CN113324918A - 一种岩石光谱去噪方法 - Google Patents

一种岩石光谱去噪方法 Download PDF

Info

Publication number
CN113324918A
CN113324918A CN202110102243.6A CN202110102243A CN113324918A CN 113324918 A CN113324918 A CN 113324918A CN 202110102243 A CN202110102243 A CN 202110102243A CN 113324918 A CN113324918 A CN 113324918A
Authority
CN
China
Prior art keywords
array
denoising
wave band
band range
layer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110102243.6A
Other languages
English (en)
Other versions
CN113324918B (zh
Inventor
陈雪娇
田青林
潘蔚
余长发
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN202110102243.6A priority Critical patent/CN113324918B/zh
Publication of CN113324918A publication Critical patent/CN113324918A/zh
Application granted granted Critical
Publication of CN113324918B publication Critical patent/CN113324918B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J2003/283—Investigating the spectrum computer-interfaced
    • G01J2003/2843—Processing for eliminating interfering spectra

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明属于高光谱遥感分析技术领域，具体涉及一种岩石光谱去噪方法，包括：获取岩石光谱信号并读入信号数组；将读入的信号数组分成四段，并分别存入四个一维数组；对四个一维数组分别进行一维离散小波分解，得到各层的小波系数；采用改进的阈值函数，对分解后的小波系数进行小波阈值去噪；将去噪后的小波系数根据小波逆变换进行重构，得到重构后的信号数组；将重构后的信号数组的重叠部分进行均值处理，并写入新数组；将处理后的新数组写回岩石光谱数据中，获得最终光谱信号。本发明能够减小仪器本身和外界环境对不同波段范围噪声的影响，并降低去噪过程对包含重要特征的波段范围内的信息损耗，有效提升高光谱数据信噪比。

