基于Db小波与中值滤波的安检图像噪声消除算法

设置成像安检系统是机场等重要场所通常采用的安全措施。根据CT安检图像既含高斯白噪声又含脉冲噪声的特点，运用将Db小波变换与中值滤波相结合的综合去噪方法，以同时滤除高斯噪声和脉冲噪声，以获得更好的视觉效果。     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

基于子空间投影和边缘增强的低剂量CT去噪

低剂量计算机断层扫描（CT）是一种相对安全的疾病筛查手段,但低剂量CT图像往往包含较多噪声和伪影,严重影响医生的诊断。针对该问题,本文提出一种基于子空间投影和边缘增强网络（SPEENet）。SPEENet为自编码器结构,包含双流编码器和解码器两个主要模块。双流编码器可以被分为噪声图像编码流及边缘信息编码流两部分,噪声图像编码流对低剂量CT图像进行特征提取,利用图像特征去除低剂量CT中的噪声和伪影;边缘信息编码流部分主要关注低剂量CT图像的边缘信息,利用边缘信息保护图像结构。为充分利用编码器特征,本文引入噪声基投影模块,构建基于编码器和解码器特征的基,并利用该基将编码器提取的特征投影到对应的子空间,获取更好的特征表示。本文在公开数据集上进行实验以验证提出网络的有效性,实验结果表明,相较于其他低剂量CT去噪网络,SPEENet可以取得更好的去噪效果。      

基于投影域数据恢复的低剂量CT稀疏角度重建

针对目前CT的X射线电离辐射危害,提出了一种基于低剂量CT投影数据进行稀疏角度重建的方法来降低辐射剂量。本方法首先对低剂量CT的投影数据采用惩罚加权最小二乘(PWLS)方法进行去噪处理,然后对去噪后的投影数据进行稀疏角度的CT图像重建。对Shepp-Logan模体仿真实验及真实实验数据重建结果表明:本文提出的基于低剂量CT的稀疏重建方法可有效地抑制重建图像噪声和条形伪影,实现稀疏角度的低剂量CT图像重建。     

基于非局部贝叶斯地震数据随机噪声压制方法（英文）

针对地震数据随机噪声压制问题,本文提出一种基于非局部贝叶斯(Non-local Bayes algorithm)的滤波方法。NLBayes方法使用高斯模型代替NL-means方法中使用全部相似数据块的加权平均,减少对数据结构细节的平滑效应,从而改善去噪效果。在地震数据去噪处理中,根据噪声的方差自适应的计算数据块的大小和高斯模型中数据块的数量,经过两次迭代实现地震数据去噪。第二次迭代中使用第一次迭代去噪后的数据来计算高斯模型块的无偏差均值和协方差,以提高数据块的相似度,使得去噪效果更理想。通过对模型数据和实际数据测试表明,NL-Bayes方法能有效提高地震数据信噪比和满足数据保真性处理的要求。     

CT图像增强方法的研究

利用直方图均衡、中值滤波和小波变换对CT图像(512×512)增强处理的方法进行了研究,实验结果表明,小波变换增强方法可以减少噪声的放大,在增强图像微小细节和避免放大噪声两方面获得令人满意的结果,其处理结果优于直方图均衡和中值滤波的增强方法.     

基于时间演化的天然气水合物CT图像阈值分割

微米X射线计算机断层扫描作为一种数字岩心探测手段,被广泛应用于研究含天然气水合物沉积物赋存形态,但由于水合物与水对X射线的衰减系数相近,二者在CT图像中灰度区间存在交集,导致在从CT图像上对水合物与水进行分割时存在强非唯一性。为提高对CT图像中水合物与水阈值分割的准确性,本文通过分析天然气水合物生长过程中不同时刻CT图像直方图特征,提出归一化CT图像及其直方图的方法。首先选定甲烷气与石英砂的峰值灰度基准;然后用高斯函数分别对当前CT图像直方图中的甲烷气与石英砂曲线进行拟合,得到当前CT图像直方图中的甲烷气与石英砂峰值灰度;再将当前CT图像直方图中的甲烷气峰值灰度与石英砂峰值灰度归一化到选定的峰值灰度基准;进而用归一化的直方图对CT图像进行归一化;最后根据归一化灰度直方图的变化趋势,定量统计得到CT图像中水合物增加和气-水减少的灰度区间,完成图像中不同组分的阈值划分。实验结果表明,提出的阈值分割方法能够为天然气水合物CT图像中水合物与水边界的确定和水合物饱和度计算提供定量的依据,具有实际的工程应用价值。      

