基于离散傅立叶变换的水稻作物数字图像压缩技术研究(英文)

[目的]研究水稻监控系统中的数字图像压缩技术。[方法]提出了一种基于离散傅立叶变换的数字图像压缩技术方案,并通过仿真试验对图像进行了不同压缩比的压缩。[结果]对于压缩比在30以内的数字图像的压缩,衡量编码压缩质量的5个参数(压缩比、图像的熵、平均码字长度、编码效率、冗余度)和评价压缩图像逼真度的参数(PSNR)均达到较好效果,人眼几乎不能分辨出解压缩图像和原始图像之间的差异;在压缩比超过30的数字图像的压缩上,解压缩图像存在一定的失真。当压缩比为91.5163时,虽然图像有一定的失真,但PSNR仍能达到21.5282,从直观上人眼在一定的误差范围内仍能接受解压缩图像。[结论]该研究结果表明提出的图像压缩方案是一种可行的、有效的、较好的图像压缩技术,完全可以满足农作物监控系统中图像存储、交换与传输的要求。     

基于小波阈值去噪方法的一种改进方案

利用Donoho D．L．和Johnstone I．M．提出的小波阈值去噪方法,构造了一个新的阈值函数。与传统的硬、软阈值函数相比,其具有不可比拟的灵活性。该阈值函数克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阅值函数中小波系数估计值与分解小波系数间存在恒定偏差的缺陷。仿真结果表明,新阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo．Gibbs现象,无论在视觉效果,还是在信噪比增益方面均优于传统的硬、软阈值方法。     

轴承故障诊断的最优化随机共振方法分析

现代机械设备正朝着大型、复杂和高速方向发展,导致其长期在强噪声环境下运行,使得通过振动分析检测微弱故障变得极为困难。因此,从强噪声背景中提取微弱故障信号成为机械故障诊断的关键问题。随机共振利用噪声能量来加强特征信号能量,特别适合于现代机械设备微弱故障诊断,然而,共振系统结构参数对其输出结果影响较大。针对这一实际情况,为了更好地对故障轴承进行精确诊断,以随机共振理论为依据,提出了基于人工蜂群算法的自适应随机共振新方法。以随机共振输出信噪比作为算法的目标函数,利用人工蜂群算法搜索全局最优解,实现双稳系统参数的自适应调节,获得信噪比最大时的系统参数,最终实现从强噪声环境中检测出微弱信号。数值仿真和轴承故障诊断试验表明:该方法得到的输出频率谱故障频率峰值比经典随机共振方法得到的峰值高20%,可用于强噪声环境下轴承故障识别和诊断。     

图像压缩技术在秦巴山区油菜作物监控系统中的应用研究

[目的]在秦巴山区油菜作物监控系统中,为使得图像在保证质量的前提下以较小的空间存储和较小的比特率传输,提出了一种新的图像压缩技术方案。[方法]方案首先将彩色图像分解为3基色亮度图,并分别进行子块划分和DCT变换处理,再对变换域系数进行量化处理和采用Huffman算法进行编码压缩,最后采用逆过程进行解压并匹配出解压后的彩色图像。[结果]仿真试验表明:油菜作物的彩色图像在压缩比为11.972 3∶1时,人眼无法分辨出解压缩图像与源图像之间的差异;当压缩比为高压缩比53.565 6∶1时,PSNR仍能达到30 dB以上,且编码效率能达到0.78以上,冗余度在0.22以下。[结论]该研究表明提出的彩色图像压缩技术方案在保证图像质量的前提下能够实现较高的压缩比,且编码质量和解压缩图像均可达到较理想的效果,完全能满足秦巴山区油菜作物监控系统中的图像存储和传输。     

高精度三维地震采集技术在大庆外围油田的应用

随着油气勘探程度的不断提高，油气勘探目标也越来越复杂，迫切需要提高地震采集的精度。在表层结构调查与建模的基础上，详尽阐述了高精度三维地震采集技术，包括静校正技术、地面观测系统的优选、激发技术和检波器组合技术。实际应用表明，实施高精度三维地震采集技术能够获得较高的信噪比和分辨率，从而增强了小断块低幅构造和薄储层目标体的识别能力。     

基于曲波变换的面波去噪方法研究

地震数据去噪在地震资料处理中是必不可少的步骤,随着地震勘探的日益发展与进步,对地震资料的信噪比提出了更高的要求。曲波变换作为新兴的多尺度变换方法,在地震资料去噪中拥有巨大的潜力。提出了一种基于曲波变换的面波去噪方法:首先对经过预处理的含噪信号进行多尺度分解,然后在各尺度下尽可能提取出有效信号的曲波系数,同时去除噪声的曲波系数,最后用曲波逆变换重构出地震信号,从而达到去噪目的。试验结果验证了曲波变换去噪的可行性。     

苹果采摘机器人夜间图像降噪算法

苹果采摘机器人图像处理系统采集到的实时夜间图像含有大量的噪声,影响采摘效率。通过差影法对夜间图像进行噪声分析,判定其噪声类型为以高斯噪声为主,并伴有部分椒盐噪声的混合噪声。针对高斯噪声去除难题,将独立成分分析(independent component analysis,ICA)理论引入夜间图像降噪,并尝试采用粒子群优化算法(particle swarm optimization,PSO)对ICA进行优化,建立基于PSO优化的ICA降噪算法(PSO-ICA),以期最大限度地降低夜间图像的噪声污染。利用标准Lenna图像和自然光下的苹果图像,进行仿真试验,结果表明PSO-ICA方法降噪效果最为理想。然后对白炽灯、荧光灯、LED灯3种不同的人工光源下采集到10个样本点的夜间图像进行验证试验,结果表明,从视觉效果评价,在3种人工光源环境下,PSO-ICA降噪方法得到低噪图像均表现为噪点明显减少;从相对峰值信噪比(relative peak signal-to-noise ratio,RPSNR)看,在3种人工光源下的平均值,PSO-ICA得到的低噪图像,分别比原始图像、均值滤波降噪和ICA降噪得到的图像的相对峰值信噪比提高21.28%、12.41%、5.53%;从运行时间看,PSO-ICA方法较ICA方法的运行时间平均减少了49.60%。PSO-ICA方法用于夜间图像降噪有着独到的优势,为实现苹果采摘机器人的夜间作业打下坚实的基础。     

风廓线雷达资料在台风"尤特"影响过程中的应用

文章利用广州白云机场的LQ-4型风廓线雷达资料对1311号强台风"尤特"登陆华南的天气过程进行总结分析.结果表明:机场上空的风向随着与台风相对位置的改变而变化,且风向变化具有自高层向低层传播的特征,机场的地面风速随着高空动量的下传而增大.垂直速度的大小对应了台风降水的强弱变化,大于35dB的信噪比则能够指示降水的开始和结束,可以应用到台风降水的监测当中.     

基于PDE的田间成熟棉花图像去噪方法研究

偏微分是图像处理中的一种新方法,为提高农业机器人图像去噪处理中的滤波器的去噪性能,更好的保留图像中的边缘信息,将基于偏微分方程去噪方法应用到农田图像去噪处理中。实验结果表明,该方法不仅能够很好的去除噪声,而且具有良好的边缘保持能力。     

基于新阈值的小波硬阈值去噪方法

在多分辨分析小波阈值去噪方法的基础上,提出了新的阈值选取规则,在VC＋＋6．0环境下,给出了基于正交小波变换的硬阈值去噪的具体算法,并进行了数值试验。试验结果表明,该方法提高了信噪比,减小了最小均方误差,使去噪效果得到了改善。