基于各向异性扩散的保边去噪算法研究与应用

论文摘要

基于偏微分方程的各向异性扩散方法一直是图像去噪领域研究的热点,该类方法利用扩散方程在图像边缘方向扩散弱的特征实现了在去噪时保持图像边缘信息(简称“保边去噪”)的目的,并取得了研究者们的一致认可。在不断的研究中发现,有效信号与噪声的能量比值在全频带的分布是不均匀的,传统的全频带去噪处理方法会存在过度去噪导致边缘信息被平滑的问题。因此,本文主要基于各向异性扩散方法和分频思想进行研究,结合新型的变分模态分解方法,针对Chambolle和Lions提出的可供选择的模型(CL方法)中阈值难以选取的缺点,利用数据梯度值和频率建立新的动态阈值算子,提出了新的分频分区的动态各向异性扩散方法并将其应用到地震资料去噪中。本文主要研究内容和研究成果如下:(1)系统研究并对比了新兴的信号分解方法。本文系统研究了四种新近提出的适用于非线性非平稳信号的分解方法:经验模态分解方法(EMD)、集合经验模态分解方法(EEMD)、完备集经验模态分解方法(CEEMD)和变分模态分解方法(VMD)。为了对比分析这四种方法的信号成分分解准确性和抗噪声能力,本文根据地震信号(典型的非线性非平稳信号)的特点和保边去噪的目的,建立了一个含有多成分的模拟地震信号及对其局部加噪后的模拟信号,然后分别将这四种方法应用到这两个模拟信号中,根据各自得到的时间域和频率域的分解结果可知:VMD方法利用变分求取最优解的思想,不仅具有坚实的数学理论基础,且其本身具有最好的抗模态混叠能力和抗噪性,非常适用于本文后面的分频去噪思想。(2)深入研究并对比分析了基于各向异性扩散方法的经典方法。各向异性扩散方法利用具有方向性的扩散方程来代替高斯平滑滤波器实现了保边去噪的目的。该类方法实质上是基于偏微分方程的非线性滤波方法。本文主要介绍了三种具有典型意义的各向异性扩散滤波方法:Perona和Malik的各向异性扩散方法(P&M方法),Total Variation方法(TV方法)和CL方法。通过对这三种方法的原理分析,得出了各自的优点和不足,引出了基于自适应阈值的各向异性扩散方法。通过模型和实际资料处理的结果对比,验证了基于自适应阈值的各向异性扩散方法不仅具有更快的计算效率,而且在保边去噪方面相较于TV方法和CL方法具有更优秀的表现。(3)提出分频分区的动态各向异性扩散方法。本文通过对信号分解方法的原理和实际应用效果对比,选择了变分模态分解方法作为资料分频处理的方法,结合改进的依赖频率的动态阈值,在保边去噪的思想上提出了分频分区的动态各向异性扩散方法。该方法首先利用变分模态分解方法将待处理的资料进行单道分频处理,分解后得到不同频率范围的IMF(Intrinsic Mode Function,IMF)剖面;然后,针对每个剖面的像素点梯度值自适应地进行阈值计算,利用计算得到的阈值将剖面数据分为特征区域和噪声区域;接着,选择TV方法或L2范数对每个区域对应处理;最后,叠加去噪后的IMF剖面以获得最终的地震数据。(4)通过实验对本文方法进行效果测试。通过本文提出的具有分频分区能力的动态各向异性扩散方法对地震模型和实际资料进行处理,与其他方法的结果对比分析后发现,该方法可以尽可能地保持原始地震资料特征信息,同时有效地抑制了随机噪声,提高了数据的信噪比。此外,在恢复的过程中对弱振幅同相轴有一定的加强作用,地下层位接触关系更加明显,提高了资料的横向分辨率。