基于稀疏表达的OBS去噪方法

海底地震仪（OBS）采集数据的去噪处理是开展OBS震相分析及后续处理反演的基础.本文结合曲波（Curvelet）变换及压缩感知提出一种稀疏化表达的OBS去噪方法,并通过与小波变化对比等探讨去噪效果.曲波变换具有抛物尺度及识别线性异常的优点,可以稀疏地表示OBS数据,再结合压缩感知思想对稀疏表达OBS数据进行去噪处理和重构.通过对变换后的系数进行基于L₁范数的冷却阈值迭代滤波,获得最优的变换系数,本文指出基于曲波变换的冷却阈值迭代法能够很好地对OBS数据去噪.对比小波和曲波两种变换在相同迭代次数下对理论模型数据进行去噪处理,表明曲波变换得到的结果信噪比更高.利用本文方法对渤海地区采集的OBS数据进行去噪处理获得了更加清晰连续的震相,噪声压制效果更明显,为震相拾取及后续速度模型反演奠定了良好的基础.     

基于结构化匹配追踪的地震资料去噪技术研究

地震数据往往受噪声干扰,影响有效反射波的识别,因此提高地震资料信噪比在数据处理中尤为重要,我国在此方面研究已经取得进展.结构化匹配追踪算法是一种采用原子字典分组式及树状结构搜索的全局结构化算法,具有运算效率高、速度快的特点.本文在分析结构化匹配追踪算法的基础上提出基于该算法的地震资料去噪技术,根据反射波信号与噪声信号的频段差异,对分解得到的时频原子设置阈值频段,去除含噪成分,从而达到去噪目的.与常规去噪技术相比,该技术精准、快速地分解地震反射波信号与噪声信号,最大限度地减小对地震反射波信号的损害.     

基于小波变换的大尺度岩体结构微震监测信号去噪方法研究

为将小波去噪方法应用于大尺度岩体结构微震监测信号的去噪研究,首先在MATLAB环境下进行仿真,验证了使用Symlet6小波进行小波去噪的可行性;利用4种自适应阈值规则对含噪信号进行去噪对比,结果表明4种阈值去噪后的信号在均方差较小的情况下都极大地提高了信号的信噪比,有效地去除了噪声,对不同的含噪信号,无偏似然原则阈值去...     

结构平稳随机地震反应时域分析:应用

以平面框架结构为例阐述了结构平稳随机地震反应时域分析方法的应用。首先利用静力凝聚方法大幅度地缩减结构的自由度数目，形成一维链状模型，使得结构运动方程中只包含各层反应从而大大降低计算工作量。其次推导了结点随机反应和层间随机反应的计算公式，可以方便地获得结构在理想白噪声、金井清谱和改进金井清谱三种随机地震地面运动激励下的协方差位移反应函数和协方差速度反应函数。最后通过一个单跨双层的平面框架结构实例，阐述了这种方法的使用过程。     

结构平稳随机地震反应时域分析:方法

给出了三种常用的随机地震地面运动过程模型,即理想白噪声模型、金井清模型、改进金井清模型的相关函数表达式.引入状态向量,在状态空间中建立地震地面运动激励下的结构振动方程,并求解出结构的复模态特性和复模态反应.利用复模态叠加法推导出线性时不变多自由度体系在这三种随机地震动激励下的平稳协方差反应的解析式,可在时域内直接计算结构随机反应的统计特征.该方法物理概念清晰,结论简便明确,可作为实际工程结构平稳随机地震反应的实用分析方法.     

