CN113486296B - 光谱去噪方法及处理器 - Google Patents

光谱去噪方法及处理器 Download PDF

Info

Publication number
CN113486296B
CN113486296B CN202110614964.5A CN202110614964A CN113486296B CN 113486296 B CN113486296 B CN 113486296B CN 202110614964 A CN202110614964 A CN 202110614964A CN 113486296 B CN113486296 B CN 113486296B
Authority
CN
China
Prior art keywords
spectrum
denoised
denoising
spectral
function
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.)
Active
Application number
CN202110614964.5A
Other languages
English (en)
Other versions
CN113486296A (zh
Inventor
朱明东
余应弘
谢红军
汤国华
曾晓珊
肖燕
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.)
HUNAN RICE RESEARCH INSTITUTE
Original Assignee
HUNAN RICE RESEARCH INSTITUTE
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 HUNAN RICE RESEARCH INSTITUTE filed Critical HUNAN RICE RESEARCH INSTITUTE
Priority to CN202110614964.5A priority Critical patent/CN113486296B/zh
Publication of CN113486296A publication Critical patent/CN113486296A/zh
Application granted granted Critical
Publication of CN113486296B publication Critical patent/CN113486296B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种光谱去噪方法及处理器。方法包括：获取待去噪光谱；确定待去噪光谱的梯度信息；通过梯度信息确定时间调制函数；根据时间调制函数对预设的非线性扩散函数进行调整；根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪。通过确定时间调制函数以对非线性扩散函数进行调整，进而根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪，实现了空间非线性滤波算子针对扩散时间的有效调节，高精度地保留了对光谱信息去噪过程中光谱的局部峰值信息。

