小波阈值去噪在地震解释图像处理中的应用

在数字图像处理过程中,如何减弱或消除噪声对源图像的干扰是图像预处理技术中的难点和关键步骤。将基于小波变换的阈值去噪方法应用于地震解释图像的预处理中,并采用了一种改进的小波阈值函数,改进后的小波阈值函数可以有效抑制传统软硬阈值方法所带来的固有缺点。给出了具体的算法流程。试验证明,该算法可有效去除三维地震资料相干切片图像中的噪声并保持边缘细节,为下一步对断层的提取及解释提供有力保障。     

一种曲波域蒙特卡罗阈值去噪算法

为促进油气勘探发展,有效识别地震有用信号,提出了一种曲波域蒙特卡罗阈值去噪算法。该算法利用曲波变换的多尺度与多方向性的特点,结合蒙特卡罗阈值滤波来去除随机噪声,再利用循环平移法抑制吉布斯现象,消除人为干扰,增强去噪效果。用该算法对合成地震数据与实际地震剖面分别进行去噪试验,并与小波变换和曲波循环平移算法的试验结果进行对比,证明了该算法能有效地保持有效波信息,增加了弱反射信号能量,很好识别有效信号,优于小波变换去噪算法与原始曲波变换去噪算法。     

一种新的利用人眼视觉特性去噪方法的研究

提出一种新的利用人眼视觉特性去噪方法,该方法充分考虑利用人眼视觉特性确定噪声点,根据窗口内噪声点个数自适应选择合适的滤波窗口大小,采用B样条函数和中值滤波方法对噪声点进行逐点滤除.论文最后给出模拟实验和分析,结果表明该方法是有效的,既能有效地去除图像噪声点,又能较好地保持图像细节部分,为去除图像中的噪声提供了一种新的方法.     

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。     

一种新的基于图像处理的作物叶面积测量方法

以数字图像处理技术为基础,提出一种简化、高精度的作物叶面积测量方案,对从扫描仪获得的含有参照边框和叶片影像的图像进行分析处理,不仅简化了业务流程,还大大提高了测量的精度,应用于作物叶面积的测量计算,获得十分满意的结果。     

一种改进的小波阈值去噪方法

为了改进滤波效果,提高去噪质量,在分析目前被广泛应用的软、硬阈值去噪方法的基础上,提出了一种改进的阈值去噪方法.该方法既兼顾了软、硬阈值函数的优点,同时又在一定程度上弥补了它们在图像去噪中的缺陷.有效克服了硬阈值法去噪信号失真的和软阈值法细节模糊现象.仿真结果表明:该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比定量指标上均明显优于传统的软、硬阈值算法,达到良好的去噪效果.     

提升小波变换及其在信号去噪中的应用

介绍了提升方法(1ifting Scheme)的基本原理,给出了用提升方法构造传统小波的实现方法,并将目前常用的小波转换成提升小波。同时还将提升小波应用到信号去噪中,并进行了数值仿真试验,结果表明,在去噪后信号的信噪比相近的情况下,提升小波与传统小波相比,其优点在于计算简单、编程容易、速度快。     

E MD在叶绿素光谱信号去噪中的应用

基于每个IMF自关联函数的特征,提出了一种新的EMD去噪方法。以检测苗期玉米叶片叶绿素含量为例,首先对原光谱信号采用SNV＋Detrending方法进行预处理,然后利用该方法对预处理后的信号进行去噪,并与小波去噪方法和EMD融合小波去噪方法进行对比,最后应用偏最小二乘回归方法进行校正模型的建立。结果表明：将该方法应用到实际近红外光谱信号去噪中,其预测集决定系数（r2）达到0．984,残差均方根RMSE为0．075,证明该方法在近红外光谱处理过程中具有很好的去噪效果,建立的校正模型具有较高的鲁棒性和推广性。     

小波多分辨率分析在信号去噪中的应用

对于非平稳信号,小波多尺度分解是一种有效的信号去噪方法。在多分辨率分析小波阈值去噪的基础上,提出了一种改进的阈值函数,克服了硬阈值函数不连续的缺点,解决了软阈值函数中存在的恒定偏差．同时具有软硬阈值函数不可比拟的灵活性。仿真试验结果表明,它在对信号消噪时能得到较理想的结果。     