论文目录

文章来源

类型: 硕士论文

作者: 陈元春

导师: 陈辉

关键词: 信号分解,各向异性扩散,动态阈值,分频分区,保边去噪

来源: 成都理工大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 成都理工大学

分类号: TP391.41;O175.2

DOI: 10.26986/d.cnki.gcdlc.2019.000399

总页数: 66

文件大小: 5940K

下载量: 23

相关论文文献

• [1].基于各向异性扩散的伊犁黄土颜色随含水率变化规律研究[J]. 电子设计工程 2020(12)
• [2].改进各向异性扩散模型在图像滤波去噪中的应用[J]. 传感器与微系统 2017(04)
• [3].基于双边滤波的各向异性扩散方程图像去噪[J]. 上饶师范学院学报 2017(03)
• [4].基于灰色系统理论的各向异性扩散图像去噪方法[J]. 计算机与现代化 2016(02)
• [5].基于核各向异性扩散的红外小目标检测[J]. 强激光与粒子束 2015(01)
• [6].一种改进的各向异性扩散去噪模型[J]. 计算机科学 2013(S2)
• [7].一种改进的各向异性扩散去噪算法[J]. 光电子技术 2014(01)
• [8].基于米字型各向异性扩散的破损藏式古唐卡修复研究[J]. 西南科技大学学报 2014(02)
• [9].高阶各向异性扩散小波收缩图像降噪算法[J]. 计算机工程 2009(05)
• [10].基于各向同性和各向异性扩散图像放大[J]. 上海大学学报(自然科学版) 2008(04)
• [11].基于自适应阈值参数的改进各向异性扩散模型[J]. 中北大学学报(自然科学版) 2018(05)
• [12].基于各向异性扩散的单幅图像去雾算法[J]. 光学技术 2017(04)
• [13].一种改进的基于各向异性扩散方程的图像去噪方法[J]. 内蒙古师范大学学报(自然科学汉文版) 2016(05)
• [14].基于各向异性扩散滤波的仿组织材料超声扫描数据三维重建[J]. 北京化工大学学报(自然科学版) 2014(02)
• [15].各向异性扩散的图像复原[J]. 计算机与数字工程 2012(02)
• [16].并行各向异性扩散算法与实时医学图像增强技术[J]. 中国医疗设备 2010(03)
• [17].基于各向异性扩散方程的多层次并行图像去噪[J]. 计算机工程与科学 2010(04)
• [18].基于核各向异性扩散的低信噪比裂纹降噪算法研究[J]. 光学学报 2009(04)
• [19].基于改进各向异性扩散冲击滤波器模型的图像去噪[J]. 中南大学学报(自然科学版) 2014(09)
• [20].基于复数域非线性各向异性扩散滤波的裂缝检测方法[J]. 石油地球物理勘探 2012(02)
• [21].同向平均梯度的各向异性扩散模型[J]. 中国图象图形学报 2011(12)
• [22].一种高阶各向异性扩散小波收缩图像降噪算法[J]. 计算机应用 2009(08)
• [23].三维各向异性扩散滤波在地震数据处理中的应用[J]. 地球物理学进展 2015(05)
• [24].中值滤波与各向异性扩散相结合的医学图像滤波方法[J]. 计算机应用 2014(01)
• [25].结合局部方差信息的各向异性扩散图像去噪算法研究[J]. 江西科学 2018(03)
• [26].基于多方向中值滤波的各向异性扩散滤波算法[J]. 计算机工程与应用 2017(04)
• [27].改进的各向异性扩散方程的超声图像滤波方法[J]. 光学精密工程 2017(06)
• [28].多尺度各向异性扩散方程的红外弱小目标检测算法[J]. 光子学报 2015(09)
• [29].一种基于轮廓波变换和各向异性扩散的图像去噪模型[J]. 计算机应用与软件 2013(10)
• [30].各向异性扩散图像去噪现状研究[J]. 电光与控制 2012(05)

标签：信号分解论文;  各向异性扩散论文;  动态阈值论文;  分频分区论文;  保边去噪论文;