Description

光谱去噪方法及处理器
技术领域
本发明涉及光谱信息处理领域，具体地涉及一种光谱去噪方法及处理器。
背景技术
在光谱信息处理领域内的现有技术中，基于扩散方程的去噪方法一直是一类重要的针对光谱信息的去噪方法，可以在去噪的同时更好的保持局部细节。然而，现有去噪方法中的空间非线性滤波算子的各种形式并没有涉及到针对扩散时间的有效调节，从而也无法保持对光谱信息去噪过程中的局部峰值信息。
发明内容
本发明实施例的目的是提供一种光谱去噪方法及处理器。
为了实现上述目的，本发明第一方面提供一种光谱去噪方法，包括：获取待去噪光谱；
确定待去噪光谱的梯度信息；
通过梯度信息确定时间调制函数；
根据时间调制函数对预设的非线性扩散函数进行调整；
根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪。
在本发明实施例中，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097696790000011
其中，T*代表基本的扩散时间保障，通过梯度信息确定，u代表待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值。
在本发明实施例中，T*的表达式如以下公式(2)所示：
Figure BDA0003097696790000021
其中，S代表时间步长内所有满足
Figure BDA0003097696790000022
数据点数目，N表示输入的待去噪光谱的数据点数目。
在本发明实施例中，确定待去噪光谱梯度信息包括：
通过如下公式(3)确定沿着待去噪光谱波长方向的梯度平方值：
Figure BDA0003097696790000023
其中，
Figure BDA0003097696790000024
u代表待去噪的光谱变量，x代表空间坐标变量。
在本发明实施例中，通过如下公式(4)对预设的非线性扩散函数进行调整：
Figure BDA0003097696790000025
其中，其中t代表时间坐标变量，x代表空间坐标变量，u代表待去噪光谱变量；
Figure BDA0003097696790000026
代表沿着时间轴t的导数；
Figure BDA0003097696790000027
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数。
在本发明实施例中，非线性去噪算子函数表达式如以下公式(5)所示：
Figure BDA0003097696790000028
其中，K代表梯度阈值。
在本发明实施例中，初始去噪参数包括时间步长；根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪包括：
通过非线性扩散方程确定单步迭代后的待去噪光谱；
确定单步迭代前待去噪光谱的第一信噪比；
确定单步迭代后待去噪光谱的第二信噪比；
在第二信噪比小于第一信噪比的情况下，对待去噪光谱进行迭代去噪，直到第二信噪比大于或等于第一信噪比，输出去噪光谱。
在本发明实施例中，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；
在去噪光谱的精确度大于或等于用户预设精确度的情况下，输出去噪光谱。
在本发明实施例中，调整后的非线性扩散函数通过如下公式(6)实现差分离散右端的空间去噪算子：
Figure BDA0003097696790000031
u代表待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表时间调制函数，x代表空间坐标变量，k代表常数，Δt代表时间步长。
本发明第二方面提供一种处理器，被配置成执行上述的用于种子光谱的去噪方法。
上述技术方案通过确定时间调制函数以对非线性扩散函数进行调整，进而根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪，实现了空间非线性滤波算子针对扩散时间的有效调节，高精度地保留了对光谱信息去噪过程中光谱的局部峰值信息。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1示意性示出了根据本发明实施例的光谱去噪方法的流程示意图；
图2示意性示出了根据本发明实施例的确定待去噪光谱梯度信息示意图；
图3示意性示出了根据本发明实施例的去噪效果示意图；
图4示意性示出了根据本发明实施例的迭代去噪流程示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1示意性示出了根据本发明实施例的光谱去噪方法的流程示意图。如图1所示，在本发明一实施例中，提供了一种光谱去噪方法，包括以下步骤：
步骤101，获取待去噪光谱。
步骤102，确定待去噪光谱的梯度信息。
步骤103，通过梯度信息确定时间调制函数。
步骤104，根据时间调制函数对预设的非线性扩散函数进行调整。
步骤105，根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪。
在一个实施例中，通过梯度信息确定时间调制函数，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097696790000041
其中，T代表时间调制函数，T*代表基本的扩散时间保障，通过梯度信息确定，u代表待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值。
在一个实施例中，T*的表达式如以下公式(2)所示：
Figure BDA0003097696790000042
其中，S代表时间步长内所有满足
Figure BDA0003097696790000051
数据点数目，N表示输入的待去噪光谱的数据点数目，一般取梯度阈值K＝1。