Description

一种岩石光谱去噪方法
技术领域
本发明属于高光谱遥感分析技术领域，具体涉及一种岩石光谱去噪方 法。
背景技术
由于在光谱测量过程中会受到仪器随机误差、样品状态、环境背景噪 声等因素的干扰，使用ASD地面光谱仪测量得到的岩石光谱数据中不可避 免的存在噪声，造成光谱数据信噪比低，严重影响数据分析的准确性和构 建模型的稳定性。因此，在对岩石光谱数据进行模型预测之前，需要对光 谱数据进行去噪预处理，增强光谱有效信息，消除噪声干扰，提升光谱分 析的精度。
目前有很多光谱去噪方法，常用的包括平滑，傅立叶变换、导数校正 等。小波分析是从傅立叶变换的基础上发展起来的，能够同时在时频域中 进行信号分析，有效区分信号中的突变部分和噪声，从而实现信号的噪声 去除，是岩石光谱去噪的有力工具。
ASD地面光谱仪的波长范围是350nm～2500nm，其中350nm～750 nm是可见光波段，750nm～1100nm是近红外波段，1100nm～2500nm是 短波红外波段。由于仪器元件自身因素，其光谱测量值往往在2400nm～ 2500nm范围内噪声更为剧烈。而对于岩石光谱特征中，2100nm～2400nm 范围是十分重要的光谱分析波段，在去噪过程中造成的有效光谱损耗需要 引起特别重视，否则会造成岩石光谱诊断特征丢失，无法进行建模分析和 类型识别。
发明内容
本发明的目的在于提供一种岩石光谱去噪方法，能够减小仪器本身和 外界环境对不同波段范围噪声的影响，并降低去噪过程对包含重要特征的 波段范围内的信息损耗，有效提升高光谱数据信噪比。
实现本发明目的的技术方案：一种岩石光谱去噪方法，所述方法包括 以下步骤：
步骤(1)、获取岩石光谱信号并读入信号数组；
步骤(2)、将读入的信号数组分成四段，并分别存入四个一维数组；
步骤(3)、对四个一维数组分别进行一维离散小波分解，得到各层的 小波系数；
步骤(4)、采用改进的阈值函数，对分解后的小波系数进行小波阈值 去噪；
步骤(5)、将去噪后的小波系数根据小波逆变换进行重构，得到重构 后的信号数组；
步骤(6)、将重构后的信号数组的重叠部分进行均值处理，并写入新 数组；
步骤(7)、将处理后的新数组写回岩石光谱数据中，获得最终光谱信 号。
进一步地，所述步骤(1)中岩石光谱信号的波段范围为350nm～2500 nm，信号数组记为X(350～2500)。
进一步地，所述步骤(2)中四个一维数组分别为：
第一个一维数组：选取波段范围350nm～750nm，记为X1(350～750)；
第二个一维数组：选取波段范围650nm～1100nm，记为X2(650～1100)；
第三个一维数组：选取波段范围1000nm～2100nm，记为X3(1000～2100)；
第四个一维数组：选取波段范围2000nm～2500nm，记为X4(2000～2500)。
进一步地，所述步骤(3)为将每个一维数组进行j层一维离散小波分 解，得到分解后的第j层低频系数XiLj和第j层高频系数XiDj。
进一步地，所述步骤(3)包括：
对数组X1(350～750)进行j层一维离散小波分解，分解后的第j层低频系 数记为X1Lj(350～750)，高频系数记为X1Dj(350～750)；
对数组X2(650～1100)进行j层一维离散小波分解，分解后的第j层低频 系数记为X2Lj(650～1100)，高频系数记为X2Dj(650～1100)；
对数组X3(1000～2100)进行j层一维离散小波分解，分解后的第j层低频 系数记为X3Lj(1000～2100)，高频系数记为X3Dj(1000～2100)；
对数组X4(2000～2500)进行j层一维离散小波分解，分解后的第j层低频 系数记为X4Lj(2000～2500)，高频系数记为X4Dj(2000～2500)。
进一步地，所述步骤(4)包括：
步骤(4.1)、设定下阈值λ1、上阈值λ2和调整因子α；
步骤(4.2)、采用改进的阈值函数，进行阈值量化处理。
进一步地，所述步骤(4.1)中，上阈值λ2的计算公式为：
Figure BDA0002916403240000031
其中，σ为小波系数的标准方差，N为信号的长度；
下阈值λ1的计算公式为：λ1＝0.4λ2；
调整因子α的取值范围为：0＜α≤1。
进一步地，所述步骤(4.2)中改进的阈值函数公式为：
Figure BDA0002916403240000041
其中，XiDj为数组Xi的第j层高频系数，
Figure BDA0002916403240000042
为数组Xi经阈值去噪处 理后的第j层高频系数。
进一步地，所述步骤(5)为使用第j层低频系数XiLj和经过阈值去噪 的第j层高频系数
Figure BDA0002916403240000043
进行小波逆变换，得到重构后的信号数组。
进一步地，所述步骤(5)中重构后的信号数组分别为
Figure BDA0002916403240000044
Figure BDA0002916403240000045
进一步地，所述步骤(6)为对重构后的信号数组进行分段，将分段后 的重叠部分进行均值处理，并写入新数组。
进一步地，所述步骤(6)中对重构后的信号数组进行分段包括：
对重构后的信号数组
Figure BDA0002916403240000046
进行分段，选取波段范围350nm～649 nm，记为
Figure BDA0002916403240000047
选取波段范围650nm～750nm，记为
Figure BDA0002916403240000048
对重构后的信号数组
Figure RE-GDA0003099576110000049
进行分段，选取波段范围650nm～ 750nm，记为
Figure RE-GDA00030995761100000410
选取波段范围751nm～999nm，记为
