拉普拉斯金字塔重构地震数据实现轮廓波变换去噪。试验结果与小波变换算法的去噪结果对比论证表明,基于轮廓波变换的高效率去噪算法能够有效压制噪声,提高地震信号的信噪比,处理后效果较小波变换有明显提高。     

基于小波去噪和EMD算法在齿轮故障检测中的应用

小波去噪和EMD算法(Empirical mode decomposition,EMD)被广泛地运用在非平稳信号分析中。为了减小外部噪声及局部噪声对蜗轮蜗杆减速机振动信号干扰,降低样条插值时的拟合误差,提高EMD分解的质量,提出了一种基于小波去噪和EMD算法相结合的方法,对正常和有断齿的齿轮振动信号进行测试分析。结果表明,该方法能够准确地得到特征频率,判断出故障类型,证实了该方法在诊断蜗轮蜗杆减速机蜗轮故障的有效性。     

基于CL多小波的语音信号去噪

本文重点分析并设计了多小波预处理及多小波的分解重构办法，并提出一种基于CL多小波的带噪语音信号去噪方法，实验证明该方法可以有效的去除语音中的噪声，同时，能较好的保留视听效果。     

基于提升小波变换的薯类视觉图像滤波处理

对农产品检测过程中所获得的视觉图像中时常出现的噪声滤波问题进行研究,以薯类视觉图像为例提出了一种基于提升小波变换的自适应滤波算法。该算法首先采用分解、预测、更新对噪声图像进行单层提升小波变换,保留低频分解系数不变;其次对高频分解系数采用自适应Canny边缘算子进行边缘轮廓提取,保留边缘轮廓,对图像剩余部分进行有针对性地自适应滤波;再提出一种新型小波阈值函数模型对低频分解系数进行噪声抑制,最后进行分解系数重构。为了进一步改善滤波后图像的视觉效果,采用自适应同态滤波进行增强处理。仿真结果表明,该算法对薯类等农产品视觉图像中噪声的处理比小波阈值法、自适应中值滤波算法有优势。     

基于小波阈值–卡尔曼的水田旋耕平地机倾角信号的去噪方法

基于全球卫星导航系统(GNSS)的水田旋耕平地机田间试验,采集平地机在调平过程中的倾角信号,采用小波硬阈值法,获取低频信号,并实时估计倾角信号的噪声方差,作为卡尔曼滤波的修正信息,再将低频信号作为系统输入,运用卡尔曼滤波对信号进行二次修正。试验结果表明：小波硬阈值–卡尔曼融合算法的滤波效果优于单一的小波阈值法和卡尔曼滤波,倾角信号经融合算法处理后,信号的信噪比由21.704提高到39.116,均方根误差从0.035 1减小至0.012 6。倾角信号中的噪声成分明显减少,信号的精确度更高。     

小波分析在振动攻丝扭矩信号滤波中的应用

介绍了小波分析理论及小波变换的快速算法 ,讨论了该理论在振动攻丝扭矩采样信号滤波中的应用 ,通过对所获得的扭矩信号进行小波变换 ,将其分解成若干个互不重叠的频带 ,利用阈值量化处理的方法去除噪声 (高频信号 ) ,再将剩余部分进行重构 ,形成了抑制噪声的滤波信号 .实验结果表明 ,该方法对采样信号进行滤波是十分有效的 ,对提高扭矩测量值的计算精度很有利     

基于小波域局部能量最大化的农产品图像滤波算法

提出一种农产品图像自适应滤波方法。首先,对原始图像进行单层小波分解,对于得到的背景图像采用直方图均衡化算法进行灰度拉伸处理,对于得到的细节图像采用一种基于局部图像块的改进加权均值滤波算法进行去噪,分别将处理后的背景、细节图像进行逆小波变换得到去噪图像,记为图像1。其次,对原始图像进行经典均值滤波,将滤波后图像记为图像2。最后,将图像1和图像2划分成规则尺寸的图像块,对2幅图像中处于相对应位置的图像块按照局部能量最大化原则进行融合。结果表明,该算法对于农产品图像的处理效果优于小波阈值去噪和均值滤波算法。     

应用独立成分分析和小波分解对木材声发射信号的析取

选取常温气干状态表面无缺陷的樟子松(Pinus sylvestris var.mongolica Litv.)实木为试验材料,制成长800 mm、宽60 mm、厚30 mm的试件。使用UTM5105型万能力学试验机对试件进行破坏性试验,以500 kHz的采样频率采集木材三点弯曲试验产生的声发射(AE)信号,截取试验后期幅值无显著变化的一段原始信号作为研究对象。采用依据负熵最大化的快速独立成分分析(FastICA)盲源分离算法将原始信号分离成噪声和声发射信号,再对分离后的声发射信号进行5层小波分解后重构声发射信号波形;对重构声发射信号进行频域分析,通过与已知声发射信号的频域特征比较,验证信号析取的有效性。结果表明：构建的依据独立成分分析和小波分解(FastICA-Wavelet)的声发射信号析取方法,能够从混有声发射信号的类噪声信号中分解出声发射信号,利用小波分解能够进一步降低非独立噪声成分的影响。     

基于ICEEMDAN和小波阈值的滚动轴承故障特征提取方法

[目的]针对滚动轴承故障信号非线性、非平稳特征导致的故障特征频率难以提取的问题,提出了一种基于改进的带有自适应白噪声的完全集合经验模态分解(ICEEMDAN)和小波阈值降噪的滚动轴承故障特征提取方法。[方法]首先用小波阈值降噪对故障信号进行预处理,然后利用ICEEMDAN对降噪后的信号进行模态分解,产生一系列的固有模态函数(IMF),并根据互相关系数法提取与原信号相关的模态分量,作各层模态分量的包络谱图,提取滚动轴承的故障特征频率。[结果]通过仿真试验与滚动轴承故障试验分析,并将其与集合经验模态分解(EEMD)处理的进行比较,基于ICEEMDAN方法分解后的包络谱幅值更加明显。[结论]本研究提出的方法能精确地提取滚动轴承的故障特征频率。