导读:本文包含了联合去噪论文开题报告文献综述及选题提纲参考文献，主要关键词:去噪,面波,径向变换,奇异值分解
联合去噪论文文献综述
孟会杰,苏勤,曾华会,刘桓,张小美[1]（2019）在《径向变换与奇异值分解联合去噪方法在面波压制中的研究及应用》一文中研究指出四川盆地浅层致密气由于具有埋藏浅、资源量大、投资成本少见效快等特点,逐渐成为勘探开发和天然气上产新领域。浅层勘探对地震资料品质要求更高,针对面波区域的地震资料保真去噪是提高地震资料成像质量的关键技术,也是浅层致密气勘探开发的难点之一。本文针对四川盆地实际地震资料中的面波以及线性干扰,利用一种径向变换(RT)与奇异值分解(SVD)技术相结合的方法来压制噪声。通过对原始资料视速度分析,准确选取含面波、线性噪音等干扰区域,针对该区域利用径向变换并根据变换后噪音与有效信号的视速度、频率、能量等特征不同,结合低通滤波、SVD技术,分离出主要含噪声的区域,然后利用原始数据与处理后的噪声区域相减达到去噪的目的。实际处理结果证明,该方法能够有效的压制噪音,提高地震资料的信噪比。(本文来源于《2019年油气地球物理学术年会论文集》期刊2019-11-27）
马文途,姜友谊,黎晓,曾致[2]（2019）在《联合非局部均值与小波域维纳滤波的去噪方法》一文中研究指出针对传统小波阈值与维纳滤波方法对合成孔径雷达(synthetic aperture radar,SAR)影像去噪后效果不太理想的情况下,提出了一种基于非局部均值与小波域维纳滤波联合的SAR影像相干斑抑制方法。首先,对SAR影像进行小波分解,将影像及噪声引入到小波域中;然后,对分解出的低频部分进行非局部均值处理,高频部分进行维纳滤波;最后,对处理后的低频和高频部分进行小波重构,得到去噪后的影像。实验结果表明,所提的去噪方法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理结构等信息。与传统的小波阈值与维纳去噪方法相比,在等效视(ENL)数、峰值信噪比(PSNR)和结构相似性(SSIM)指标上有明显改善。(本文来源于《北京测绘》期刊2019年09期）
黄涛,曹力,刘晓平[3]（2019）在《保特征的联合滤波网格去噪算法》一文中研究指出目的在去噪的过程中保持网格模型的特征结构是网格去噪领域研究的热点问题。为了能够在去噪中保持模型特征,本文提出一种基于变分形状近似(VSA)分割算法的保特征网格去噪算法。方法引入变分形状近似分割算法分析并提取噪声网格模型的几何特征,分3步进行去噪。第1步使用变分形状近似算法对网格进行分割,对模型进行分块降噪预处理。第2步通过分析变分形状近似算法提取分割边界中的特征信息,将网格划分为特征区域与非特征区域。对两个区域用不同的滤波器联合滤波面法向量。第3步根据滤波后的面法向量,使用非迭代的网格顶点更新方法更新顶点位置。结果相较于现有全局去噪方法,本文方法可以很好地保持网格模型的特征,引入的降噪预处理对于非均匀网格的拓扑结构保持有着很好的效果。通过对含有不同程度高斯噪声的网格模型进行实验表明,本文算法无论在直观上还是定量分析的结果都相较于对比的方法有着更好的去噪效果,实验中与对比算法相比去噪效果提升15%。结论与现有的网格去噪算法对比,实验结果表明本文算法在中等高斯噪声下更加鲁棒,对常见模型有着比较好的去噪效果,能更好地处理不均匀采样的网格模型,恢复模型原有的特征信息和拓扑结构。(本文来源于《中国图象图形学报》期刊2019年08期）
左文祥[4]（2019）在《基于图的联合深度图补全与去噪技术研究》一文中研究指出深度图像表示的是场景中对象距离相机的距离,其已经在叁维重建、重聚焦、机器人视觉等领域得到了广泛的应用。获取深度图最典型的方法是基于结构光的方法,然而由于深度传感器精度的限制,获取到的深度图往往会存在噪声和边缘缺失等退化,退化图像会极大的影响后续任务,所以深度图像修复是一个非常重要的问题。因为现代深度传感器总是伴随着自然图像传感器,而且获取到的自然图像基本都是分辨率较大,质量较高,所以大部分深度修复方法都是基于彩色图像指导的修复技术。深度图像修复本质上是一个病态问题,需要有一定的先验知识做指导,常用的先验有基于彩色图像指导的低秩、全变分等。针对现在方法存在的对噪声敏感以及修复速度慢的特点,提出基于图结构的快速深度图修复方法。具体的,本文主要研究工作包括以下两点:针对现有基于矩阵分解的退化低秩矩阵修复方法存在的先验不足的问题,本文通过引入局部和非局部先验,设计基于局部像素平滑和非局部梯度一致性的对偶图拉普拉斯矩阵表示的正则项,以此来约束目标函数,实现深度图像的快速修复。通过对使用NLM预补全后的深度图做块匹配,得到低秩矩阵,以此将问题转换为低秩矩阵修复问题。