在一个实施例中，确定待去噪光谱梯度信息包括：
通过如下公式(3)确定沿着待去噪光谱波长方向的梯度平方值：
Figure BDA0003097696790000052
其中，
Figure BDA0003097696790000053
u代表待去噪的光谱变量，x代表空间坐标变量。
如图2所示，图2示意性示出了确定待去噪光谱梯度信息的示意图，具体来说，通过公式(3)确定沿着光谱波长x方向的梯度平方，采用优选插值模板的方式确定了梯度信息中整个区域(包含间断处和局部峰值处)精准的梯度值信息，采用了取向前和向后差分中较大的梯度幅值作为当地的特征梯度的方法。如图2所示，通过采用梯度逼近的方法，可以提高梯度值的精确度。
在一个实施例中，通过如下公式(4)对预设的非线性扩散函数进行调整：
Figure BDA0003097696790000054
其中，T代表时间调制函数，t代表时间坐标变量，x代表空间坐标变量，u代表待去噪光谱变量；
Figure BDA0003097696790000055
代表沿着时间轴t的导数；
Figure BDA0003097696790000056
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数。
在传统扩散函数中的扩散项前引入时间调制函数T，通过时间调制函数T实现了对梯度信息的峰值处和平滑处的扩散时间进行调整，其中，时间调制函数T表达式如公式(1)所示：
Figure BDA0003097696790000057
在一个实施例中，非线性去噪算子函数表达式如以下公式(5)所示：
Figure BDA0003097696790000061
其中，K代表梯度阈值，偏导数x代表沿着光谱波长和频率的变化方向中的任意一者。
在一个实施例中，初始去噪参数包括时间步长；根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪包括：通过非线性扩散方程确定单步迭代后的待去噪光谱；确定单步迭代前待去噪光谱的第一信噪比；确定单步迭代后待去噪光谱的第二信噪比；在第二信噪比小于第一信噪比的情况下，对待去噪光谱进行迭代去噪，直到第二信噪比大于或等于第一信噪比，输出去噪光谱。
通过时间调制函数对非线性扩散函数进行调整，进而对待去噪光谱进行迭代去噪。用信噪比这一参数描述对待去噪光谱的去噪效果，在单步迭代去噪前光谱的第一信噪比大于单步迭代去噪后光谱的第二信噪比情况下，此时确定去噪效果不佳，返回重新迭代；在单步迭代去噪前光谱的第一信噪比小于单步迭代去噪后光谱的第二信噪比情况下，确定去噪达到预期去噪效果，输出去噪光谱。其中，预期去噪效果是指用户预设的去噪程度，由信噪比大小来表示。
在一个实施例中，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；在去噪光谱的精确度大于或等于用户预设精确度的情况下，输出去噪光谱。
例如，在去噪光谱的精确度小于用户预设精确度的情况下，将时间步长缩短为原来的一半，在更小的时间步长内获取更加精确的光谱信息以及梯度数据。
如图3所示，图3示意性示出了根据本发明实施例的去噪效果示意图。其中，以水稻种子的近红外透射光谱为例。针对高斯噪声方差为100的光谱图给出去噪效果对比。其中图3中的(a)图表示的是原始光谱，图3中的(b)图表示的是加入噪声后的光谱，图3中的(c)图为传统的P-M去噪算法得到的去噪光谱，图3中的(d)图为引入本发明技术方案中的调制函数T后的P-M算法得到的去噪光谱。可以看到，引入本发明构造的时间调制函数T后，经典的P-M算法表现出极大的去噪效果的提升。根据图3可以明显看到加入时间调制函数T后，传统P-M去噪算法表现出明显的局部间断和峰值保护能力，对于相对平滑处的高频噪声也具有较好的去噪能力。
在一个实施例中，调整后的非线性扩散函数通过如下公式(6)实现差分离散右端的空间去噪算子：
Figure BDA0003097696790000071
u代表待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表时间调制函数，x代表空间坐标变量，k代表常数，Δt代表时间步长。
调整后的非线性扩散函数是通过采用一维向前差分离散扩散时间，离散扩散时间步长后，差分离散右端的空间去噪算子。
在一个实施例中，获取待去噪光谱，并确定初始去噪参数设定，其中，设定时间步长Δt＝1和梯度阈值K＝1。根据待去噪光谱确定梯度信息，梯度信息包括梯度幅值尺度以及局部峰值信息中的至少一者。
根据梯度幅值尺度以及局部峰值信息确定时间调制函数，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097696790000072
其中，T*代表基本的扩散时间保障，通过所述梯度信息确定，u代表所述待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值。T*的表达式如以下公式(2)所示：
Figure BDA0003097696790000081
其中，S代表时间步长内所有满足
Figure BDA0003097696790000082
数据点数目，N表示输入的待去噪光谱的数据点数目。
根据确定的时间调制函数对预设的非线性扩散函数进行调整，具体来说，可以在预设的非线性扩散函数中的扩散项前引入时间调制函数，具体表达式如以下公式(4)：
Figure BDA0003097696790000083
其中，其中t代表时间坐标变量，x代表空间坐标变量，u代表所述待去噪光谱变量；
Figure BDA0003097696790000084
代表沿着时间轴t的导数；
Figure BDA0003097696790000085
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数。
