K--SVD算法在图像去噪中的研究.pdf

K-SVD算法的图像去噪的实验.pdf

SNR（信噪比）最大准则 若阵列信号为： 如果信号分量 与噪声分量 统计无关，且各自相关矩阵已知： 则 输出功率： 其中 为信号功率， 为噪声功率。

两种不同的假设： H1 ： 0 xn A fn wn ( ) cos(2 ) ( ) = ++ π θ n=12…N，f0 为规一化频率H0 ： xn wn () () = n=12…N其中 w[n]是均值为 0，方差为 2 σ n 的高斯白噪声，A 已知，样本间相互独立，信号与噪声相互独立; 相位θ 是随机变量，它服从均匀分布1 0 2 ( ) 20 pθ π θ π ?? ≤ ≤ = ??? 其它 1）改变输入信噪比（改变 A 或噪声方差均可），给定虚警概率，画出输入信噪比与检测概率之间的理论曲线。(注意：理论检测曲线与样本数有关) 2）改变样本数，用 Monte-Carlo 实验方法得出 PF＝0.001 时输入信噪比与检测概率之间关系曲线（至少三条），并得出结论。 3）改变 M-C 实验次数，样本数不变，用 Monte-Carlo 实验方法得出 PF ＝0.001 时输入信噪比与检测概率之间关系曲线（至少三条），并得出结论。

一种碳纤维边缘提取方法（代码+论文）。 碳纳米纤维的边缘检测对于研究其性能具有重要的意义。然而，由于设备老化等诸多原因，电镜采集的碳纤维图像引入了较多的噪声。这使得传统的边缘检测算子往往不能提取出连续的碳纤维边缘。本文基于全变分去噪模型来解决这个问题，该方法在能量函数J(u)中引入了一个正则项，通过优化J(u)使其达到最小，来实现去除噪声保持边缘的目的。实验结果显示，碳纤维图像经过全变分模型迭代公式迭代10次后，碳纤维的噪声区域就已经得到了平滑，边缘得到了保持。用Prewitt算子处理后，图像的连续的边缘被提取出来了。

信息论与编码第五章 有噪信道编码.ppt

由于苹果手机取消3.5mm接口的带动，近年来、特别是无线对耳耳机取得了爆炸式增长。而随着低成本无线对耳耳机的增长趋近饱和，近期各厂商又纷纷转向无线高保真的入耳和头戴耳机，无线高保真耳机亦取得了不错的市场空间。鉴于上述市场的逐渐饱和，寻求更具有的市场，显得尤为重要。随着耳机市场的突飞猛进，降噪耳机逐渐进入市场主流，巨大。然而由于降噪耳机目前由少数品牌垄断、价格高昂，市场潜力远未被发掘。开发一款具有较低的成本、同等降噪性能、与高保真头戴式耳机同等的高品质音质的耳机，将显然成为市场的新军，为降噪耳机注入新鲜血液，带动其向普通用户扩展，发掘市场潜力。深圳市永阜康科技有限公司基于此市场考虑，推出的一款低

降噪耳机是指利用某种方法达到降低噪音的一种耳机。目前降噪耳机有两种分别为：主动降噪耳机和被动降噪耳机。　　主动降噪功能就是通过降噪系统产生与外界噪音相等的反向声波，将噪音中和，从而实现降噪的效果。被动式降噪耳机主要通过包围耳朵形成封闭空间，或者采用硅胶耳塞等隔音材料来阻挡外界噪声。　　主动降噪耳机原理　　降噪耳机，采用主动噪音控制，不同于一般耳机的被动隔音。其原理为：　　1. 先由安置于耳机内的讯号麦克风侦测耳朵能听到的环境中低频噪音 （100 ～ 1000Hz）　　2. 再将噪声讯号传至控制电路，控制电路进行实时运算　　3. 通过Hi-Fi 扬声器播放与噪音相位相反、振幅相同的声波来抵消噪声

本文使用matlab进行小波降噪，采用软阈值、硬阈值、和固定阈值三种方式，对一维噪声数据进行降噪处理，并输出误差SNR

MATLAB图像消噪