大数据-算法-非同步采样下电力系统无功和谐波算法研究.pdf

非均匀采样系统的实现可以包括两个方面： 　　（1）对信号进行非均匀采样得到非均匀采样信号； 　　（2）进行非均匀采样算法处理。 　　前一个方面主要是硬件实现的问题，即如何在硬件上实现对信号的非均匀采样，后一个方面主要是选择合适的处理算法，以便对信号进行适当的处理，得到所需的结果。 　　从一般意义上来看，信号的每个采样点需要两个量来代表：采样值大小和采样时间。对于均匀采样，由于任何两个采样点的间隔都是相等的，因此，均匀采样只需要记录采样值和标记采样点的顺序即可。但是，对于非均匀采样，由于采样点的间隔是不相等的，因此，非均匀采样除了要记录采样值大小以外，还需要记录采样时间。在实际实现中，非

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解，对每个分解层的各个子带进行非线性收缩和拉伸，以达到抑制噪声和增强图像特征的目的。然后，对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散，以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明，本文方法相比于无扩散的Wavelet和Contourlet方法相比，不仅对图像进行了去噪和增强，而且有效的抑制了伪Gibbs现象和 side-band效应。

针对多聚焦图像融合中聚焦物体边缘衔接处产生伪影的问题，提出一种基于非下采样Contourlet变换(NSCT)与引导滤波的多聚焦图像融合算法。该算法对多聚焦图像进行NSCT分解后，利用基于边缘的加权融合方案处理低频子带系数，利用双向拉普拉斯滤波器提取带通方向子带系数的边缘和显著信息，通过引导滤波器对初始融合权重进行修正，最后利用NSCT重构获得融合后的多聚焦图像。实验结果表明，与其他融合算法相比，本文算法提高了融合图像的信息丰富度和清晰度，避免在聚焦物体边缘衔接处产生伪影，提高了融合图像的总体质量。

为提高煤矿井下低照度、大噪声图像的可观测性，提出了一种基于非下采样轮廓波变换的矿井图像增强算法，该方法克服了常规图像增强算法无法兼顾对比度提高与噪声抑制的不足。根据Retinex理论，推导出了低照度含噪声图像的Retinex增强框架，该框架解除了噪声对估计光照图的干扰，并且分离实现了图像的对比度提高和噪声抑制。依据该图像增强框架，首先利用非下采样轮廓波变换将输入图像分解为低频子带系数和高频方向子带系数，解除估计光照图与抑制噪声的耦合;然后在轮廓波变换域，利用R，G，B三个颜色通道的低频子带系数，求出3个低频子带系数的亮通道图像，但该亮通道图像存在细节突变和过低灰度值，不符合光照图缓慢变化的特征，对亮通道图像做进一步的Gamma校正和均值滤波，获得灰度值提高了的平滑光照图估计值;接着在轮廓波变换域，根据阈值函数收缩高频方向子带系数实现噪声抑制;最后，为突显某一频带方向的细节信息和提高整体对比度，将收缩的高频方向子带系数乘以相应的增益完成特定细节加强，再利用细节加强的高频子带系数、低频子带系数和光照图估计值重构出整体对比度提高的增强图像。数值实验表明，该图像增强算法能够有效地实现矿井图像的

为了更好地将可见光图像与噪声干扰严重的合成孔径雷达图像融合, 提出了一种最大尺度硬阈值去噪的方法, 在此基础上设计了一种融合规则, 根据噪声和信号在NSCT(nonsubsampled Contourlet transform)域的分解系数特性, 将NSCT分解的最大尺首先进行硬阈值去噪, 其他高频尺度与最大尺度对应的像素点取值方式保持一致, 在低频系数采用“简单绝对值取大”的融合规则, 最后进行NSCT逆变换得到融合图像。实验结果表明, 该方法能有效抑制斑点噪声, 并能充分保留源图像重要特征。

matlab图片灰色化代码纹理合成器 这是Efros-Leung算法的Matlab实现，用于通过非参数采样进行纹理合成。 有关该算法的详细信息，请参见。 用法 以下是如何使用synthesize_texture函数的示例（来自synthesize_texture_test.m ）： input_image = im2double(imread( ' 161.png ' )); output_image = synthesize_texture(input_image, 256 , 256 , 9 ); imwrite(output_image, ' result.png ' ); synthesize_texture的参数如下： function output_image = synthesize_texture ( input_image , output_rows , output_cols , window_size ) 输入项 input_image ：包含要合成的纹理样本的图像 output_rows ：合成图像中所需的行数 output_cols ：合成图像中所需的列数 w

非均匀采样干扰数据的频谱恢复方法分析

非均匀采样和量化 对给定的空间分辨率，图像的质量可以根据图像特性利用自适应的采样过程来改进。例如，在灰度变化显著的有很多细节的区域应当采用较密的采样。又例如，可以计算所有灰度值出现的频率。若某范围内的灰度值出现频繁，而在其他范围内灰度值出现较稀，则在该范围内量化灰度就要较密，在其他范围内较稀。

结合NSST和快速非局部均值滤波的图像去噪