1 广州科技职业技术大学 信息工程学院， 广州 510550
2 南昌工学院 信息与人工智能学院， 南昌 330108
为了去除红外图像中高斯噪声的同时，更好地保持和恢复图像的纹理边缘和细节特征，提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势: 图像信息的平移不变性、图像纹理细节的多方向选择性等，基于对图像小波系数分布的假设，根据当前小波系数与其父、子小波系数的相关性，对无噪的小波系数作贝叶斯估计，以恢复无噪的红外图像，最后对去噪图像进行引导滤波，去除图像的波纹效果。实验数据显示，该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法，证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。
高斯噪声 红外图像 系数相关性 复小波 贝叶斯估计 Gaussian noise infrared image coefficient correlation complex wavelet Bayesian estimation
1 江西机电职业技术学院 信息工程学院, 江西 南昌 330013
2 南昌工学院 信息与人工智能学院, 江西 南昌 330108
针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷, 提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性, 对含噪的红外图像作双树复小波变换; 基于对高斯噪声和无噪图像的概率密度分布的假设, 在小波域中对无噪图像的小波系数作最大后验估计, 实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性, 算法在有效去除噪声的同时, 对边缘细节的保持和恢复较理想, 去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。
红外图像去噪 高斯噪声 阈值函数 双树复小波 最大后验估计 infrared image denoising Gaussian noise threshold function dual tree complex wavelet maximum a posteriori estimate
1 中国科学院电工研究所，北京 100190
2 中国科学院大学，北京 100049
随着频率使用设备的激增和大数据时代的到来，频谱管理和控制面临着有效性和准确性的挑战。调制分类技术是频谱管理和控制的基础，也是其关键部分。因此，在大数据场景下进行有效的调制分类技术非常重要。本文不仅考虑了大数据背景下分类模型的有效性，还考虑了复杂电磁环境中噪声的动态性。因此，构建了一个包含不同信噪比下不同信号的大数据集，并利用大数据驱动深度学习模型，最终得到调制分类的结果。该方法只需训练一个模型即可实现调制分类，避免了以往算法中模型训练的冗余。仿真结果验证了该方法的有效性和可靠性。
大数据 非高斯噪声 调制分类 深度学习 big data non-Gaussian noise modulation classification deep learning 太赫兹科学与电子信息学报
2022, 20(1): 16
1 海军航空大学 岸防兵学院,山东 烟台 264001
2 海军航空大学 航空基础学院,山东 烟台 264001
3 中国人民解放军92975部队, 上海 200000
针对在机载捷联惯导系统(SINS)自标定过程中, 量测噪声呈非高斯分布, 导致经典Kalman滤波性能降低的问题, 该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则, 有效利用信号的高阶矩信息, 并将其应用于机载SINS自标定系统中。仿真结果表明, 在非高斯噪声条件下, 该方法能够估计出机载SINS待标定参数, 且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波, 具有一定的工程应用价值。
机载捷联惯导系统(SINS) 自标定 最大相关熵准则 Kalman滤波 非高斯噪声 airborne SINS self-calibration maximum correntropy criterion Kalman filter non gaussian noise
1 广州城建职业学院 信息工程学院, 广州 510925
2 广东医科大学 生物医学工程学院, 广东 湛江 524023
3 岭南师范学院 信息工程学院, 广东 湛江 524048