视低秩矩阵的每行为图的顶点,构建表示局部相似性的图,得到表示局部约束的图拉普拉斯正则项;视低秩矩阵的每列为列图的顶点,构建表示非局部约束的图拉普拉斯正则项。使用对偶图约束的目标函数具有闭合解,求解得到修复的低秩矩阵。最后将修复的低秩矩阵还原到深度图中对应位置,得到完整的修复深度图像。实验表明,对偶图中局部和非局部约束实现了互补的效果。针对将深度图修复转换为低秩矩阵修复后的问题中低秩先验并未使用的问题,本文又使用了核范数表示的低秩先验,设计基于对偶图和低秩约束的联合正则项,以此完成低秩矩阵的高效修复,从而达到更有效的深度图修复效果。目标函数使用ADMM求解,在实际求解分解得到的ADMM子式的时,又做了优化使得叁个子式的计算都存在闭合形式解。实验结果表明,使用了低秩和对偶图联合约束的修复结果在PSNR上超过当前最好的方法,而且优化后的ADMM子式计算也更快。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
黄南天,王文婷,蔡国伟,杨冬锋,黄大为[5]（2019）在《计及复杂气象耦合特性的模块化去噪变分自编码器多源–荷联合场景生成》一文中研究指出气象因素的强随机性与强波动性直接影响新能源出力与用户用电行为。针对基于整体历史数据生成多源-荷联合场景集时难以体现特定气象下的多源-荷概率分布特性的不足,提出一种计及气象因素差异的模块化去噪变分自编码器(modular denoising variational autoencoder,MDVAE)多源-荷联合场景生成模型。首先,分析风速、辐照、负荷等与气象因素相关性,确定源-荷气象耦合特征集;在此基础上,针对历史气象数据集进行聚类,获得具有不同气象特点的聚类结果;之后,以类内所含日期中风速、辐照、负荷历史数据,构建基于数据驱动的MDVAE联合场景生成模型;最后,通过将生成的风速、辐照转化为风-光出力,构建多源-荷场景。实测数据分析表明,新方法生成场景集能体现不同气象条件下差异性,并能有效提高生成场景集与实测数据间概率分布的相似性。(本文来源于《中国电机工程学报》期刊2019年10期）
李薇[6]（2019）在《基于联合去噪方法的MEMS矢量水听器信号去噪》一文中研究指出信号是信息的载体,在接收信号的过程中,往往会混入一些噪声,为了提高信噪比,人们根据信号和噪声的各种特征差异,研究出了许多去噪方法,应用于生活的方方面面。传统的去噪方法如傅里叶变换法对信号去噪有一定的效果,但不能处理非平稳和非线性的信号。经验模态方法和小波分析方法可以处理非平稳、非线性的信号。本文将研究经验模态去噪方法与改进小波去噪方法的联合去噪。首先介绍了傅里叶变换去噪,小波分析去噪基本原理,然后介绍了几种经验模态分解基本原理,最后介绍了联合去噪的几种方法。为了比较几种去噪方法的去噪效果,建立了2个去噪效果评价指标,即最小均方误差和信噪比。将单一去噪方法分别应用于仿真信号,得出经验模态去噪中MEEMD(集总平均经验模态分解)去噪效果优良。小波阈值去噪有利于提取细节信号,故二次去噪选用它进行。鉴于前面的结论,选用MEEMD(集总平均经验模态分解)分解方法和改进小波去噪方法联合去噪。在该方法中MEEMD(集总平均经验模态分解)方法将用于将染噪信号分解为多个固有模态函数。然后创新性的对固有模态函数和染噪信号作线性相关性分析,选出相关性较大的几个固有模态函数,观察所选固有模态函数的频谱图,将毛刺现象严重的固有模态函数做改进小波软阈值处理,得到新的固有模态函数。最后,重建新的固有模态函数和选出的无毛刺现象的固有模态函数得到去噪信号。将这种去噪方法与基于MEEMD(集总平均经验模态分解)分解方法的小波软阈值去噪方法和基于CEEMD(互补集合经验模态分解)分解方法的小波软阈值去噪方法进行仿真去噪对比,分别得出他们的两个性能指标和去噪效果图,结果表明MEEMD(集总平均经验模态分解)分解和改进小波去噪方法效果更好。最后,将该去噪方法应用于2014年中北大学实验室在汾河进行的实测数据,在实测数据中选取频率315Hz、630Hz的叁路信号进行实验,其中每种信号截取1000个点。去噪信号和原始实测信号对比发现去噪信号的时频图比实测信号的时频图更为光滑,毛刺现象更少,所以该改进的去噪方法对实测信号的去噪效果很好。(本文来源于《中北大学》期刊2019-04-02）
艾文强,范锦彪,王燕[7]（2019）在《联合CEEMD和改进阈值去噪的初至波识别算法》一文中研究指出提出了一种新的阈值函数并联合互补集合经验模态分解算法,用改进能量算法对初至波进行提取。将信号分解为几个本征模态函数和一个残余信号,计算每个本征模态函数分量的自相关函数及频域的主频,并依据自相关函数特点和主频分布情况判断噪声信号主导的本征模态函数,对这些分量用新阈值函数去噪,将信号重构使用能量比值法提取初至点。仿真信号计算结果及实际实验结果表明,该方法能有效提取出低信噪比信号的初至波,高精度拾取初至时间。(本文来源于《兵器装备工程学报》期刊2019年03期）