引入时间调制函数后的非线性扩散函数能够在求解扩散方程的每个离散时间步长内，按照局部梯度幅值调节扩散时间尺度，通过相对差异的扩散时间达到光谱去噪的过程中光谱的局部峰值信息的保持。
图4示意性示出了根据本发明实施例的迭代去噪流程示意图，如图4所示，包括以下步骤：
步骤401，根据梯度信息确定时间调制函数。
步骤402，通过时间调制函数T调整非线性扩散函数。
步骤403，根据非线性扩散函数进行去噪处理。
步骤404，判断第一信噪比和第二信噪比的大小关系，在第一信噪比大于第二信噪比的情况下，返回步骤401；在第一信噪比小于第二信噪比的情况下，进入步骤405。
步骤405，判断去噪光谱精度和用户预设精度的关系，在去噪光谱精度小于用户预设精度的情况下，进入步骤406；在去噪光谱精度大于用户预设精度的情况下，进入步骤407。
步骤406，缩短时间步长。
步骤407，输出去噪光谱。
在一个实施例中，引入时间调制函数后的非线性扩散函数能够在求解扩散方程的每个离散时间步长内，按照局部梯度幅值调节扩散时间尺度，通过相对差异的扩散时间达到光谱去噪的过程确定精确的光谱的局部峰值信息。确定单步迭代前待去噪光谱的第一信噪比，通过引入时间调制函数后的非线性扩散函数确定单步迭代后待去噪光谱的第二信噪比。在第一信噪比小于第二信噪比的情况下，确定去噪达到预期去噪效果，输出去噪光谱；在第一信噪比大于第二信噪比的情况下，确定去噪效果不佳，返回步骤401进行重新迭代。其中，预期去噪效果是指用户预设的去噪程度，由信噪比大小来表示。
在一个实施例中，在第一信噪比小于第二信噪比的情况下，进入步骤405，判断去噪光谱精度和用户预设精度的大小关系，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；在去噪光谱的精确度大于或等于用户预设精确度的情况下，进入步骤407输出去噪光谱。例如，在去噪光谱的精确度小于用户预设精确度的情况下，将时间步长缩短为原来的一半，在更小的时间步长内获取更加精确的光谱信息以及梯度数据。
通过上述技术方案能够在对待去噪光谱进行去噪的同时，能够极大比例地保护光谱信息中的局部峰值信息，获得相对待去噪光谱较高的信噪比提升。
本发明实施例通过确定时间调制函数以对非线性扩散函数进行调整，进而根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪，实现了空间非线性滤波算子针对扩散时间的有效调节，高精度地保留了对光谱信息去噪过程中光谱的局部峰值信息。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现上述光谱去噪方法。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述光谱去噪方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取待去噪光谱；确定待去噪光谱的梯度信息；通过梯度信息确定时间调制函数；根据时间调制函数对预设的非线性扩散函数进行调整；根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪。
在一个实施例中，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097696790000101
其中，T*代表基本的扩散时间保障，通过梯度信息确定，u代表待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值。
在本发明实施例中，T*的表达式如以下公式(2)所示：
Figure BDA0003097696790000102
其中，S代表时间步长内所有满足
Figure BDA0003097696790000103
数据点数目，N表示输入的待去噪光谱的数据点数目。
在一个实施例中，确定待去噪光谱梯度信息包括：
通过如下公式(3)确定沿着待去噪光谱波长方向的梯度平方值：
Figure BDA0003097696790000104
其中，
Figure BDA0003097696790000111
u代表待去噪的光谱变量，x代表空间坐标变量。
在一个实施例中，通过如下公式(4)对预设的非线性扩散函数进行调整：
Figure BDA0003097696790000112
其中，其中t代表时间坐标变量，x代表空间坐标变量，u代表待去噪光谱变量；
Figure BDA0003097696790000113
代表沿着时间轴t的导数；
Figure BDA0003097696790000114
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数。非线性去噪算子函数表达式如以下公式(5)所示：
Figure BDA0003097696790000115
其中，K代表梯度阈值。
在一个实施例中，初始去噪参数包括时间步长；根据调整后的非线性扩散函数对待去噪光谱进行迭代去噪包括：通过非线性扩散方程确定单步迭代后的待去噪光谱；确定单步迭代前待去噪光谱的第一信噪比；确定单步迭代后待去噪光谱的第二信噪比；在第二信噪比小于第一信噪比的情况下，对待去噪光谱进行迭代去噪，直到第二信噪比大于或等于第一信噪比，输出去噪光谱。
在一个实施例中，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；在去噪光谱的精确度大于或等于用户预设精确度的情况下，输出去噪光谱。
在一个实施例中，调整后的非线性扩散函数通过如下公式(6)实现差分离散右端的空间去噪算子：
Figure BDA0003097696790000116
u代表待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表时间调制函数，x代表空间坐标变量，k代表常数，Δt代表时间步长。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (9)