一种新的混合滤波算法

在超限像素滤波的基础上,融合了均值滤波和中值滤波的优点,提出了基于3种滤波的1种新的混合滤波算法．由实验的图像、均方误差（MSE）、峰值信噪比（PSNR）和Q指标可以看出,这种新的混合滤波算法能有效地滤除图像多种噪声,较好地保护图像的边缘和细节．     

Laplace多尺度图像增强去噪算法

针对传统的单尺度图像增强算法的不足,提出了一种基于Laplace多尺度分解的图像增强算法。该算法将图像分为由高频到低频若干个子图像,对每个频道的细节图像进行不同的非线性变换,使得图像中最细微的、对诊断有用的信息得到有效的增强,同时图像又不被过增强,再通过分解的逆过程重建图像。试验表明,该方法能有效提高图像中细节的清晰度并抑制噪声。     

一种字符识别算法在自动识别系统中的应用

光学字符识别是模式识别领域中最经典也是得到最广泛应用的方向之一,而车牌识别系统是应用光学字符识别技术的典型系统。文章基于车牌识别系统的开发,提出一种基于二值图像的字符识别算法。在该算法中,提取字符的点阵特征、特征线和网格特征,分类器采用神经网络。为充分利用各组特征向量的互补作用,采取层次结构来获得系统的最佳性能。在车牌号图片库中测试其算法。实验表明,算法非常有效。     

Apriori算法在语音合成应用中的一种改进

针对目前语音合成技术中提高语音合成自然度这一难点，研究了数据挖掘在语音合成中的应用．首先通过选取基频曲线中的最高音基频值(N1)和最低音基频值(N2)优化韵律参数，然后将其运用到关联规则对韵律参数进行规则提取的方法中，提出了优化韵律参数后的规则提取过程，并对原有的Apriori算法进行改进而获得更适合语音合成的HLApriori算法，通过该算法可以将原有Apriori算法得到的规则进一步细分，从而得到更多研究者感兴趣的规则．     

一种新的TS模型辨识算法

提出一种新的TS模型辨识算法.该算法思想：首先采用MCR算法（Mountain C-Regressionmethod）自动确定聚类数目和初始聚类中心,然后采用改进的GK（Gustafon-Kessl）聚类算法得到最优的划分矩阵,再根据最优划分矩阵计算系统前件参数的最优值,最后用自适应粒子群优化算法（Adaptive Parti-cle Swarm Optimization,APSO）对后件参数进行优化.此辨识算法能够用较少的规则数描述给定的未知系统,并且容易实现.仿真实验表明该算法能够实现非线性系统的辨识,并且可获得相对高的精度.     

一种新的混合共轭梯度算法

根据现有的共轭梯度算法,提出了一种新的求解无约束优化问题的混合共轭梯度法.在每一步迭代过程中,新算法总是能生成一个充分下降方向.在Wolfe线搜索下,提出的算法具有全局收敛性.数值实验表明该算法具有良好的计算性能.     

一种新的DFA最小化算法研究

指出了现有DFA最小化算法的不足，并对这些问题进行了简单的描述和研究；并在现有算法的基础上进行改进，从而设计了一种适用于任何DFA最小化的算法，并对这种算法进行了验证。     

一种新的半易损数字水印算法

本文提出了一种新的半易损数字水印算法。文中首先介绍了该水印的设计方案、实现过程,最后本文利用试验论证了该方法的合理性。试验结果表明,该方法具有创新性、可行性。     

一种新的关联规则抽样算法

针对目前经典的关联规则挖掘Apriori算法需对数据库多次扫描费时多计算量大,而抽样扫描会造成挖掘精确度下降等问题,采用控制样本频繁项目集的方法,利用频繁1项集进行抽样处理,对关联规则挖掘的抽样操作和精度控制进行研究,提出了基于抽样操作的关联规则挖掘算法——HAC算法。理论分析及性能试验结果表明:HAC算法能够有效缩减数据库规模,至少少扫描数据库1次,提高了关联规则挖掘的效率,同时其计算精度不受影响。