基于奇异值分解的地震数据去噪分析与研究

<正>奇异值分解（SVD）是去除地震数据噪音、提高信噪比的一种有效方法。本文对基于奇异值分解的地震数据去噪进行了分析与研究,主要阐述了SVD和SVD去噪的基本原理,然后进行了模型验证和实际应用,去噪结果可知SVD技术不但可以有效去除地震数据中的随机噪音,而且具有良好的保真性,从而为后续的油气勘探开发工作打下了坚实的基础。地下构造特征是解决水文地质、天然地震带检测、探测油气以及其他各种矿藏资源等工程问题的关键资料,而获取地下构造特征的主要技术之一就是地震勘探。而在实际地震勘探过程中,地震数据一般会受到很多噪音干扰,这些噪音的能量大小不一,在很大程度上降低了地震数据的品质,给后续的处理、解释、储层预测等工作带来了很大的影响,     

高斯模糊图像的盲复原

介绍了高斯模糊图像的盲复原方法。通过实验比较了6种去噪方法;采用最大似然估计方法来寻找最相似于退化图像的点扩展函数;利用已估计出的点扩展函数进行约束最小二乘图像复原,并分析了正则化参数的选取方法。最后比较了EM算法和本文算法。     

高斯模糊图像的盲复原

介绍了高斯模糊图像的盲复原方法。通过实验比较了6种去噪方法;采用最大似然估计方法来寻找最相似于退化图像的点扩展函数;利用已估计出的点扩展函数进行约束最小二乘图像复原,并分析了正则化参数的选取方法。最后比较了EM算法和本文算法。     

基于离散小波变换和奇异值分解的盲水印算法

数字水印技术是解决多媒体数字产品版权保护与信息完整性的有效方法。提出了一种基于离散小波变换和奇异值分解的盲数字水印算法,算法利用小波变换和矩阵奇异值本身的特性,将Arnold变换后的水印信息量化地嵌入到原始图像小波低频子带分块奇异值分解后的向量中。实验表明,该算法具有较好的透明性和鲁棒性。     

矩阵奇异值分解的应用

现在的社会是一个信息社会,每天都产生和传送各种各样的信息,尤其随着互联网技术的发展,需要处理的信息更是多到不可胜数。而图像是信息的主要载体,但图像本身占有巨大的空间,因此图像压缩越来越收重视。本文介绍一种有效的图像压缩的方法—奇异值分解。该方法最大的优点是在所有的同阶分解中误差最小的。     

一种改进的基于奇异值分解的水印算法

提出了一种改进二值图像数字水印算法。该方法是基于对灰度原始图像做三层小波变换,根据HVS特性选择适当的小波系数,使用SVD方法嵌入二值水印,提取时利用小波逆变换。经过数字试验结果证明,水印图像具有良好的透明性和鲁棒性。     

基于盲源分离的智能图像和语音信号去噪方法

采用传统图像降噪方法对智能图像和语音信号进行降噪处理后,智能图像清晰度较低,语音信号信噪比过大,降噪效果差。针对上述问题,本文提出了一种基于盲源分离的智能图像和语音信号去噪方法。首先通过信号采集装置采集智能图像和语音信号,然后进行均匀化和白化的预处理,最后利用对称分量提取独立分量实现降噪。结果表明,采用该方法降噪后,智能图像的清晰度更高、语音信号的信噪比更大(达到26d B),证明该方法较传统方法具有更好的降噪效果。     

基于块奇异值分解的水印算法研究

奇异值分解是一种特殊的矩阵变换，并具有良好的性质。本文充分利用奇异值分解的特性，提出了一种新的基于块奇异值分解的量化水印算法和一种新的基于块奇异值分解的扩频水印算法。这两个算法都是通过对各个数据块的最大奇异值进行修改来嵌入水印，都可以根据待嵌入的水印信息量来调整分块的大小，算法的复杂度较低。其中的量化水印算法是含边信息的嵌入方法，可以实现盲检测。实验结果证明，基于块奇异值分解的水印算法对常规的图像处理攻击具有很好的鲁棒性，尤其是其中的量化水印算法。     

农田覆膜播种中白色污染图像盲复原方法研究

图像盲复原能够恢复图像里有价值的信息并改善图像质量,因此该课题在图像处理领域具有较高的研究性和实用价值。在农田覆膜播种白色污染图像恢复中,该技术的应用可获取高质量图像,为白色污染治理提供依据,具有一定现实意义。首先,因为稀疏特性表现在白色污染自然图像边缘,可以利用一种权重的全变差范数对图像实现正则化约束,考虑到运动模糊点扩散函数的特点,把运动模糊函数的连续平滑性及稀疏性运用到图像正则化约束分析中来,达到白色污染自然图像边缘稀疏和锐化增强的效果,这样对图像复原更为有利;其次,以图像正则化约束分析为基础,依据图像先验信息和正则化特点,利用改进版Bregman迭代法建立图像盲复原代数函数,为简化求解在函数中加入惩罚和分裂因子,可以有效获取高质量的白色污染盲复原图像。仿真实验证明,运用本文所述方法能获得更高质量的农田覆膜播种中白色污染图像,为治理污染提供信息资料。     