1.一种光谱去噪方法，其特征在于，所述方法包括：
获取待去噪光谱；
确定所述待去噪光谱的梯度信息；
通过所述梯度信息确定时间调制函数；
根据所述时间调制函数对预设的非线性扩散函数进行调整；
根据所述时间调制函数对所述梯度信息的峰值处和平滑处的扩散时间进行调整，其中，通过如下公式（1）的所述时间调制函数对所述梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure 809809DEST_PATH_IMAGE001
其中，T*代表基本的扩散时间保障，通过所述梯度信息确定，u代表所述待去噪的光谱变量，x代表空间坐标变量，K 代表梯度阈值；
根据调整后的非线性扩散函数对所述待去噪光谱进行迭代去噪。
2.根据权利要求1所述的光谱去噪方法，其特征在于，所述T*的表达式如以下公式（2）所示：
Figure 336606DEST_PATH_IMAGE002
其中，S代表时间步长内所有满足
Figure 739905DEST_PATH_IMAGE003
数据点数目，N表示输入的待去噪光谱的数据点数目。
3.根据权利要求1所述的光谱去噪方法，其特征在于，所述确定所述待去噪光谱梯度信息包括：
通过如下公式（3）确定沿着所述待去噪光谱波长方向的梯度平方值：
Figure 264427DEST_PATH_IMAGE004
其中，
Figure 815494DEST_PATH_IMAGE005
，
Figure 83665DEST_PATH_IMAGE006
，u代表待去噪的光谱变量，x代表空间坐标变量。
4.根据权利要求1所述的光谱去噪方法，其特征在于，通过如下公式（4）对预设的非线性扩散函数进行调整：
Figure 138208DEST_PATH_IMAGE007
其中，t代表时间坐标变量， x代表空间坐标变量，u代表所述待去噪光谱变量；
Figure 99211DEST_PATH_IMAGE008
代表沿着时间轴t的导数；
Figure 75257DEST_PATH_IMAGE009
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数。
5.根据权利要求4所述的光谱去噪方法，其特征在于，所述非线性去噪算子函数表达式如以下公式（5）所示：
Figure 881539DEST_PATH_IMAGE010
其中，K代表梯度阈值。
6.根据权利要求1所述的光谱去噪方法，其特征在于，初始去噪参数包括时间步长，所述根据调整后的非线性扩散函数对所述待去噪光谱进行迭代去噪包括：
通过所述调整后的非线性扩散函数 确定单步迭代后的待去噪光谱；
确定单步迭代前所述待去噪光谱的第一信噪比；
确定单步迭代后所述待去噪光谱的第二信噪比；
在所述第二信噪比小于所述第一信噪比的情况下，对所述待去噪光谱进行迭代去噪，直到所述第二信噪比大于或等于所述第一信噪比，输出去噪光谱。
7.根据权利要求6所述的光谱去噪方法，其特征在于，所述方法还包括：
在所述去噪光谱的精确度小于用户预设精确度的情况下，缩短所述时间步长并重新对所述去噪光谱进行迭代；
在所述去噪光谱的精确度大于或等于用户预设精确度的情况下，输出所述去噪光谱。
8.根据权利要求1所述的光谱去噪方法，其特征在于，所述调整后的非线性扩散函数通过如下公式（6）实现差分离散右端的空间去噪算子：
Figure 56169DEST_PATH_IMAGE011
u代表所述待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表所述时间调制函数，x代表空间坐标变量，k代表常数，
Figure 188073DEST_PATH_IMAGE012
代表时间步长。
9.一种处理器，其特征在于，被配置成执行根据权利要求1至8中任意一项所述的光谱去噪方法。
CN202110614964.5A 2021-06-02 2021-06-02 光谱去噪方法及处理器 Active CN113486296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110614964.5A CN113486296B (zh) 2021-06-02 2021-06-02 光谱去噪方法及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110614964.5A CN113486296B (zh) 2021-06-02 2021-06-02 光谱去噪方法及处理器