Figure RE-GDA00030995761100000411
选取波段范围1000nm～1100nm，记为
Figure RE-GDA00030995761100000412
对重构后的信号数组
Figure BDA00029164032400000413
进行分段，选取波段范围1000nm～ 1100nm，记为
Figure BDA00029164032400000414
选取波段范围1101nm～1999nm，记为
Figure BDA00029164032400000415
选取波段范围2000nm～2100nm，记为
Figure BDA00029164032400000416
对重构后的信号数组
Figure RE-GDA00031756736300000417
进行分段，选取波段范围2000nm～2100nm，记为
Figure RE-GDA0003175673630000051
取波段范围2101nm～2500nm，记为
Figure RE-GDA0003175673630000052
进一步地，所述步骤(6)中将分段后的重叠部分进行均值处理包括：
将
Figure BDA0002916403240000053
和
Figure BDA0002916403240000054
的对应波段求和后取平均值，得到均值 处理后的结果，记为
Figure BDA0002916403240000055
将
Figure BDA0002916403240000056
和
Figure BDA0002916403240000057
的对应波段求和后取平均值，得到均 值处理后的结果，记为
Figure BDA0002916403240000058
将
Figure BDA0002916403240000059
和
Figure BDA00029164032400000510
的对应波段求和后取平均值，得到 均值处理后的结果，记为
Figure BDA00029164032400000511
进一步地，所述步骤(6)中新数组记为
Figure BDA00029164032400000512
包括
Figure BDA00029164032400000513
Figure BDA00029164032400000514
和
Figure BDA00029164032400000515
本发明的有益技术效果在于：
1、本发明的一种岩石光谱去噪方法能够减小仪器本身和外界环境对不 同波段范围噪声的影响；
2、本发明的一种岩石光谱去噪方法能够降低去噪过程对包含重要特征 的波段范围内的信息损耗，有效提升高光谱数据信噪比。
附图说明
图1为本发明所提供的一种岩石光谱去噪方法流程图；
图2为岩石样本原始光谱信号图；
图3为本发明所提供的一种岩石光谱去噪方法对岩石样本原始光谱信 号去噪效果图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
如图1所示，本发明所提供的一种岩石光谱去噪方法，该方法的具体 步骤如下：
步骤(1)、获取岩石光谱信号并读入信号数组
使用ASD地面光谱仪测量获取岩石光谱信号，并读入一维数组，记为 X(350～2500)，其中岩石光谱信号的波段范围为350nm～2500nm，光谱分 辨率为1nm。
步骤(2)、将上述步骤(1)读入的信号数组分成四段，并分别存入四 个一维数组
对数组X(350～2500)选取波段范围350nm～750nm为第一个一维数组， 记为X1(350～750)；对数组X(350～2500)选取波段范围650nm～1100nm为第 二个一维数组，记为X2(650～1100)；对数组X(350～2500)选取波段范围1000 nm～2100nm为第三个一维数组，记为X3(1000～2100)；对数组X(350～2500)选 取波段范围2000nm～2500nm为第四个一维数组，记为X4(2000～2500)。
步骤(3)、对上述步骤(2)中分段后的四个一维数组分别进行一维离 散小波分解，得到各层的小波系数
对数组X1(350～750)进行5层一维离散小波分解，小波基选择db4，分解 后的第j层低频系数记为X1Lj(350～750)，高频系数记为X1Dj(350～750)；对数 组X2(650～1100)进行5层一维离散小波分解，小波基选择db4，分解后的第j层 低频系数记为X2Lj(650～1100)，高频系数记为X2Dj(650～1100)；对数组 X3(1000～2100)进行5层一维离散小波分解，小波基选择db4，分解后的第j层 低频系数记为X3Lj(1000～2100)，高频系数记为X3Dj(1000～2100)；对数组 X4(2000～2500)进行5层一维离散小波分解，小波基选择db4，分解后的第j层 低频系数记为X4Lj(2000～2500)，高频系数记为X4Dj(2000～2500)。
步骤(4)、采用改进的阈值函数，对上述步骤(3)分解后的小波系数 进行小波阈值去噪
步骤(4.1)、设定下阈值λ1、上阈值λ2和调整因子α；
上阈值λ2的计算公式为：
Figure BDA0002916403240000071
其中，σ为小波系数的标准方差， N为信号的长度；
下阈值λ1的计算公式为：λ1＝0.4λ2；
调整因子α的取值范围为：0＜α≤1。
步骤(4.2)、采用改进的阈值函数，进行阈值量化处理
将各层高频系数根据小于λ1、大于λ1且小于λ2、大于λ2三种情况进行阈 值量化处理，改进后的阈值函数公式为：
Figure BDA0002916403240000072
其中：XiDj为数组Xi的第j层高频系数，
Figure BDA0002916403240000073
为数组Xi经阈值量化处理后 的第j层高频系数。
步骤(5)、将上述步骤(4)中去噪后的小波系数根据小波逆变换进行 重构，得到重构后的信号数组