平稳随机地震地面运动过程模型及其统计特征

地震地面运动过程具有强烈的随机性,应用随机理论对实际工程结构进行地震可靠性分析和抗震设计与加固时都需要建立合理的随机地震地面运动模型,本文选择3种典型的随机地震动模型,即理想白噪声模型、金井清模型和改进的金井消模型,分析了它们的物理概念、频域特征以及适用范围。引入状态向量,建立状态方程．通过复振型叠加法分析了地震地面运动过程的时域统计特性,推导出3种随机地震动模型的相关函数的解析表达式．这些结果可为结构随机地震反应时域分析和抗震可靠性评估提供基础。     

基于多项式拟合均匀荷载面曲率曲线的结构损伤识别方法

为仅利用结构损伤状态的柔度矩阵对结构进行损伤程度识别,先对损伤状态的均匀荷载面曲率曲线进行最小二乘法拟合。根据曲率曲线差判断结构的损伤位置,对损伤位置的点进行剔除后,再利用未损伤位置上的点进行局部最小二乘法拟合,代替损伤前的均匀荷载面曲率曲线,用于结构的损伤定位与定量。通过一简支梁数值算例,先以理论的二次多项式进行拟合,考虑单损伤和多损伤的情况,进行损伤识别分析,再分析多项式次数、测点数目以及不同噪声水平对损伤定量精度的影响。结果表明:在一定范围内,次数越高拟合误差越小,但差别不明显,采用理论的二次多项式拟合即可满足结构损伤识别要求,无噪声的情况下,测点数目减半不影响损伤识别的精度,该方法具有一定的抗噪声能力。     

An optimal Savitzky–Golay derivative filter with geophysical applications: an example of self-potential data

We propose a strategy in designing an optimal set of filter parameters, such as the order of interpolating polynomial and the filter length for a Savitzky–Golay derivative filter. The proposed strategy is based on the ‘principle of parsimony’ while satisfying the optimality conditions. The optimality conditions are based on the Durbin–Watson lag-1 test statistic and the Derringer–Suich desirability function. While the former checks for an appropriate data fitting, the latter, on the other hand, ensures minimal shape distortion of the reconstructed response. The proposed strategy of designing filter parameters is developed and validated through numerical experiments using Gaussian pulse as a test function which is contaminated with additive white Gaussian noise. In the numerical tests, the polynomial orders used were 3, 5 and 7, but the filter length for each polynomial was varying until the optimality conditions were satisfied. The Savitzky–Golay derivative filtering is used in obtaining the robust reconstruction of noisy geophysical anomaly and the robust estimation of its first- and second-order derivatives. We validated the proposed technique on the published self-potential anomaly data using a data-based interpretation technique where the reconstructed anomaly and its first- and second-order derivatives were used in estimating model parameters. The data-based interpretation using the proposed technique of Savitzky–Golay derivative filtering provides a close agreement with the published results.     

地震地面运动模型的研究

地震地面运动被模拟成均值为零的两次过滤Ｇａｕｓｓ白噪声随机过程。第一次过滤削减白噪声的高频含量;第二次过滤削减白噪声的低频含量。根据地震记录的功率谱,使用非线性函数的最小二乘法,确定了两次过滤Ｇａｕｓｓ白噪声随机过程的功率谱密度函数的参数。     

Translation-invariant wavelet denoising of full-tensor gravity –gradiometer data

Denoising of full-tensor gravity-gradiometer data involves detailed information from field sources, especially the data mixed with high-frequency random noise. We present a denoising method based on the translation-invariant wavelet with mixed thresholding and adaptive threshold to remove the random noise and retain the data details. The novel mixed thresholding approach is devised to filter the random noise based on the energy distribution of the wavelet coefficients corresponding to the signal and random noise. The translationinvariant wavelet suppresses pseudo-Gibbs phenomena, and the mixed thresholding better separates the wavelet coefficients than traditional thresholding. Adaptive Bayesian threshold is used to process the wavelet coefficients according to the specific characteristics of the wavelet coefficients at each decomposition scale. A two-dimensional discrete wavelet transform is used to denoise gridded data for better computational efficiency. The results of denoising model and real data suggest that compared with Gaussian regional filter, the proposed method suppresses the white Gaussian noise and preserves the high-frequency information in gravity-gradiometer data. Satisfactory denoising is achieved with the translation-invariant wavelet.