CN116206117B - 基于编号遍历的信号处理优化系统及方法 - Google Patents
基于编号遍历的信号处理优化系统及方法 Download PDFInfo
- Publication number
- CN116206117B CN116206117B CN202310198915.7A CN202310198915A CN116206117B CN 116206117 B CN116206117 B CN 116206117B CN 202310198915 A CN202310198915 A CN 202310198915A CN 116206117 B CN116206117 B CN 116206117B
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- filter
- algorithm
- denoised
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 201
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 143
- 230000003044 adaptive effect Effects 0.000 claims description 35
- 238000003860 storage Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 5
- 239000000428 dust Substances 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Nonlinear Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于编号遍历的信号处理优化系统，所述系统包括：降噪预测机构，用于基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测待去噪图像执行每一项滤波算法组合后图像的噪声幅度降低均值以及信噪比；类型请求机构，用于在接收到的噪声幅度降低均值或者信噪比不满足预期需求时，发出滤波类型更换请求。本发明还涉及一种基于编号遍历的信号处理优化方法。通过本发明，能够引入智能预测模型以实现对待去噪图像的每一项滤波算法组合的组合滤波效果的预测，从而为不执行实际滤波即获取优化组合滤波策略提供关键数据。
Description
技术领域
本发明涉及信号处理领域，更具体地，涉及一种基于编号遍历的信号处理优化系统及方法。
背景技术
信号处理是以数字信号处理为中心而发展的。这是因为信号普遍可以用数字化形式来表示，而数字化的信号可以在电子计算机上通过软件来实现计算或处理，这样，无论多么复杂的运算，只要数学上能够分析、可以得到最优的求解，就都可以在电子计算机上模拟完成。如果计算速度适当快，还可以用超大规模的专用数字信号处理芯片来实时完成。因此，数字信号处理技术成为信息技术发展中最富有活力的学科之一。
信号处理以强大的渗透力，被许多重要的应用领域所采用。工程建筑部门用来仿真大型建筑结构的抗震防震性能；机械制造业用以分析机械结构振动的模型，从而改进振动性能及结构；飞机制造业中用于检查发动机的传动特性及磨损情况；航天遥感用以地面植被情况的分类以及气象云层的分布，医学领域用于B超、X光片以及生理电信号的分析诊断；电信与电子学领域等。
体现在专利文件公开中，例如：
申请公布号CN114878650A公开一种信号处理电路板及谷物损失检测传感器，包括：原始信号处理电路、PWM信号调节基准电压电路、电压比较电路、滤波整形输出电路；将原始信号处理电路发送的谷物损失目标信号和PWM信号调节基准电压电路发送的PWM目标信号通过电压比较电路进行电压比较，得到方波信号，并采用滤波整形输出电路接收并对方波信号进行处理后，得到并将目标数字信号发送至谷物控制器，以使谷物控制器根据目标数字信号，得到待测谷物的谷物损失量。该发明夹带损失检测和清选筛损失检测，还能通过调节PWM占空比调节检测的灵敏度，以此实现了根据检测谷物种类、含水量改变灵敏度的目的。
申请公布号CN113940700A公开一种B超诊断仪检测电路，有效的解决了现有技术中部分乡镇医院因缺乏对B超诊断仪进行专业和定期的维护，导致B超机出现死机，影响到B超操作者使用的问题，所述信号采集电路检测B超诊断仪内的粉尘信号和温度信号，并将温度信号进行减法运算后得到差值信号，并将差值信号和粉尘信号传输至信号处理电路，所述信号处理电路则将温度信号进行比较后得到第一比较信号，并将粉尘信号进行转换，将转换后的粉尘信号和第一比较信号输出至信号输出电路，所述信号输出电路则将粉尘信号进行比较得到第二比较信号，并将第二比较信号与第一比较信号进行计算后得到报警信号，利用报警信号启动散热器，并将报警信号输出至控制中心，保证了安全使用。
申请公布号CN113849969A公开一种毫米波雷达仿真方法、装置及电子设备，包括：对毫米波雷达的射频信号进行仿真时，接收虚拟场景中目标物体接收到该射频信号后反射的回波信号；在毫米波雷达的仿真精度参数保持不变的情况下，对毫米波雷达的频率参数按照预设比例调整，得到调整后的频率参数；根据调整后的频率参数对回波信号进行处理，得到处理结果。该公开通过按照预设比例调整毫米波雷达的频率参数，能够在保证毫米波雷达仿真精度不变的情况下，降低回波信号处理时的计算量，提高仿真效率。
相关应用不再逐一举例。
然而，现有技术中仍有一些领域需要数字信号处理技术来开拓相应的解决方案。例如，人们只有在对一帧图像执行某一滤波算法的信号滤波处理后，才能确定其滤波效果，无法在滤波前确定某一滤波算法对该帧图像的滤波效果，导致很多滤波处理是无效且浪费时间成本的，同时寻找最优的滤波算法或者滤波算法组合是一项需要经过对图像进行海量滤波测试、滤波效果比较的信号处理过程。
发明内容
为了解决现有技术中的技术问题，本发明提供了一种基于编号遍历的信号处理优化系统及方法，能够引入智能预测模型以基于待去噪图像的各项图像信息、基准图案的各个亮度值以及基准图案滤波后的滤波图案的各个亮度值预测所述待去噪图像被依次执行已知滤波算法组合的组合滤波效果，并通过已知滤波算法组合的顺序遍历，获取该帧图像的最优组合滤波方案，从而在不对图像进行实际滤波处理的情况下完成对图像滤波效果的比较以及最优组合滤波方案的确定。
本发明的基于编号遍历的信号处理优化系统包括：
数据采集器件，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值，同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值，所述基准图案的解析度与所述待去噪图像的解析度相同；
信息访问器件，与所述数据采集器件连接，用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号，同时还获取所述待去噪图像的信噪比以及对比度；
编号存储芯片，与所述信息访问器件连接，用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号，不同类型滤波对应的滤波算法编号不同；
降噪预测机构，分别与所述数据采集器件以及所述信息访问器件连接，用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比；
类型请求机构，与所述降噪预测机构连接，用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时，发出滤波类型更换请求；
其中，所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时，发出滤波类型有效信号。
本发明的基于编号遍历的信号处理优化方法包括：
使用数据采集器件，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值，同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值，所述基准图案的解析度与所述待去噪图像的解析度相同；
使用信息访问器件，与所述数据采集器件连接，用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号，同时还获取所述待去噪图像的信噪比以及对比度；
使用编号存储芯片，与所述信息访问器件连接，用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号，不同类型滤波对应的滤波算法编号不同；
使用降噪预测机构，分别与所述数据采集器件以及所述信息访问器件连接，用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比；
使用类型请求机构，与所述降噪预测机构连接，用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时，发出滤波类型更换请求；
其中，所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时，发出滤波类型有效信号。
本发明的基于编号遍历的信号处理优化系统及方法逻辑紧凑、应用广泛。由于能够引入智能预测模型以实现对待去噪图像的每一项滤波算法组合的组合滤波效果的预测，从而为不执行实际滤波即获取优化组合滤波策略提供关键数据。
附图说明
本领域技术人员通过参考附图可更好理解本发明的众多优点，其中：
图1是依照本发明第一实施方案的基于编号遍历的信号处理优化系统的结构示意图。
图2是依照本发明第二实施方案的基于编号遍历的信号处理优化系统的结构示意图。
图3是依照本发明第三实施方案的基于编号遍历的信号处理优化方法的步骤流程图。
具体实施方式
第一实施方案
图1是依照本发明第一实施方案的基于编号遍历的信号处理优化系统的结构示意图，所述系统包括：
数据采集器件，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值，同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值，所述基准图案的解析度与所述待去噪图像的解析度相同；
示例地，所述数据采集器件包括第一获取单元，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值；
示例地，所述数据采集器件还包括第二获取单元，用于获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值；
其中，所述基准图案的解析度与所述待去噪图像的解析度相同，以为后续的信号处理提供可靠的参考数据；
信息访问器件，与所述数据采集器件连接，用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号，同时还获取所述待去噪图像的信噪比以及对比度；
编号存储芯片，与所述信息访问器件连接，用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号，不同类型滤波对应的滤波算法编号不同；
降噪预测机构，分别与所述数据采集器件以及所述信息访问器件连接，用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比；
类型请求机构，与所述降噪预测机构连接，用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时，发出滤波类型更换请求；
其中，所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时，发出滤波类型有效信号。
第二实施方案
图2是依照本发明第二实施方案的基于编号遍历的信号处理优化系统的结构示意图。
如图2所示的基于编号遍历的信号处理优化系统包括以下部件：
数据采集器件，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值，同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值，所述基准图案的解析度与所述待去噪图像的解析度相同；
信息访问器件，与所述数据采集器件连接，用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号，同时还获取所述待去噪图像的信噪比以及对比度；
编号存储芯片，与所述信息访问器件连接，用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号，不同类型滤波对应的滤波算法编号不同；
降噪预测机构，分别与所述数据采集器件以及所述信息访问器件连接，用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比；
类型请求机构，与所述降噪预测机构连接，用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时，发出滤波类型更换请求；
次序更换机构，分别与所述类型请求机构以及所述编号存储芯片连接，用于在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号；
示例地，可以采用以VHDL语言进行编程的CPLD芯片来实现所述次序更换机构；
其中，在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号包括：所述编号存储芯片基于滤波算法编号的从小到大顺序逐次进行与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合的搜索。
接着，继续对本发明的基于编号遍历的信号处理优化系统的具体结构进行进一步的说明。
在根据本发明任一实施方案的基于编号遍历的信号处理优化系统中：
所述智能预测模型为完成设定数目的多次训练后的深度卷积网络，所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比。
以及在根据本发明任一实施方案的基于编号遍历的信号处理优化系统中：
采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比包括：所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值；
其中，所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值包括：针对图像中存在的每一个噪声类型，将待去噪图像中的最大噪声幅度减去所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的最大噪声幅度所获得的幅度差值。
第三实施方案
图3是依照本发明第三实施方案的基于编号遍历的信号处理优化方法的步骤流程图，所述方法包括以下步骤：
步骤S1：使用数据采集器件，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值，同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值，所述基准图案的解析度与所述待去噪图像的解析度相同；
示例地，所述数据采集器件包括第一获取单元，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值；
示例地，所述数据采集器件还包括第二获取单元，用于获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值；
其中，所述基准图案的解析度与所述待去噪图像的解析度相同，以为后续的信号处理提供可靠的参考数据；
步骤S2：使用信息访问器件，与所述数据采集器件连接，用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号，同时还获取所述待去噪图像的信噪比以及对比度；
步骤S3：使用编号存储芯片，与所述信息访问器件连接，用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号，不同类型滤波对应的滤波算法编号不同；
步骤S4：使用降噪预测机构，分别与所述数据采集器件以及所述信息访问器件连接，用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比；
步骤S5：使用类型请求机构，与所述降噪预测机构连接，用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时，发出滤波类型更换请求；
其中，所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时，发出滤波类型有效信号。
接着，继续对本发明的基于编号遍历的信号处理优化方法的具体步骤进行进一步的说明。
在根据本发明上述实施方案的基于编号遍历的信号处理优化方法中，所述方法还可以包括：
使用次序更换机构，分别与所述类型请求机构以及所述编号存储芯片连接，用于在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号；
示例地，可以采用以VHDL语言进行编程的CPLD芯片来实现所述次序更换机构；
其中，在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号包括：所述编号存储芯片基于滤波算法编号的从小到大顺序逐次进行与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合的搜索。
在根据本发明上述实施方案的基于编号遍历的信号处理优化方法中：
所述智能预测模型为完成设定数目的多次训练后的深度卷积网络，所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比。
在根据本发明上述实施方案的基于编号遍历的信号处理优化方法中：
采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比包括：所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值；
其中，所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值包括：针对图像中存在的每一个噪声类型，将待去噪图像中的最大噪声幅度减去所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的最大噪声幅度所获得的幅度差值。
另外，在所述基于编号遍历的信号处理优化系统以及方法中，采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比包括：待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值分别被执行十六进制数值转换后输入所述智能预测模型，以及所述智能预测模型输出的噪声幅度降低均值以及信噪比为十六进制表示形式。
本发明的技术优势在于：
首先，采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比，所述基准图案的解析度与所述待去噪图像的解析度相同，从而为图像的组合去噪效果提供预测数据；
其次，在预测图像的当前两个滤波算法的组合其去噪效果不佳时，依次选择其他两个滤波算法组合继续进行组合去噪效果的预测，直到获得去噪效果满足预期需求的滤波算法组合，从而根据不同图像内容自适应选择不同的组合滤波策略，保证了不同图像内容的滤波效果；
再次，选择用于执行图像的组合去噪效果预测的智能预测模型为完成设定数目的多次训练后的深度卷积网络，所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比，从而保证了图像的组合去噪效果预测的可靠性。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于编号遍历的信号处理优化系统，其特征在于，所述系统包括：
数据采集器件，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值，同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值，所述基准图案的解析度与所述待去噪图像的解析度相同；
信息访问器件，与所述数据采集器件连接，用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号，同时还获取所述待去噪图像的信噪比以及对比度；
编号存储芯片，与所述信息访问器件连接，用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号，不同类型滤波对应的滤波算法编号不同；
降噪预测机构，分别与所述数据采集器件以及所述信息访问器件连接，用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值以及信噪比；
类型请求机构，与所述降噪预测机构连接，用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时，发出滤波类型更换请求；
其中，所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时，发出滤波类型有效信号；
次序更换机构，分别与所述类型请求机构以及所述编号存储芯片连接，用于在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与第一滤波算法以及第二滤波算法的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号；
其中，在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与第一滤波算法以及第二滤波算法的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号包括：所述编号存储芯片基于滤波算法编号的从小到大顺序逐次进行与第一滤波算法以及第二滤波算法的滤波组合不同的滤波组合中任一类型滤波组合的搜索。
2.如权利要求1所述的基于编号遍历的信号处理优化系统，其特征在于：
所述智能预测模型为完成设定数目的多次训练后的深度卷积网络，所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比。
3.如权利要求1所述的基于编号遍历的信号处理优化系统，其特征在于：
采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值以及信噪比包括：所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值为所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值。
4.如权利要求3所述的基于编号遍历的信号处理优化系统，其特征在于：
所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值为所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值包括：针对图像中存在的每一个噪声类型，将待去噪图像中的最大噪声幅度减去所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的最大噪声幅度所获得的幅度差值。
5.一种基于编号遍历的信号处理优化方法，其特征在于，所述方法包括：
使用数据采集器件，用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值，同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值，所述基准图案的解析度与所述待去噪图像的解析度相同；
使用信息访问器件，与所述数据采集器件连接，用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号，同时还获取所述待去噪图像的信噪比以及对比度；
使用编号存储芯片，与所述信息访问器件连接，用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号，不同类型滤波对应的滤波算法编号不同；
使用降噪预测机构，分别与所述数据采集器件以及所述信息访问器件连接，用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值以及信噪比；
使用类型请求机构，与所述降噪预测机构连接，用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时，发出滤波类型更换请求；
其中，所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时，发出滤波类型有效信号；
使用次序更换机构，分别与所述类型请求机构以及所述编号存储芯片连接，用于在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与第一滤波算法以及第二滤波算法的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号；
其中，在接收到滤波类型更换请求时，从所述编号存储芯片内搜索与第一滤波算法以及第二滤波算法的滤波组合不同的滤波组合中任一类型滤波组合，并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号包括：所述编号存储芯片基于滤波算法编号的从小到大顺序逐次进行与第一滤波算法以及第二滤波算法的滤波组合不同的滤波组合中任一类型滤波组合的搜索。
6.如权利要求5所述的基于编号遍历的信号处理优化方法，其特征在于：
所述智能预测模型为完成设定数目的多次训练后的深度卷积网络，所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比。
7.如权利要求5所述的基于编号遍历的信号处理优化方法，其特征在于：
采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值以及信噪比包括：所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值为所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值。
8.如权利要求7所述的基于编号遍历的信号处理优化方法，其特征在于：
所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的噪声幅度降低均值为所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值包括：针对图像中存在的每一个噪声类型，将待去噪图像中的最大噪声幅度减去所述待去噪图像被依次执行第一滤波算法以及第二滤波算法后的图像的最大噪声幅度所获得的幅度差值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310198915.7A CN116206117B (zh) | 2023-03-03 | 2023-03-03 | 基于编号遍历的信号处理优化系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310198915.7A CN116206117B (zh) | 2023-03-03 | 2023-03-03 | 基于编号遍历的信号处理优化系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116206117A CN116206117A (zh) | 2023-06-02 |
| CN116206117B true CN116206117B (zh) | 2023-12-01 |
Family
ID=86509237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310198915.7A Active CN116206117B (zh) | 2023-03-03 | 2023-03-03 | 基于编号遍历的信号处理优化系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116206117B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368821A (zh) * | 2011-10-20 | 2012-03-07 | 浙江工商大学 | 一种噪声强度自适应的视频去噪方法和系统 |
| CN108259705A (zh) * | 2018-03-29 | 2018-07-06 | 吴英 | 智能化现场图像滤波系统 |
| CN108604302A (zh) * | 2016-02-01 | 2018-09-28 | 德克萨斯仪器股份有限公司 | 用于计算机视觉的自适应双边(bl)滤波 |
| CN111159891A (zh) * | 2019-12-27 | 2020-05-15 | 南京航空航天大学 | 基于dnn神经网络的单样本极化滤波器系数预测方法 |
| CN112205990A (zh) * | 2020-09-07 | 2021-01-12 | 武汉科技大学 | 一种基于sEMG的不同负载下手腕角度预测方法及装置 |
| CN112633202A (zh) * | 2020-12-29 | 2021-04-09 | 河南大学 | 一种基于双重去噪联合多尺度超像素降维的高光谱图像分类算法 |
| CN115166804A (zh) * | 2022-07-05 | 2022-10-11 | 常熟理工学院 | 基于机器学习进行量测噪声预测的gnss/ins紧组合定位方法 |
| CN115170811A (zh) * | 2022-06-07 | 2022-10-11 | 山西三友和智慧信息技术股份有限公司 | 一种基于卷积神经网络的去噪方法 |
| CN115659609A (zh) * | 2022-10-11 | 2023-01-31 | 山东科技大学 | 一种基于dtw-dcrnn的化工园区噪声预测方法 |
| CN115705748A (zh) * | 2021-08-06 | 2023-02-17 | 云南白药集团上海健康产品有限公司 | 一种面部特征的识别系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3452986A4 (en) * | 2016-05-06 | 2019-12-04 | Mayo Foundation for Medical Education and Research | SYSTEM AND METHOD FOR NOISE CONTROL IN MULTI-ENERGETIC COMPUTER TOMOGRAPHIC IMAGES BASED ON SPATIAL-SPECTRAL INFORMATION |
| CN107257530A (zh) * | 2017-06-06 | 2017-10-17 | 余姚德诚科技咨询有限公司 | 智能化警车喇叭 |
| CN108614858B (zh) * | 2018-03-23 | 2019-07-05 | 北京达佳互联信息技术有限公司 | 图像分类模型优化方法、装置及终端 |
-
2023
- 2023-03-03 CN CN202310198915.7A patent/CN116206117B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368821A (zh) * | 2011-10-20 | 2012-03-07 | 浙江工商大学 | 一种噪声强度自适应的视频去噪方法和系统 |
| CN108604302A (zh) * | 2016-02-01 | 2018-09-28 | 德克萨斯仪器股份有限公司 | 用于计算机视觉的自适应双边(bl)滤波 |
| CN108259705A (zh) * | 2018-03-29 | 2018-07-06 | 吴英 | 智能化现场图像滤波系统 |
| CN111159891A (zh) * | 2019-12-27 | 2020-05-15 | 南京航空航天大学 | 基于dnn神经网络的单样本极化滤波器系数预测方法 |
| CN112205990A (zh) * | 2020-09-07 | 2021-01-12 | 武汉科技大学 | 一种基于sEMG的不同负载下手腕角度预测方法及装置 |
| CN112633202A (zh) * | 2020-12-29 | 2021-04-09 | 河南大学 | 一种基于双重去噪联合多尺度超像素降维的高光谱图像分类算法 |
| CN115705748A (zh) * | 2021-08-06 | 2023-02-17 | 云南白药集团上海健康产品有限公司 | 一种面部特征的识别系统 |
| CN115170811A (zh) * | 2022-06-07 | 2022-10-11 | 山西三友和智慧信息技术股份有限公司 | 一种基于卷积神经网络的去噪方法 |
| CN115166804A (zh) * | 2022-07-05 | 2022-10-11 | 常熟理工学院 | 基于机器学习进行量测噪声预测的gnss/ins紧组合定位方法 |
| CN115659609A (zh) * | 2022-10-11 | 2023-01-31 | 山东科技大学 | 一种基于dtw-dcrnn的化工园区噪声预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 图像去噪的组合优化滤波算法;张宁丹;曾晓华;;长沙通信职业技术学院学报(第02期);全文 * |
| 基于人工智能的滤波和插值图像重建算法在腹部磁共振图像降噪中的价值;徐旭 等;四川大学学报;全文 * |
| 神经网络噪声检测的自适应加权均值滤波算法;叶小岭;窦艳艳;胡凯;;计算机工程与设计(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116206117A (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101888535B (zh) | 运动对象检测装置、运动对象检测方法和计算机程序 | |
| CN111767930A (zh) | 物联网时序数据异常检测方法及其相关设备 | |
| CN105069423A (zh) | 一种人体姿态检测方法及装置 | |
| CN116417013B (zh) | 水下推进器故障诊断方法及系统 | |
| CN109063574B (zh) | 一种基于深度神经网络检测的包络框的预测方法、系统及设备 | |
| CN110602485B (zh) | 故障检测方法及相关产品 | |
| CN111179235B (zh) | 图像检测模型的生成方法及装置、应用方法及装置 | |
| KR102289212B1 (ko) | 인공지능 기반 고장 진단 장치 및 방법 | |
| CN110597235A (zh) | 一种通用智能故障诊断方法 | |
| CN116206117B (zh) | 基于编号遍历的信号处理优化系统及方法 | |
| CN117671396B (zh) | 施工进度的智能监控预警系统及方法 | |
| CN108551412B (zh) | 监控数据降噪处理方法和装置 | |
| CN110751667A (zh) | 基于人类视觉系统的复杂背景下红外弱小目标检测方法 | |
| TW202324297A (zh) | 影像分析模型建立方法及其影像分析設備 | |
| CN113867142A (zh) | 传感器控制方法、装置、电子设备及存储介质 | |
| CN116991146A (zh) | 一种超声波清洗装置的控制方法及系统 | |
| CN117315941A (zh) | 一种基于人工智能的车辆风险管理预警系统 | |
| KR101627319B1 (ko) | 의료진단을 위한 의료영상 처리장치 및 그 방법 | |
| CN115144211A (zh) | 基于离散小波变换和门控循环单元的故障检测方法及装置 | |
| CN115546736A (zh) | 基于图像采集的河道采砂监控处理方法及系统 | |
| CN116363542A (zh) | 到离岗事件检测方法、装置、设备及计算机可读存储介质 | |
| Gurcan et al. | Influence function based Gaussianity tests for detection of microcalcifications in mammogram images | |
| CN112232419A (zh) | 一种基于大数据的旋转设备故障监控方法、系统及可读存储介质 | |
| Deokar | Implementation of Canny Edge Detector Algorithm using FPGA | |
| CN117782403B (zh) | 一种基于分离网络的松动螺栓定位方法、装置、介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231108 Address after: Room 09, 8th Floor, Building 3, Zone 4, No. 186 South Fourth Ring West Road, Fengtai District, Beijing, 100160 Applicant after: Beijing Quanwang Zhishu Technology Co.,Ltd. Address before: No. 20 Kaihua Road, Huayuan Industrial Zone, Binhai New Area, Tianjin, 300000 Applicant before: Zhu Guixiang |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231226 Address after: 610, Floor 6, Block A, No. 2, Lize Middle Second Road, Chaoyang District, Beijing 100102 Patentee after: Zhongguancun Technology Leasing Co.,Ltd. Address before: Room 09, 8th Floor, Building 3, Zone 4, No. 186 South Fourth Ring West Road, Fengtai District, Beijing, 100160 Patentee before: Beijing Quanwang Zhishu Technology Co.,Ltd. |