对数组X1(350～750)，使用第j层低频系数X1Lj(350～750)和经过阈值量 化处理后的各层高频系数
Figure BDA0002916403240000074
Figure BDA0002916403240000075
进行小波逆变换，得到重构后的信号数组
Figure BDA0002916403240000076
对 数组X2(650～1100)，使用第j层低频系数X2Lj(650～1100)和经过阈值量化处理 后的各层高频系数
Figure BDA0002916403240000081
进行小波逆变换，得到重构后的信号数组
Figure BDA0002916403240000082
对数组 X3(1000～2100)，使用第j层低频系数X3Lj(1000～2100)和经过阈值量化处理后 的各层高频系数
Figure BDA0002916403240000083
进行小波逆变换，得到重构后的信号数组
Figure BDA0002916403240000084
对数组 X4(2000～2500)，使用第j层低频系数X4Lj(2000～2500)和经过阈值量化处理后 的各层高频系数
Figure BDA0002916403240000085
进行小波逆变换，得到重构后的信号数组
Figure BDA0002916403240000086
步骤(6)、将上述步骤(5)中重构后的信号数组的重叠部分进行均值 处理，并写入新数组
对上述步骤(5)中重构后的信号数组
Figure BDA0002916403240000087
选取波段范围350 nm～649nm为一个数组，记为
Figure BDA0002916403240000088
选取波段范围650nm～750nm 为一个数组，记为
Figure BDA0002916403240000089
对上述步骤5中重构后的信号数组
Figure BDA00029164032400000810
选取波段范围650nm～750nm为一个数组，记为
Figure BDA00029164032400000811
选取波段范围751nm～999nm为一个数组，记为
Figure BDA00029164032400000812
选取波段范围1000nm～1100nm为一个数组，记为
Figure BDA00029164032400000813
对上述步骤5中重构后的信号数组
Figure BDA00029164032400000814
选取波段 范围1000nm～1100nm为一个数组，记为
Figure BDA00029164032400000815
选取波段范围1101 nm～1999nm为一个数组，记为
Figure BDA00029164032400000816
选取波段范围2000nm～ 2100nm为一个数组，记为
Figure BDA00029164032400000817
对上述步骤5中重构后的信号数 组
Figure BDA00029164032400000818
选取波段范围2000nm～2100nm为一个数组，记为
Figure BDA0002916403240000091
取波段范围2101nm～2500nm为一个数组，记为
Figure BDA0002916403240000092
将
Figure BDA0002916403240000093
和
Figure BDA0002916403240000094
的对应波段求和后取平均值，得到均值 处理后的结果，记为
Figure BDA0002916403240000095
将
Figure BDA0002916403240000096
和
Figure BDA0002916403240000097
的对 应波段求和后取平均值，得到均值处理后的结果，记为
Figure BDA0002916403240000098
将
Figure BDA0002916403240000099
和
Figure BDA00029164032400000910
的对应波段求和后取平均值，得到均值处 理后的结果，记为
Figure BDA00029164032400000911
新建一维数组
Figure RE-GDA00031756736300000912
将
Figure RE-GDA00031756736300000913
Figure RE-GDA00031756736300000914
和
Figure RE-GDA00031756736300000915
分别写入新建一维数组
Figure RE-GDA00031756736300000916
中。
步骤(7)、将上述步骤(6)中处理后的新数组写回岩石光谱数据中， 获得最终光谱信号，如图3所示。
图2为岩石样本原始光谱信号图，图3为本发明方法对岩石样本原始 光谱信号去噪效果图。显然，通过对比图2与图3，可以发现岩石光谱信号 去噪效果较好，在保留整体光谱形态特征的同时，有效去除了背景噪声等 干扰。本发明方法通过将信号数组分成四段，并分别使用改进的阈值函数 进行针对性去噪，使得重构后的光谱信号比较光滑，同时能够较好的保留 岩石光谱信号中的有用信息，减少去噪过程对蕴含重要诊断特征波段范围 的信息损耗的影响，例如：350nm～1100nm范围内铁离子吸收特征、1100 nm～2100nm范围内碳酸根离子吸收特征以及2100nm～2500nm范围内镁 羟基、铝羟基的吸收特征等。
上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于 上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱 离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可 以采用现有技术。