为进一步提升高斯噪声的去噪效果, 提出了基于可微收缩函数与自适应阈值的图像去噪方法。根据高斯噪声的小波系数具有幅值小、服从高斯分布的特征, 提出一种自适应于信噪强度的阈值, 以准确地区分噪声系数与图像系数。根据自然图像的小波系数具有平滑连贯的特征, 提出了一种可微的收缩函数, 与自适应阈值结合对含噪的小波系数进行量化处理, 以有效地去除噪声系数, 保持和恢复图像的系数。实验结果证明, 相对于现有的最新提出的小波阈值去噪方法, 所提出的方法既能更加有效地去除噪声, 又能更好地保持和恢复图像的细节和纹理结构。
图像去噪 高斯噪声 小波阈值去噪 可微收缩函数 自适应阈值 image denoising Gaussian noise wavelet threshold denoising differentiable shrinkage function adaptive threshold
西安邮电大学 通信与信息工程学院,西安 710000
多年来一直在使用的船舶自动识别系统(AIS)作为一种海上监视和导航的通信系统, 其服务范围被限制在40海里。近年来, 一种新的基于卫星的AIS被提出, 该系统能提供全球覆盖服务,然而其存在由相对卫星/船舶运动引起的频率偏移问题。为了更好地解决这一问题, 文章提出了一种新的基于多普勒频移估计算法的星载多普勒频移估计算法, 利用二阶矩阵及四阶矩阵等代数运算, 从信号中提取多普勒频移, 并给出了估计表达式。最后, 通过数值仿真验证了该算法的有效性, 仿真结果还验证了该算法的优越性。
自动识别系统 多普勒频移 高斯最小频移键控 非高斯噪声 AIS Doppler shift gaussian minimum shift keying non-gaussian noise
哈尔滨工业大学可调谐激光技术国家级重点实验室, 黑龙江 哈尔滨 150080
太赫兹三维成像技术是太赫兹成像技术的重要研究方向, 因为基于样本的三维图像可以获取比二维图像更丰富的分布信息。影响压缩感知方法三维重建结果精度的算法控制参数主要有迭代次数和稀疏限制参数。利用主观及客观评价法, 首先分析了理想情况下迭代次数和稀疏限制参数对再现结果的影响。考虑到实际目标板的不均匀等现象会引入噪声, 因此研究了存在高斯噪声时再现算法控制参数对再现结果的影响。结果表明：当迭代次数均为200次, 理想情况和高斯噪声方差分别为0.0005和0.001时, 稀疏限制参数分别为0.02、0.1、0.1。
成像系统 太赫兹三维成像技术 控制参数 高斯噪声 压缩感知 客观评价 中国激光
2018, 45(10): 1014001
上海理工大学 光电信息与计算机工程学院, 上海 200093
图像清晰度评价函数是评价各类成像系统成像质量的一个关键函数,为找到合适的图像清晰度评价算法,采用MATLAB软件对16种适用于光学显微成像系统的清晰度评价函数进行仿真,定量分析了不同算法的灵敏度、单峰性、无偏性以及运算速度。实验表明:Laplacian函数具有较高的单峰性、无偏性和灵敏度;存在高斯噪声时,Brenner函数、Tenengrad函数和基于Prewitt算子的函数以及中值滤波-离散余弦函数稳定性好;而存在椒盐噪声时,Roberts函数综合性能最优。
清晰度评价函数 高斯噪声 椒盐噪声 Laplacian函数 sharpness function Gaussian noise salt and pepper noise Laplacian function
宁波大学 信息科学与工程学院, 浙江 宁波 315211
针对传感器模式噪声易受CFA插值噪声和JPEG压缩噪声污染，提出一种基于空域平滑滤波的传感器模式噪声预处理方法，去除干扰噪声，从而提高数字照片图像来源检测准确率.假设传感器模式噪声是一种类似高斯白噪声的随机信号，其在频域具有与高斯白噪声相似的平坦频谱; 基于此，在空域采用高斯白噪声对传感器模式噪声进行引导滤波，其空域平滑效果使传感器模式噪声在保持自身性质的同时，拥有与高斯白噪声相似的特性.手机相机照片图像库的评估实验结果表明，与现有预处理方法相比，所提算法在图像来源检测准确度上Kappa统计系数提高了0.026以上，同时算法对JPEG压缩的鲁棒性也明显优于其他算法.
数字图像取证 来源检测 平滑滤波 传感器模式噪声 高斯白噪声 Digital image forensics Source detection Smoothing filter Sensor pattern noise White Gaussian noise
为解决地气光对星敏感器星提取精度影响问题，采用微元法建立了地气光对星敏感器的辐照度影响模型，并对影响辐照度大小的各变量进行了分析。阐释了地气光的影响机理，通过不同方差的高斯白噪声来对不同辐射照度的地气光进行散焦模拟，并对不同时刻不同位置地气光影响条件下的星提取精度进行仿真对比。仿真结果表明：地气光会导致星提取过程中星提取精度降低。该结果可用来对星敏感器遮光罩的抗地球反照干扰性能进行评估。
星敏感器 地气光 高斯白噪声 星提取精度 star sensor earth and atmosphere radiation White Gaussian Noise (WGN) accuracy of star extraction