欧阳敏,王大为,李志娜,杨文博,邓聪[8]（2019）在《基于压缩感知的小波阈值和CEEMD联合去噪方法》一文中研究指出中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显着优势.(本文来源于《地球物理学进展》期刊2019年02期）
王彬,刘伟祖,张文鑫,王鹏飞,李雪梅[9]（2019）在《地震弱反射信号联合去噪方法可行性研究》一文中研究指出南海西部陵水凹陷区有效信号反射弱,受多次波影响,存在大量随机噪声干扰。基于盲源分离提取地震弱信号及多道奇异谱分析(MSSA)对地震数据进行重建约束化处理,去除了多次波以及随机噪声影响,成功解决了断面模糊、地层同向轴不连续、构造形态不确定的地质问题。沉积坡折带实际数据试验结果表明,联合去噪方法在复杂沉积地质结构的噪声压制方面具有一定的适用性。(本文来源于《油气地球物理》期刊2019年01期）
李薇,白艳萍,王鹏,姚建丽[10]（2018）在《基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法》一文中研究指出为了有效去除采集信号中的噪声,基于MEMS水听器在采集信号时混入不同噪声的情况下,提出了一种基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法。CEEMD用于将一个含噪信号分解为几个固有模态(IMFS),然后把几个固有模态和原始信号作一个线性相关分析,分为相关性高的模态和相关性低的模态。将软阈值技术应用于相关性低的固有模态,并将粗糙度惩罚平滑技术应用于相关性高的固有模态,以提取尽可能多的信息,然后把处理后的新的固有模态重构形成去噪信号。分别在仿真和真实数据的基础上进行了实验,验证了方法的有效性。结果表明,联合信号去噪方法无论在去噪效果和性能指标上都优于基于CEEMD的小波软阈值的去噪方法和CEEMD的去噪方法,克服了经验模态方法和小波软阈值去噪的不足,为进一步分析与处理信号提供参考。(本文来源于《河北工业科技》期刊2018年06期）
联合去噪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统小波阈值与维纳滤波方法对合成孔径雷达(synthetic aperture radar,SAR)影像去噪后效果不太理想的情况下,提出了一种基于非局部均值与小波域维纳滤波联合的SAR影像相干斑抑制方法。首先,对SAR影像进行小波分解,将影像及噪声引入到小波域中;然后,对分解出的低频部分进行非局部均值处理,高频部分进行维纳滤波;最后,对处理后的低频和高频部分进行小波重构,得到去噪后的影像。实验结果表明,所提的去噪方法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理结构等信息。与传统的小波阈值与维纳去噪方法相比,在等效视(ENL)数、峰值信噪比(PSNR)和结构相似性(SSIM)指标上有明显改善。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
联合去噪论文参考文献
[1].孟会杰,苏勤,曾华会,刘桓,张小美.径向变换与奇异值分解联合去噪方法在面波压制中的研究及应用[C].2019年油气地球物理学术年会论文集.2019
[2].马文途,姜友谊,黎晓,曾致.联合非局部均值与小波域维纳滤波的去噪方法[J].北京测绘.2019
[3].黄涛,曹力,刘晓平.保特征的联合滤波网格去噪算法[J].中国图象图形学报.2019
[4].左文祥.基于图的联合深度图补全与去噪技术研究[D].哈尔滨工业大学.2019
[5].黄南天,王文婷,蔡国伟,杨冬锋,黄大为.计及复杂气象耦合特性的模块化去噪变分自编码器多源–荷联合场景生成[J].中国电机工程学报.2019
[6].李薇.基于联合去噪方法的MEMS矢量水听器信号去噪[D].中北大学.2019
[7].艾文强,范锦彪,王燕.联合CEEMD和改进阈值去噪的初至波识别算法[J].兵器装备工程学报.2019
[8].欧阳敏,王大为,李志娜,杨文博,邓聪.基于压缩感知的小波阈值和CEEMD联合去噪方法[J].地球物理学进展.2019
[9].王彬,刘伟祖,张文鑫,王鹏飞,李雪梅.地震弱反射信号联合去噪方法可行性研究[J].油气地球物理.2019
[10].李薇,白艳萍,王鹏,姚建丽.基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法[J].河北工业科技.2018