Claims (14)

1.一种岩石光谱去噪方法，其特征在于，所述方法包括以下步骤：
步骤(1)、获取岩石光谱信号并读入信号数组；
步骤(2)、将读入的信号数组分成四段，并分别存入四个一维数组；
步骤(3)、对四个一维数组分别进行一维离散小波分解，得到各层的小波系数；
步骤(4)、采用改进的阈值函数，对分解后的小波系数进行小波阈值去噪；
步骤(5)、将去噪后的小波系数根据小波逆变换进行重构，得到重构后的信号数组；
步骤(6)、将重构后的信号数组的重叠部分进行均值处理，并写入新数组；
步骤(7)、将处理后的新数组写回岩石光谱数据中，获得最终光谱信号。
2.根据权利要求1所述的一种岩石光谱去噪方法，其特征在于，所述步骤(1)中岩石光谱信号的波段范围为350nm～2500nm，信号数组记为X(350～2500)。
3.根据权利要求1所述的一种岩石光谱去噪方法，其特征在于，所述步骤(2)中四个一维数组分别为：
第一个一维数组：选取波段范围350nm～750nm，记为X1(350～750)；
第二个一维数组：选取波段范围650nm～1100nm，记为X2(650～1100)；
第三个一维数组：选取波段范围1000nm～2100nm，记为X3(1000～2100)；
第四个一维数组：选取波段范围2000nm～2500nm，记为X4(2000～2500)。
4.根据权利要求1所述的一种岩石光谱去噪方法，其特征在于，所述步骤(3)为将每个一维数组进行j层一维离散小波分解，得到分解后的第j层低频系数XiLj和第j层高频系数XiDj。
5.根据权利要求4所述的一种岩石光谱去噪方法，其特征在于，所述步骤(3)包括：
对数组X1(350～750)进行j层一维离散小波分解，分解后的第j层低频系数记为X1Lj(350～750)，高频系数记为X1Dj(350～750)；
对数组X2(650～1100)进行j层一维离散小波分解，分解后的第j层低频系数记为X2Lj(650～1100)，高频系数记为X2Dj(650～1100)；
对数组X3(1000～2100)进行j层一维离散小波分解，分解后的第j层低频系数记为X3Lj(1000～2100)，高频系数记为X3Dj(1000～2100)；
对数组X4(2000～2500)进行j层一维离散小波分解，分解后的第j层低频系数记为X4Lj(2000～2500)，高频系数记为X4Dj(2000～2500)。
6.根据权利要求1所述的一种岩石光谱去噪方法，其特征在于，所述步骤(4)包括：
步骤(4.1)、设定下阈值λ1、上阈值λ2和调整因子α；
步骤(4.2)、采用改进的阈值函数，进行阈值量化处理。
7.根据权利要求6所述的一种岩石光谱去噪方法，其特征在于，所述步骤(4.1)中，上阈值λ2的计算公式为：
Figure FDA0002916403230000021
其中，σ为小波系数的标准方差，N为信号的长度；
下阈值λ1的计算公式为：λ1＝0.4λ2；
调整因子α的取值范围为：0＜α≤1。
8.根据权利要求7所述的一种岩石光谱去噪方法，其特征在于，所述步骤(4.2)中改进的阈值函数公式为：
Figure FDA0002916403230000031
其中，XiDj为数组Xi的第j层高频系数，
Figure FDA0002916403230000032
数组Xi经阈值去噪处理后的第j层高频系数。
9.根据权利要求1所述的一种岩石光谱去噪方法，其特征在于，所述步骤(5)为使用第j层低频系数XiLj和经过阈值去噪的第j层高频系数
Figure FDA0002916403230000033
进行小波逆变换，得到重构后的信号数组。
10.根据权利要求9所述的一种岩石光谱去噪方法，其特征在于，所述步骤(5)中重构后的信号数组分别为
Figure FDA0002916403230000034
Figure FDA0002916403230000035
11.根据权利要求1所述的一种岩石光谱去噪方法，其特征在于，所述步骤(6)为对重构后的信号数组进行分段，将分段后的重叠部分进行均值处理，并写入新数组。