Publications (2)

Publication Number Publication Date
CN113486296A CN113486296A (zh) 2021-10-08
CN113486296B true CN113486296B (zh) 2022-04-12

Family

ID=77934399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110614964.5A Active CN113486296B (zh) 2021-06-02 2021-06-02 光谱去噪方法及处理器

Country Status (1)

Country Link
CN (1) CN113486296B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574314A (zh) * 2015-01-07 2015-04-29 博康智能网络科技股份有限公司 图像去噪方法及其去噪系统
CN112819701A (zh) * 2019-11-15 2021-05-18 中国科学院长春光学精密机械与物理研究所 一种图像去噪方法、系统及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10181181B2 (en) * 2017-05-10 2019-01-15 Southwest Research Institute Denoising with three dimensional fourier transform for three dimensional images, including image sequences
CN108982452B (zh) * 2018-07-26 2021-02-02 深圳大学 基于双螺旋点扩散函数的多焦点扫描三维成像方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574314A (zh) * 2015-01-07 2015-04-29 博康智能网络科技股份有限公司 图像去噪方法及其去噪系统
CN112819701A (zh) * 2019-11-15 2021-05-18 中国科学院长春光学精密机械与物理研究所 一种图像去噪方法、系统及电子设备

Also Published As

Publication number Publication date
CN113486296A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
US10602293B2 (en) Methods and apparatus for higher order ambisonics decoding based on vectors describing spherical harmonics
US20180365523A1 (en) Method and system for training machine learning system
Aricò et al. The anti-reflective transform and regularization by filtering
EP2649721B1 (en) Complex adaptive phase discriminator
CN110505169A (zh) 一种相位校准方法及装置
CN113486296B (zh) 光谱去噪方法及处理器
CN110429921B (zh) 一种变步长lms自适应滤波方法及其存储介质
Norris et al. Scaling limits for planar aggregation with subcritical fluctuations
Yatawatta et al. Deep reinforcement learning for smart calibration of radio telescopes
CN109903246B (zh) 检测图像变化的方法及装置
CN112231764B (zh) 一种时序数据隐私的保护方法及相关设备
Jung et al. A simple regularization of the polynomial interpolation for the resolution of the Runge phenomenon
CN113536213B (zh) 确定种子活力的方法及处理器
EP3270379B1 (en) Method for projected regularization of audio data
CN110618463B (zh) 一种核磁共振数据反演方法、装置、存储介质及设备
CN109754825B (zh) 一种音频处理方法、装置、设备及计算机可读存储介质
Chen et al. Refined instrumental variable identification of continuous-time OE and BJ models from irregularly sampled data
US20170364731A1 (en) Adaptive signal detection and synthesis on trace data
CN112578458B (zh) 叠前弹性阻抗随机反演方法、装置、存储介质及处理器
CN115222839A (zh) 一种加速多步贪婪扩展稀疏Kaczmarz方法
Sakiyama et al. Design of polynomial approximated filters for signals on directed graphs
CN113887658A (zh) 晶体粉末衍射图谱的聚类方法、装置及存储介质
Chang et al. Applying prior correlations for ensemble-based spatial localization
US20200311882A1 (en) Apparatus, method and computer program for processing a piecewise-smooth signal
Zietlow et al. ADMM-TGV image restoration for scientific applications with unbiased parameter choice

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