实时图像采集和去噪系统

随着图像处理技术和多媒体技术的广泛应用，为了不影响图像采集系统的速度，对总线传输速率的要求也越来越高，去除噪声同时还要保留图像信号的高频信息，系统采用并行算法设计思想设计改造现已有中值滤波方法，提出层叠中值滤波结构模块进行滤波，并基于PCI总线在数据传输的优点，利用PCI总线完成实时图像系统采集后的数据传输，给出整个硬件构造方法，利用VHDL硬件开发语言在ALTERAE的可编程整列（FPGA）上实现，说明系统的可行性。     

循环平稳信号E MD去噪分解的局限性研究

利用matlab软件进行仿真分析,探讨各类循环平稳信号EMD去噪分解算法的局限性。总结了单独调幅信号、单独调频信号、单独调频调幅信号EMD去噪分解的局限性。     

一种改进的小波去噪算法研究

根据信号与噪声在小波变换下的不同特征,可以运用小波变换来消除噪声。模极大值小波域消噪算法只能采用二进制尺度分解,这限制了一些信号的分析结果。针对该不足进行了改进,采用自适应选择分解尺度代替二进制尺度分解尺度。     

一种改进的小波去噪算法研究

根据信号与噪声在小波变换下的不同特征，可以运用小波变换来消除噪声：模极大值小波域消噪算法只能采用二进制尺度分解，这限制了一些信号的分析结果。针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度，     

基于多小波分析的图像优化去噪方法研究

针对传统单小波在对称性、正交性、有限支撑等特性上的不足,提出一种基于多小波分析的图像优化去噪方法。对图像进行预滤波处理操作,消除多小波的不恰当离散性。对待处理信号经预滤波处理后产生的四个分量进行多小波变换处理。采用Visu shrink方法与基于stein无风险估计的Sureshrink方法对阈值进行确定。保持总像素量不变,给出多小波分解及重构系统框图。以S=2的多小波为例对多小波变换进行分析。分别完成行滤波和列滤波。对噪声方差进行预测,完成对原始图像多小波系数的方差的估计,对尺度参数和阈值进行计算。仿真实验结果表明,所提方法能够有效去除图像噪声,进一步增强了图像的信噪比。     

基于小波变换的图像阀值去噪算法

随着社会经济的不断发展和科学技术的日益提高,人们对于各种数字仪器和数码产品的需求越来越多,同时,伴随着时代的进步,图像和视频已然成为当下人类活动中最常用的信息载体。但是,受种种因素的影响,图像的获取和传输过程很容易出现画质降低的问题,尤其以因各种噪声导致的图像降质问题最为严重。基于此,本文从图像阀值去燥算法理论基础出发,结合试验研究了小波变换下图像阀值去噪算法的应用改进方法,以希冀给予广大图像领域专家一些可行的帮助和建议,进而促进我国图像阀值去噪技术的进一步发展和进步。     

将Matlab引入矩阵奇异值分解教学的探究

矩阵的奇异值分解是高校《线性代数》教学中的重点难点内容。由于对其缺乏直观理解,学生很难理解奇异值分解背后的深层意义。本文探讨将奇异值分解与Matlab相结合进行教学的优越性,既增强了学生学习的积极性和主动性,又可以提高知识运用能力和动手能力。     

BGA电路板在线检测X射线图像的去噪算法研究

通过对BGA电路板在线检测系统中采用的X射线图像噪声来源进行分析,研究各种去噪算法,以均方误差和峰值信噪比作为客观衡量标准,比较实验效果,提出适用于X射线图像预处理环节的去噪算法:多幅图像平均和维纳滤波结合的复合滤波算法。     

基于改进谱减法的语音识别系统去噪

为消除语音识别系统中的噪声干扰,研究了传统谱减法和改进的谱减法,描述了两种算法的原理和特点,并对两种算法进行了编程实现。matlab仿真结果表明,改进的谱减法不仅可以消除噪声,还可以抑制＂音乐噪声＂的产生,比传统谱减法更具优势。     

四元数分形奇异值分解方法与彩色图像重建

基于四元数矩阵彩色图像奇异值分解,得到表征彩色图像的不同分量的奇异值,运用分形快速确定图像的拐点。该方法具有快速和简单可行的优点。以受噪声污染图像为例,该方法针对彩色图像去噪具有较好的效果。     

采用奇异值分解移动学习云计算静态重删系统

在云存储服务中,为使用户可以随时验证存储在云存储服务器上数据的完整性,需要对云计算数据进行移动学习,在移动学习过程中,产生大量的重复数据。需要设计云计算静态重删系统,对重复数据有效及时删除。传统方法采用虚拟化云平台分类层次重删模型,需要修改内核代码或者以模块的形式动态植入内核代码,重删效果不好。本文提出一种基于奇异值分解移动学习的云计算静态重删系统设计方案,进行云计算存储系统设计与重删数据特征分析,对云计算静态重复数据的尺度伸缩分解,把重复数据宽带互模糊度函数映射为一个检测统计量特征分解问题,构建一个参数未知多重假设检验,对云计算静态重复数据进行奇异值尺度伸缩分解,对分解后的奇异值特征进行状态空间重组和移动学习,得到重删系统模型改进。仿真结果表明,该算法对云计算静态重复数据检测性能较高,重删性能优越,抗干扰能力强,具有较好的应用前景。