12.根据权利要求11所述的一种岩石光谱去噪方法，其特征在于，所述步骤(6)中对重构后的信号数组进行分段包括：
对重构后的信号数组
Figure FDA0002916403230000036
进行分段，选取波段范围350nm～649nm，记为
Figure FDA0002916403230000037
选取波段范围650nm～750nm，记为
Figure FDA0002916403230000038
对重构后的信号数组
Figure FDA0002916403230000039
进行分段，选取波段范围650nm～750nm，记为
Figure FDA00029164032300000310
选取波段范围751nm～999nm，记为
Figure FDA00029164032300000311
选取波段范围1000nm～1100nm，记为
Figure FDA00029164032300000312
对重构后的信号数组
Figure FDA0002916403230000041
进行分段，选取波段范围1000nm～1100nm，记为
Figure FDA0002916403230000042
选取波段范围1101nm～1999nm，记为
Figure FDA0002916403230000043
选取波段范围2000nm～2100nm，记为
Figure FDA0002916403230000044
对重构后的信号数组
Figure FDA0002916403230000045
进行分段，选取波段范围2000nm～2100nm，记为
Figure FDA0002916403230000046
取波段范围2101nm～2500nm，记为
Figure FDA0002916403230000047
13.根据权利要求12所述的一种岩石光谱去噪方法，其特征在于，所述步骤(6)中将分段后的重叠部分进行均值处理包括：
将
Figure FDA0002916403230000048
和
Figure FDA0002916403230000049
的对应波段求和后取平均值，得到均值处理后的结果，记为
Figure FDA00029164032300000410
将
Figure FDA00029164032300000411
和
Figure FDA00029164032300000412
的对应波段求和后取平均值，得到均值处理后的结果，记为
Figure FDA00029164032300000413
将
Figure FDA00029164032300000414
和
Figure FDA00029164032300000415
的对应波段求和后取平均值，得到均值处理后的结果，记为
Figure FDA00029164032300000416
14.根据权利要求13所述的一种岩石光谱去噪方法，其特征在于，所述步骤(6)中新数组记为
Figure RE-FDA00030995761000000417
包括
Figure RE-FDA00030995761000000418
Figure RE-FDA00030995761000000419
和
Figure RE-FDA00030995761000000420
CN202110102243.6A 2021-01-26 2021-01-26 一种岩石光谱去噪方法 Active CN113324918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110102243.6A CN113324918B (zh) 2021-01-26 2021-01-26 一种岩石光谱去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110102243.6A CN113324918B (zh) 2021-01-26 2021-01-26 一种岩石光谱去噪方法

