去噪方法

摘要： 由于设备的不完善,图像在传输过程中会被噪声污染而失去原始图像的细节特征,为了使噪声图像变得清晰且其特征明显,本文提出一种基于深度学习的图像去噪方法,构建了基于卷积神经网络的图像去噪网络结构,并对卷积神经网络中的反向传播算法进行优化,从而加快模型的训练速度,有效地提高去噪效果。最后通过与经典算法实验的对比来进一步说明本研究取得了较好的去噪效果。

摘要： 在神经科学研究中,静息态功能磁共振成像(rs-fMRI)信号不仅反映了神经活动,还保留了头动、生理运动、设备等带来的噪声,这将导致静息态功能连接的错误估计。为了得到准确的功能连接网络,分析噪声来源、运动校正方法,并研究独立成分分析、频率滤波和CompCor等信号回归的去噪方法及其在啮齿动物中的应用。通过评价信噪比(SNR)发现,CompCor和独立成分分析去噪后的图像有较高的SNR,可替代有争议的去噪方法。由于噪声是复杂且相互影响的,最大程度消除噪声而不影响感兴趣区域的信号仍是静息态数据预处理研究的方向。

摘要： 为了提高GNSS变形监测数据去噪的有效性和可靠性,提出一种自适应完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)去噪方法.首先将GNSS变形序列经CEEMDAN分解为若干特征模态函数;其次引入排列熵理论确定高低频分界值K,利用小波分析对高频分量进行去噪,去噪后与低频分量重构得到去噪序列;最后通过仿真和实测边坡GNSS变形监测数据,利用信噪比、均方根误差、相关系数等指标对比分析CEEMDAN、EMD和小波去噪方法.结果 表明,CEEMDAN方法的去噪效果和精度优于EMD和小波去噪方法,证明了本文所提方法的有效性和可靠性.

摘要： 在新时期环境下,人们对图像质量的要求越来越高,但图像在产生和获取期间往往会受到诸多因素的影响,对其质量产生损坏.其中噪声是对图像产生干扰的一种原因,图像实际应用可能存在诸多噪声情况,此类噪声在传输中、量化处理中由于遭受成像的设备和外界的噪声等干扰而产生,为了提高图像质量就需要做好图像去噪.在图像去噪中,基于双正交基字典学习去噪法是一种典型的方法,下面,文章就主要针对基于双正交基字典学习的图像去噪方法进行分析,希望对相关工作的开展提供帮助.

摘要： 在新时期环境下,人们对图像质量的要求越来越高,但图像在产生和获取期间往往会受到诸多因素的影响,对其质量产生损坏。其中噪声是对图像产生干扰的一种原因,图像实际应用可能存在诸多噪声情况,此类噪声在传输中、量化处理中由于遭受成像的设备和外界的噪声等干扰而产生,为了提高图像质量就需要做好图像去噪。在图像去噪中,基于双正交基字典学习去噪法是一种典型的方法,下面,文章就主要针对基于双正交基字典学习的图像去噪方法进行分析,希望对相关工作的开展提供帮助。

摘要： 本文提出了局部放电信号的固有时间尺度分解(intrinsic time-scale decomposition,ITD)去噪方法,将信号进行固有时间尺度分解,得到多个固有旋转分量(proper rotation component,PRC),采用3σ准则去除每个PRC的异常噪声,然后对其进行重构,从而实现局部放电信号的消噪.分别用小波变换(Wavelet transform)、经验模式分解(empirical mode decomposition,EMD)和ITD处理含噪局放信号,比较它们的均方根误差、相关系数和计算速度.结果表明:ITD的去噪过程具有自适应性,有较好的去噪性能和较快的计算速度,非常适合局部放电信号的在线去噪.

摘要： 电力系统中局放信号的采集容易出现噪声干扰,从而导致无法准确提取局放信号,针对这一问题提出了联合变分模态分解(VMD)与改进小波阈值的去噪方法.首先将染噪的局放信号进行VMD分解,通过局放信号的重构从而滤除周期性的窄带干扰信号;在VMD的分解以及信号的重构中借助瞬时频率均值法确定K个模态分量,依据峭度准则进行局放信号的重构.对于还存有的部分高斯白噪声提出一种新的小波阈值函数,通过改进的小波阈值法进行高斯噪声的滤除.通过对局放信号处理的仿真,结果显示该方法能够较好地滤除白噪声和周期窄带干扰噪声.在实际的局放实验中,也证实该方法对于局放信号的去噪效果显著,明显提高了信号的信噪比,且比较完整地保留了有效信号.

摘要： 传统的小波阈值去噪算法存在易丢弃真实信号、去噪效果差等缺点.该文提出了一种新的用于电能质量扰动事件的联合去噪算法.该算法首先通过强跟踪卡尔曼滤波的渐消因子大于1的次数,初步判定信号的扰动类型,然后对不同的扰动类型采取不同的去噪方法.对于仅含噪声的正弦信号和谐波信号用稀疏分解及快速傅里叶变换(FFT)做两次去噪;对暂升和暂降信号采用渐消因子准确地指示扰动起止时刻,将信号分段,并对每段信号用稀疏分解和FFT去噪;对含瞬态脉冲和暂态振荡的信号,采用不同的处理方法,首先通过稀疏分解得到稳态成分和暂态成分,对稳态成分的去噪方法与含噪声正弦信号的处理方法相同,对暂态成分的脉冲信号保留实际值,对振荡信号采用变分模态分解(VMD)去噪.大量的仿真计算表明,在不同的信噪比条件下,该文提出的算法均能够有效抑制各类扰动信号的噪声,显著提高了信噪比,且效果优于小波阈值去噪算法.

摘要： 光子计数激光雷达因多波束、低耗能、高重频、测量灵敏度高等优点在新一代天基激光雷达中有着不可估量的发展潜力.然而光子计数激光雷达发射的弱光子信号容易与太阳、大气等引起的背景噪声混叠难以区分,严重影响激光数据处理与应用.文章基于光子数据几何特性,从二维剖面映射中的背景去噪与二维图像背景去噪、单级滤波和多级滤波等多个维度,对现有光子计数激光雷达去噪方法进行了归纳和总结,分析和对比了几类方法的优缺点,并指出了未来国产星载单光子计数激光雷达测高数据预处理的主要发展方向为多级滤波去噪.

摘要： 介绍了一种DEM随机噪声去噪方法,该方法使用方差分析确定原始DEM中的随机噪声大小及空间分布,通过比对地形起伏与随机噪声,自适应选择平滑滤波邻域范围.实验分析表明,该方法既能有效去除原始DEM中随机噪声,又能较好的保留地形细节.

摘要： 常规矿井巷道地震超前探测方法由于震源问题给勘探带来较大局限性,随掘地震以掘进机切割头切割岩石产生的震动作为震源,能够更好地适应矿井巷道超前探测.通过分析确定了随掘地震中的干扰波类型,总结了不同干扰波的特点,并根据不同干扰波特点提出相应的去噪方法,结合实际应用对不同去噪方法进行研究,结果表明:低通滤波、极化滤波和相关函数法能够很好地有效压制随掘地震数据中的噪声,提高信噪比.

摘要： 在红外传感检测系统中,红外传感信息往往属于微弱信号,针对此,设计了一个检测系统方案和具有温度补偿功能的检测放大电路,该电路能够有效地抑制噪声;在此基础上,研究了一种传感信息的小波多尺度多阈值处理算法,该算法为了减少通用阈值去噪引起的信号失真问题,使用改进的阈值函数,在去噪过程中,算法通过设置一个正常数实现在软、硬阈值函数之间的灵活选择.试验研究表明,研究的硬件和软件信号处理与去噪方法对红外微弱传感信号的检测具有良好的效果.

摘要： 混沌振动信号降噪是非线性振动领域的热门课题,如何体现去噪方法的有效性显得尤为重要.工程实际的混沌振动信号,其系统模型未知、工况复杂,传统的信噪比、均方误差等系统模型已知的降噪评价方法不再适用.针对系统模型未知的降噪效果评价方法,根据混沌振动信号和噪声的不同特性,建立一套完整的混沌振动信号降噪效果评价体系,并进行仿真验证分析.

摘要： 针对轴承振动信号夹杂的噪声极大影响有用信息的提取,提出了基于遗传算法的变分模态分解(Variational Mode Decomposition,VMD)与小波阈值去噪方法.该方法首先利用遗传算法选择合适的VMD参数,然后用VMD方法对含噪声的信号进行自适应分解,最后对分解的模态分别进行小波阈值处理后重构信号,得到去噪后的信号.在实际轴承信号的试验结果表明,该方法与常用的去噪方法相比,能够得到更高的信噪比和更低的均方差.

摘要： 在医学CT成像过程中,由于引入了不可避免的噪声,致使图像质量下降,影响临床诊断.因此,研究医学CT图像降噪方法在诊疗服务中具有重要意义.本文结合图像分割的思想,利用模糊神经网络将图像像素分成边缘区、平滑区与纹理区等不同图像区域,通过小波稀疏表示对不同类型的图像块进行阈值去噪处理,以便更好地保留医学CT图像的细节特征.实验结果表明,本文算法对医学CT图像降噪有一定的效果,峰值信噪比(PSNR)和结构相似性指数(SSIM)都得到了改善,更好并且很好地保留CT图像的细节信息.

摘要： 在地球物理方面，Shearlet变换去噪已经在地震数据处理中的图像去噪、压制随机噪声、面波压制以及遥感图象处理中都得到了较好的应用。将基于Shearlet变换的去噪应用于正演位场数据处理中，取得了较为满意的结果。将该方法应用于刘家坪铜矿地区的实测布格重力异常去噪处理中，一方面，为下一步的处理提供了相对可靠的基础结果，另一方面，可以表明Shearlet变换于位场数据去噪处理中具有一定的应用前景，具有进一步研究的价值与意义。

摘要： 本文是用三维频率空间即F-XYZ域预测去噪方法,对野外采集到的资料进行随机噪音衰减处理.该方法是假设地震记录中的有效波在F-XYZ域具有可预测性,而随机噪声无此特性.利用多道复数最小平方原理求取三维预测算子,并用该预测算子对该频率成分的四维地震数据体进行预测滤波,达到衰减随机噪声的目的.

摘要： 地震勘探是当前石油、天然气、煤炭等地下天然矿产的主要勘探技术,然而当地震勘探目标隐蔽且复杂时,传统的二维地震勘探无法精确地反映地下信息,由此三维地震勘探逐渐发展起来.三维地震勘探获得信息量丰富,地层剖面分辨率高,更有利于后续解释处理工作的进行.本文用两次2D Curvelet阈值迭代法分别从横、纵两个方向处理多炮地震数据,通过与3D Curvelet阈值迭代法对比,证明了此种方法不仅能够获得较高的信噪比而且运算速度有较大提高.rn 去噪过程仍然是选择将2D Curvelet变换与阈值迭代法结合的算法:首先将将噪声数据进行Curvelet正变换得到Curvelet系数;再根据Curvelet系数的个数和总的外循环次数，以及每次外循环所保留的Curvelet系数百分比来计算每次迭代的阈值λi，直到将噪声信号与有用信号尽可能分离为止;最后将每次迭代循环得到的有效信号叠加，反Curvelet变换得到去噪后的数据。rn 对于多炮地震数据，分别从横纵测线两个方向进行两次2D Curvelet变换去噪，即将数据分别抽成共偏移距道集和共炮点道集分别进行去噪。rn 将这种方法应用于理论合成多炮数据，与3D Curvelet阈值迭代法对比。从结果图和差剖面可以看出，经这种方法去噪后的剖面质量要好于3D Curvelet阈值迭代法，同相轴清晰连续，通过计算可知此方法有更高的信噪比和更小的均方差，且运算时间减少很多。可以得出结论，对于大型多炮数据集此方法有更高的去噪效率，可以用来代替3D Curvelet阈值迭代法。

摘要： CRP道集是地震偏移过程中一类重要的中间结果,一般用来更新速度模型,有时也可将其作为叠前反演的原始数据.为了提高最终地震剖面的质量,本文对CRP道集进一步处理,首先采用局部校正的方法对CRP道集进行能量聚焦,然后利用SVD方法进行去噪,最终得到了信噪比提高较为明显的剖面.模型及实际数据应用表明本文采用的方法可以很好地提高CRP道集的整体质量,在信噪比提高的同时,共反射点能量得到更好的聚焦.对处理后的CRP道集进行叠加得到的偏移剖面同相轴连续性增强,弱信号能量提升较大.通过对该方法做了大量的试验,给出了参数的选择范围:时窗选取大约为一个子波的波长,步长取时窗的1/5左右,迭代2～3次,SVD重构能量比视道集信噪比而定,范围在0.3～0.7之间.

摘要： 本发明提供一种二维冷冻电镜图像去噪模型的训练方法，所述方法包括：S1、获取原始图像数据集，从原始图像数据集中提取每个图像对应的纯噪声区域以获得纯噪声样本并组成纯噪声数据集；S2、采用步骤S1获得的纯噪声数据集训练生成式模型获得噪声生成模型，并采用训练的噪声生成模型生成多个新的纯噪声样本以扩充纯噪声数据集获得新的纯噪声数据集；S3、将新的纯噪声数据集中的纯噪声样本迁移到模拟生成的无噪声图像中以获得无噪声‑带噪声样本组成的无噪声‑带噪声数据集；S4、采用步骤S3获得的无噪声‑带噪声数据集训练卷积神经网络至收敛。

摘要： 本发明公开了一种超声图像去噪模型建立方法及超声图像去噪方法，属于图像去噪领域，包括：数据集预处理步骤：将自然图像数据集中的图像预处理为大小相等的图像块，添加斑点噪声后，由图像块及其对应的噪声图像构成训练样本，得到训练数据集；模型建立步骤：使用ResNet网络中的残差块为基本单元建立ResUNet网络，并引入注意力机制，得到待训练的初始去噪模型，用于抑制图像中的斑点噪声；模型训练步骤：利用训练数据集对初始去噪模型进行训练，在训练结束后，得到超声图像去噪模型。本发明在UNet网络的基础上，引入残差块和注意力机制，由此所建立的超声图像去噪模型，能够有效提升对超声图像的去噪效果。

摘要： 本发明提供了一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，本发明提供的低剂量图像去噪网络的训练方法中低剂量图像去噪网络会根据低剂量图像生成低剂量图像的剂量等级估计值及标准剂量估计图像，再根据标准剂量估计图像和剂量等级估计值生成低剂量估计图像，最后根据低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像构建损失函数，对损失函数进行优化，获得所述低剂量图像去噪网络的参数，从而将剂量等级信息融合到图像重建过程中，提升了去噪方法的鲁棒性以及重建图像的质量。

摘要： 本发明公开了一种中国碑文图像去噪模型构建方法、去噪方法及装置，模型构建方法包括：采集多幅完整的带噪声的碑文图像获得噪声数据集；对噪声数据集进行预处理；将文字检测数据集中的预处理后的噪声图像作为输入，将对应的框选后的噪声图像作为参考输出，训练图像文字检测模型，得到训练好的图像文字检测模型；框外去噪；训练框内去噪模型得到训练好的框内去噪模型，最终得到中国碑文图像去噪模型。本发明不仅能够对中国碑文图像的斑点噪声进行有效去除，还能够有效去除现有噪声去除模型无法去除的划痕噪声和片状腐蚀类噪声，对各种造成进行了无差别去除，降低了复杂噪声对模型的干扰，从而实现模型去除碑文图像噪声的高效性。

摘要： 本发明公开了一种对抗神经网络去噪模型的建立方法及超声图像去噪方法，涉及计算机视觉技术领域，包括以下步骤：超声图像数据集处理：将采集的超声图像对划分为训练集和测试集；构建初始去噪模型：初始去噪模型包括生成器模型和判别器模型，生成器模型基于深度可分离卷积层和残差块结构建立，判别器模型基于PatchGAN网络建立；对初始去噪模型训练：将训练集作为输入数据，模型训练完成后得到对抗神经网络去噪模型，即可对测试集中的含噪声超声图像进行去噪处理。如此设置，引入深度可分离卷积层和残差块结构，能够有效地对超声图像去噪，所搭建的结构属于轻量化网络模型结构，能够减少运行的参数量，减少算法的运算时间。

摘要： 本发明提供一种图像去噪模型训练方法、图像去噪方法及系统，属于图像处理技术领域，利用训练集训练基础网络模型，得到图像去噪模型；其中，所述训练数据集包括多个图像块对，每一个图像块对均包括第一图像和第二图像，第一图像为含噪声图像，第二图像为无噪声图像；基础网络模型包括并联的第一特征提取通道和第二特征提取通道，第一特征提取通道和所述第二特征提取通道的输出共同连接自注意力机制模块。本发明使用双通道网络结构来同时提取图像不同层次的信息，并且在网络中级联自注意力机制模块，提高了图像去噪效果，不仅能够提取丰富的局部特征，有效减少训练过程中的梯度爆炸和过拟合问题；结合自注意力机制提取局部信息的同时关注全局信息。

摘要： 本发明公开了一种超声图像去噪模型建立方法及超声图像去噪方法，属于图像去噪领域，包括：数据集预处理步骤：将自然图像数据集中的图像预处理为大小相等的图像块，添加斑点噪声后，由图像块及其对应的噪声图像构成训练样本，得到训练数据集；模型建立步骤：使用ResNet网络中的残差块为基本单元建立ResUNet网络，并引入注意力机制，得到待训练的初始去噪模型，用于抑制图像中的斑点噪声；模型训练步骤：利用训练数据集对初始去噪模型进行训练，在训练结束后，得到超声图像去噪模型。本发明在UNet网络的基础上，引入残差块和注意力机制，由此所建立的超声图像去噪模型，能够有效提升对超声图像的去噪效果。

摘要： 本发明公开了一种高光谱图像的去噪模型训练方法及去噪方法。其去噪模型训练方法包括如下步骤：(1)对获取的高光谱图像数据集做预处理，获得无噪数据集，然后加入不同方差的高斯白噪声，生成有噪数据集；(2)对方差扩充维度，得到与图像同等大小的噪声水平图；(3)将有噪数据集和噪声水平图构成样本数据组进行训练，得到噪声估计子网络模型；(4)利用噪声估计子网络模型预测得到噪声水平图，并将噪声水平图和有噪数据合并，与无噪数据集作为样本数据组进行训练，得到高光谱图像去噪模型。本发明采用了训练子网络的方法估计噪声方差，使得去噪模型不仅对高光谱图像去噪效果显著，而且实现了处理不同噪声方差的盲去噪效果。

摘要： 本发明提供了一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，本发明提供的低剂量图像去噪网络的训练方法中低剂量图像去噪网络会根据低剂量图像生成低剂量图像的剂量等级估计值及标准剂量估计图像，再根据标准剂量估计图像和剂量等级估计值生成低剂量估计图像，最后根据低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像构建损失函数，对损失函数进行优化，获得所述低剂量图像去噪网络的参数，从而将剂量等级信息融合到图像重建过程中，提升了去噪方法的鲁棒性以及重建图像的质量。

摘要： 本发明提供了一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，包括：获取训练数据集，训练数据集包括多个输入参数组，每一个输入参数组包括解剖结构的低剂量图像、属性、标准剂量图像；建立低剂量图像去噪网络，低剂量图像去噪网络包括属性融合模块、空间信息融合模块及生成模块；利用训练数据集对低剂量图像去噪网络进行训练，获得低剂量图像去噪网络的参数。本发明提供的低剂量图像去噪网络的训练方法将解剖结构的属性作为低剂量图像去噪网络的输入，从而将解剖结构的属性融合到图像重建过程中，使得训练得到的低剂量图像去噪网络能够适用于不同的解剖结构，在提升了鲁棒性的同时保证重建图像的质量。