Publications (2)

Publication Number Publication Date
CN113324918A true CN113324918A (zh) 2021-08-31
CN113324918B CN113324918B (zh) 2023-01-24

Family

ID=77413444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110102243.6A Active CN113324918B (zh) 2021-01-26 2021-01-26 一种岩石光谱去噪方法

Country Status (1)

Country Link
CN (1) CN113324918B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5619998A (en) * 1994-09-23 1997-04-15 General Electric Company Enhanced method for reducing ultrasound speckle noise using wavelet transform
US20040008904A1 (en) * 2003-07-10 2004-01-15 Samsung Electronics Co., Ltd. Method and apparatus for noise reduction using discrete wavelet transform
US20080166064A1 (en) * 2007-01-05 2008-07-10 Guoyi Fu Method And Apparatus For Reducing Noise In An Image Using Wavelet Decomposition
CN104020136A (zh) * 2014-06-25 2014-09-03 中国科学院重庆绿色智能技术研究院 小波中值近红外光谱去噪方法和装置
CN104182946A (zh) * 2014-09-09 2014-12-03 江南大学 基于指数软硬择中阈值函数的光谱去噪方法
CN105913393A (zh) * 2016-04-08 2016-08-31 暨南大学 一种自适应小波阈值图像去噪算法及装置
CN108596848A (zh) * 2018-04-20 2018-09-28 西南交通大学 一种基于改进小波阈值函数的图像去噪方法
CN109724693A (zh) * 2018-12-27 2019-05-07 南京邮电大学 一种基于平稳小波的融合光谱去噪方法
CN109785272A (zh) * 2018-12-19 2019-05-21 核工业北京地质研究院 一种矿物光谱特征提取中最优小波基选取的方法
CN109813660A (zh) * 2018-12-25 2019-05-28 核工业北京地质研究院 一种分段式的矿物光谱噪声处理方法
CN109883547A (zh) * 2019-01-10 2019-06-14 武汉大学 一种基于小波阈值差分的宽波段光谱信号去噪方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5619998A (en) * 1994-09-23 1997-04-15 General Electric Company Enhanced method for reducing ultrasound speckle noise using wavelet transform
US20040008904A1 (en) * 2003-07-10 2004-01-15 Samsung Electronics Co., Ltd. Method and apparatus for noise reduction using discrete wavelet transform
US20080166064A1 (en) * 2007-01-05 2008-07-10 Guoyi Fu Method And Apparatus For Reducing Noise In An Image Using Wavelet Decomposition
CN104020136A (zh) * 2014-06-25 2014-09-03 中国科学院重庆绿色智能技术研究院 小波中值近红外光谱去噪方法和装置
CN104182946A (zh) * 2014-09-09 2014-12-03 江南大学 基于指数软硬择中阈值函数的光谱去噪方法
CN105913393A (zh) * 2016-04-08 2016-08-31 暨南大学 一种自适应小波阈值图像去噪算法及装置
CN108596848A (zh) * 2018-04-20 2018-09-28 西南交通大学 一种基于改进小波阈值函数的图像去噪方法
CN109785272A (zh) * 2018-12-19 2019-05-21 核工业北京地质研究院 一种矿物光谱特征提取中最优小波基选取的方法
CN109813660A (zh) * 2018-12-25 2019-05-28 核工业北京地质研究院 一种分段式的矿物光谱噪声处理方法
CN109724693A (zh) * 2018-12-27 2019-05-07 南京邮电大学 一种基于平稳小波的融合光谱去噪方法
CN109883547A (zh) * 2019-01-10 2019-06-14 武汉大学 一种基于小波阈值差分的宽波段光谱信号去噪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
XILING LIU等: "wavelet threshold de-noising of rock acoustic emission signals subjected to dynamic loads", 《JOURNAL OF GEOPHYSICS AND ENGINEERING》 *
孙蕾等: "高光谱遥感图像的小波去噪方法", 《光谱学与光谱分析》 *
杨帆等: "一种基于小波变换的改进滤波算法及其在光谱去噪方面的应用", 《国外电子测量技术》 *
龚梦龙: "中值滤波结合小波变换在光谱去噪中的应用", 《科技与创新》 *

Also Published As

Publication number Publication date
CN113324918B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
CN109883547B (zh) 一种基于小波阈值差分的宽波段光谱信号去噪方法
CN106199532B (zh) 基于混合傅立叶-小波分析的探地雷达信号降噪方法
CN111025395B (zh) 基于压缩感知的高斯频率域提高薄互层分辨率的方法
CN109813660A (zh) 一种分段式的矿物光谱噪声处理方法
CN110503060B (zh) 一种光谱信号去噪方法及其系统
CN114386456A (zh) 一种太赫兹时域信号降噪方法、图像重建方法和系统
CN104849757A (zh) 消除地震信号中随机噪声系统及方法
CN111399057B (zh) 一种基于非凸稀疏约束的地震资料噪声压制方法
CN110763913A (zh) 一种基于信号分段分类的导数谱平滑处理方法
Lin et al. A branch construction-based CNN denoiser for desert seismic data
CN112730712B (zh) 提高lc-ms数据信噪比的方法
CN113324918B (zh) 一种岩石光谱去噪方法
CN109724693B (zh) 一种基于平稳小波的融合光谱去噪方法
CN113655522A (zh) 频率域地震弱信号的增强方法
CN102880861B (zh) 基于线性预测倒谱系数的高光谱图像分类方法
CN112711980A (zh) 一种在矿物光谱特征提取中选取小波基的方法
CN113109873B (zh) 一种基于秩残差约束的沙漠地区地震信号噪声抑制方法
CN115797318A (zh) 一种光谱数据预处理方法、装置、计算机设备及存储介质
CN115795272A (zh) 一种基于分数阶迭代离散小波变换的谱线去噪方法
CN115438739A (zh) 一种航空伽玛能谱数据降噪方法
CN114077852A (zh) 一种强噪声光谱信号的智能去噪方法
CN108133203B (zh) 一种基于稀疏表示的拉曼光谱特征提取方法
CN112711986A (zh) 一种高光谱遥感蚀变矿物提取方法
CN116304554A (zh) 一种适用于细菌检测的光谱数据处理方法
CN112764108A (zh) 一种基于改进经验小波变换的新型地震资料噪声压制算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant