摘要： 改進像素值排序(IPVO)算法采用預(yù)測差值“0”和“1”進行信息嵌入,其他預(yù)測差值執(zhí)行移位操作,針對其嵌入空間利用率和感知質(zhì)量較低的問題,提出一種基于自適應(yīng)壓縮移位區(qū)間的IPVO可逆數(shù)據(jù)隱藏方法。通過統(tǒng)計像素值排序方法各預(yù)測差值出現(xiàn)頻率,使用頻率為零次的預(yù)測差值壓縮移位區(qū)間,根據(jù)嵌入需求選擇合適的連續(xù)移位預(yù)測差值區(qū)間和嵌入差值密度較大區(qū)域進行信息嵌入,改進IPVO可逆數(shù)據(jù)隱藏方法。通過圖像不可感知性、嵌入容量和魯棒性實驗分析表明,在相同嵌入量下,壓縮移位區(qū)間可以減少執(zhí)行移位操作的像素數(shù)量,降低信息嵌入對圖像感知質(zhì)量的影響;在保證良好視覺質(zhì)量前提下,算法嵌入容量性能沒有下降,并具有較強的魯棒性。

摘要： 針對傳統(tǒng)硬閾值函數(shù)在閾值處不連續(xù)、傳統(tǒng)軟閾值函數(shù)中小波系數(shù)與小波估計系數(shù)之間存在恒定偏差的問題,提出一種優(yōu)化新型閾值函數(shù)的圖像去噪算法.本文所提算法不僅對高頻噪聲進行有效去噪,而且兼顧低頻分量,從低頻分量中提取少量細節(jié)信息,從而提高原圖像和重構(gòu)圖像的相似度,之后再對重構(gòu)圖像進行中值濾波.仿真結(jié)果表明,相比于傳統(tǒng)的軟、硬閾值函數(shù),采用本文優(yōu)化后的閾值函數(shù)進行圖像去噪,不僅主觀上視覺效果更好,而且峰值信噪比(Peak Signal to Noise Ratio,PSNR)值增加了約7 db,結(jié)構(gòu)相似性(Structural Similarity,SSIM)增加了約0.1,均方誤差(Mean Square Error,MSE)降低了76%.此外,對含高密度椒鹽噪聲的圖像進行優(yōu)化閾值函數(shù)和加權(quán)均值濾波相結(jié)合的算法去噪后,仿真結(jié)果與單一閾值函數(shù)去噪相比,峰值信噪比增加了約5%,均方誤差降低了約5.5%,結(jié)構(gòu)相似性增加了約0.1.

摘要： 隨著科技水平的提高,多媒體技術(shù)得到了廣泛使用,人們在利用各種多媒體手段傳輸圖片的過程中,圖片的質(zhì)量會受到一定影響,為了得到所需的高分辨率圖像,需要對有噪聲的圖像進行去噪處理.該文將改進小波閾值作為目標來提升去噪方法的實際效果.與現(xiàn)階段常用的一些方法比較,這種閾值函數(shù)具有很好的可調(diào)性,并且是處處連續(xù)且?guī)缀跆幪幊浞止饣?仿真實驗表明:新的閾值函數(shù)處理后的圖像峰值信噪比高、均方根誤差小,能夠更加接近于原圖像,使獲得的圖像邊緣具有更好的清晰度和連續(xù)性,輪廓更加完整.

摘要： 應(yīng)用2D-VMD算法對圖像信號進行去噪,以提升圖像質(zhì)量。采用2D-VMD技術(shù)對含有噪聲的軸承缺陷圖像進行分解,將其分解為有限個固有模態(tài)函數(shù)(IMF)分量;利用模糊線性指數(shù)和標準差篩選各IMF分量,剔除噪聲項,實現(xiàn)圖像去噪。對比2D-VMD去噪算法和均值濾波、中值濾波的去噪效果,使用均方差和峰值信噪比對去噪后的圖像進行客觀評價。結(jié)果表明:使用2D-VMD算法去噪效果更好,去噪后的圖像能保留更多有效信息、圖像質(zhì)量更好,能夠滿足鐵路部門對軸承檢修的需求。

摘要： 為了在去除高斯噪聲的同時更有效地保持圖像的邊緣和細節(jié),提出了信噪局部方差自適應(yīng)的小波濾波方法.根據(jù)圖像與高斯噪聲的小波系數(shù)的分布特征,提出了一種信噪局部方差自適應(yīng)的閾值.同時,鑒于無噪圖像的小波系數(shù)具有平滑連貫性,提出一種連續(xù)的、可微的且無限逼近原小波系數(shù)的閾值函數(shù).閾值依據(jù)信噪強度對信號系數(shù)與噪聲系數(shù)進行區(qū)分,閾值函數(shù)依據(jù)閾值對小波系數(shù)進行量化處理,以去除噪聲.實驗結(jié)果表明,所提出的方法對圖像去噪所得的PSNR(peak signal to noise ratio)和SSIM(structural similarity index)值以及圖像的視覺效果,相對于現(xiàn)有的小波去噪方法有較大的提升,在徹底去除高斯噪聲同時,更有效地保持圖像的邊緣和細節(jié).

摘要： 針對地震資料的質(zhì)量一直是制約數(shù)據(jù)處理解釋結(jié)果的重要因素,而且隨著新技術(shù)的開發(fā),采集到的數(shù)據(jù)量也在不斷加大,噪聲的存在也不可避免,因此去噪成為了一大問題,這里應(yīng)用壓縮感知理論,分別以DCT與K-SVD學(xué)習字典為稀疏基對不同層位的模型數(shù)據(jù)進行測試,之后對某工區(qū)的實際地震剖面進行處理。結(jié)果表明:DCT字典去噪時會損害原地震信號的高頻信息,而K-SVD學(xué)習字典的效果明顯優(yōu)于DCT字典,在去除噪聲的同時對原地震信號的信息能夠很好地保留,但由于迭代次數(shù)的增加,處理時間較長,應(yīng)用基于壓縮感知理論的OMP算法進行迭代運算,加快了K-SVD學(xué)習字典的計算速度,且能重建恢復(fù)原信號,為后面的解釋工作打下良好的基礎(chǔ)。

摘要： 在高頻渦流檢測系統(tǒng)往復(fù)式掃描檢測過程中,由于存在奇偶行間錯位而引起圖像模糊現(xiàn)象,針對這一問題,在C掃描高頻渦流檢測系統(tǒng)基礎(chǔ)上,分析了往復(fù)式渦流掃描行間錯位的成因,設(shè)計了一種自適應(yīng)維納濾波的圖像復(fù)原校正算法;該算法可有效地處理復(fù)原帶電線纜狹縫裂紋以及碳纖維復(fù)合材料編織紋理的掃描圖像,解決了高頻往復(fù)式掃描的奇偶行間錯位而引起的圖像模糊失真問題,通過實驗比較了不同圖像,分別運用包括自適應(yīng)維納濾波復(fù)原校正等4種算法,復(fù)原處理圖像的PSNR計算值分別是24.918 dB、22.9326 dB、23.7126 dB和24.8218 dB,實驗結(jié)果表明所設(shè)計的算法對峰值信噪比處理性能有較大提升,驗證了其可行性與可靠性;該算法既融合了單程隔行掃描的渦流成像結(jié)果準確性,又具備往復(fù)式逐行掃描成像速度快效率高的特點;上述檢測方法亦在項目制教學(xué)中得到的推廣和應(yīng)用。

摘要： 為解決相關(guān)濾波算法受余弦窗和搜索區(qū)域限制,導(dǎo)致跟蹤器無法學(xué)習更多背景信息的問題,結(jié)合Context-Aware和Staple跟蹤算法提出一種自適應(yīng)特征融合的抗遮擋目標跟蹤算法。在跟蹤器中嵌入遮擋判斷模塊,利用平均峰值相關(guān)能量及峰值信噪比(PSNR)等指標來判斷目標的遮擋情況,決定是否更新模板。將該算法在OTB-2015測試集上與其它7個先進的算法進行比較,實驗結(jié)果表明,該算法的精確度與成功率分別為0.818和0.731,相對于Staple算法分別提升了4.3%和4.6%,跟蹤速度達到34.55幀/s,驗證了其有效性。

摘要： 為了使指紋識別技術(shù)更加準確和識別效率更高,提出了改進的閾值函數(shù)對指紋圖像進行去噪。首先針對指紋圖像的特點,構(gòu)造了一個改進的閾值函數(shù),該閾值函數(shù)與傳統(tǒng)軟、硬閾值函數(shù)及某些現(xiàn)有改進閾值函數(shù)相比,具有很好的可調(diào)性,并且是處處可導(dǎo)的,其更好地逼近軟閾值函數(shù),且在閾值點處的圖像更加光滑,在對圖像去噪時能夠更多的保留其上的真實信息,同時有效的濾除噪聲。仿真實驗表明,改進的閾值函數(shù)處理后的圖像峰值信噪比和結(jié)構(gòu)相似度高、均方根誤差和扭曲程度小且相關(guān)系數(shù)大,能夠更加接近于原圖像,因此改進的閾值函數(shù)具有很好的應(yīng)用價值。

摘要： 為了得到更好的圖像評價指標,均方誤差損失是大多數(shù)現(xiàn)有的與深度學(xué)習方法結(jié)合的圖像超分辨率技術(shù)都在使用的目標優(yōu)化函數(shù),但大多數(shù)算法構(gòu)建出來的圖像因嚴重丟失高頻信息和模糊的紋理邊緣而不能達到視覺感受的需求。針對上述問題,本文提出融合感知損失的廣泛激活的非常深的殘差網(wǎng)絡(luò)的超分辨率模型,通過引入感知損失、對抗損失,并結(jié)合平均絕對誤差組成新的損失函數(shù),通過調(diào)整不同損失項的權(quán)重對損失函數(shù)進行優(yōu)化,提高了對低分率圖像的特征重構(gòu)能力,高度還原圖像缺失的高頻信息。本文選取峰值信噪比(peak signal-to-noise ratio,PSNR)和結(jié)構(gòu)相似度(structural similarity,SSIM)兩個國際公認的評判指標作為客觀評判標準,更換數(shù)據(jù)集進行實驗分析、結(jié)果對比,在主觀視覺上直觀觀察效果,結(jié)果從不同角度證明本文方法性能較對比模型有所提升,證明了引入感知損失后,模型更好地構(gòu)建了低分辨率圖的紋理細節(jié),可以獲得更好的視覺體驗。

摘要： 針對嵌入式視頻壓縮系統(tǒng)圖像質(zhì)量客觀評估的應(yīng)用需求,討論了一種測試壓縮視頻峰值信噪比的方法.該方法在參考視頻序列中加入同步標識,使得參考視頻和壓縮后視頻可以進行逐幀對比,從而精確計算峰值信噪比.對比某編碼器嵌入式環(huán)境下實際運行的峰值信噪比計算結(jié)果與軟件仿真的結(jié)果,誤差小于1dB,證明了該測試方法的準確性.

摘要： 建筑功能布局作為建筑設(shè)計的基本內(nèi)容,隨著人工智能的發(fā)展,智能化建筑功能自動布局越發(fā)值得期待.本文提出基于生成對抗網(wǎng)絡(luò)(GAN)的建筑功能自動布局方法,可以針對不同建筑平面輪廓自動布局房間的建筑功能,形成完整的戶型圖.首先,收集大量含有房間功能的戶型圖,利用編輯工具進行批量處理,得到符合條件的數(shù)據(jù)集;然后,將數(shù)據(jù)集分為含房間格局與不含房間格局兩種情形,利用pix2pix程序進行訓(xùn)練,并得到自動生成的建筑布局圖;最后,基于峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)兩個指標對兩組算例的生成結(jié)果進行評價.結(jié)果表明:SSIM均大于0.8,PSNR在20左右,本方法能生成與目標圖片較為一致的建筑布局圖.相較于傳統(tǒng)的參數(shù)化設(shè)計,本方法無需人為添加規(guī)則,能夠自動學(xué)習建筑功能布局的規(guī)則,生成較為合理的功能布局方案,可供專業(yè)人士參考.

摘要： 基于車載的光電系統(tǒng)在采集圖像的過程中,載車的隨機振動會導(dǎo)致視頻序列發(fā)生抖動,需要通過穩(wěn)像技術(shù)來消除.為解決傳統(tǒng)電子穩(wěn)像方法中存在幀間跳變、機械性選擇參考幀,以及邊緣信息丟失的問題,提出了一種基于自適應(yīng)補償?shù)碾娮臃€(wěn)像方法.首先,自適應(yīng)的更新參考幀,后續(xù)幀與更新的參考幀進行特征點的提取和匹配,并通過參數(shù)迭代方法求解相對于第1幀的全局運動參數(shù);然后,區(qū)分不同的全局運動參數(shù):旋轉(zhuǎn)角度、水平、垂直方向的偏移量,并通過運動濾波從全局運動參數(shù)中分離出掃描運動,補償隨機抖動;最后,采用后向映射方式實現(xiàn)運動補償,并運用圖像鑲嵌,即利用參考基準幀的信息對校正后圖像的邊緣信息進行補償.實驗結(jié)果表明:穩(wěn)像后視頻序列有很好的視覺穩(wěn)定效果,且提高了峰值信噪比(PSNR)和幀間變換保真度(ITF).本文的方法具有很好的魯棒性,在不同的視頻場景下都可以實現(xiàn)穩(wěn)像,可以滿足穩(wěn)像的精度要求.

摘要： 為實現(xiàn)蘋果采摘機器人的全天候作業(yè),對采集到的夜間圖像進行了相關(guān)研究.在分析夜視圖像噪聲的基礎(chǔ)上,運用小波閾值方法進行圖像的降噪處理,針對閾值算法的潛在缺點,通過構(gòu)造模糊閾值函數(shù),提出小波模糊閾值的夜視圖像降噪算法.實驗結(jié)果表明:從視覺上看小波模糊閾值降噪方法得到的低噪圖像噪點明顯減少;從客觀數(shù)據(jù)比較,其相對峰值信噪比有較大幅度提高.新方法顯示出在夜視圖像降噪方面有著獨特優(yōu)勢,為實現(xiàn)蘋果采摘機器人的全天候作業(yè)打下基礎(chǔ).

摘要： 針對傳統(tǒng)彩色圖像分割方法對分割夜間圖像易受噪聲干擾、圖像質(zhì)量差、圖像可辨識性低等問題的影響,提出一種新的融合MRF&Retinex的暗原色彩圖分割方法.建立e-LPG-PCA濾波模型,對圖像進行平滑處理;對降噪后的圖像構(gòu)造優(yōu)化的顏色恢復(fù)函數(shù),將RGB顏色空間轉(zhuǎn)換為HSV顏色空間,建立MRF&Retinex模型,對圖像進行增強運算和顏色校正;利用MRF&FCM聚類方法進行圖像分割.實驗結(jié)果表明:該算法可以有效地增強夜間彩色圖像,抑制噪聲,提高圖像的峰值信噪比,而且能夠更好地實現(xiàn)夜間彩色圖像的分割.

摘要： 研究了散斑平均尺寸對贗熱光關(guān)聯(lián)成像的影響.分別采用1幅二值圖和1幅多灰度圖作為待重構(gòu)目標物體的圖像,以峰值信噪比(PSNR)作為衡量指標,對重構(gòu)質(zhì)量進行了量化,同時從小到大選取3組不同尺寸散斑重構(gòu)的圖像進行了直觀的對比.通過仿真實現(xiàn)了傳統(tǒng)關(guān)聯(lián)成像(GI)、差分關(guān)聯(lián)成像(DGI)、基于壓縮感知的關(guān)聯(lián)成像(CGI)和基于偽逆的關(guān)聯(lián)成像(PGI)4種關(guān)聯(lián)成像方案.使用尺寸從小到大的多組散斑場分別對每一種方案進行重構(gòu).仿真結(jié)果表明,隨著散斑平均尺寸的增大,GI、DGI和PGI重構(gòu)圖像的PSNR都有顯著的提高,最高可達到7 dB;而CGI重構(gòu)圖像的PSNR沒有明顯的提高.此外,當實驗中的物臂和參考臂不完全對稱時,雙臂的散斑平均尺寸會有一定的偏差.4種方案重構(gòu)圖像的PSNR都隨著偏差的增大有不同程度的下降,直至圖像無法辨認.在保證重構(gòu)圖像可辨認的條件下,GI和DGI容許的偏差較大,CGI次之,PGI最小.

摘要： 針對雙邊濾波算法參數(shù)設(shè)定復(fù)雜、不具通用性等問題,提出一種基于噪聲水平估計的雙邊濾波算法.該算法分別從圖像的噪聲水平和邊緣強度出發(fā);在弱紋理區(qū)域采用PCA對圖像的噪聲水平進行了估計;利用sobel算子檢測出圖像的可見邊緣,并定義了其強度水平,進而在最佳峰值信噪比準則下自適應(yīng)設(shè)置濾波參數(shù)的空間標準偏差和亮度標準偏差.最后,對本文濾波結(jié)果進行了主客觀質(zhì)量評價,試驗結(jié)果表明了該算法的有效性.

摘要： 本文主要介紹了壓縮感知的基本原理,以及偽隨機序列在壓縮感知測量矩陣構(gòu)造中的應(yīng)用.分析了使用偽隨機序列所構(gòu)造的兩個測量矩陣與小波基的相關(guān)性,并且利用構(gòu)造的矩陣使用Matlab對一維信號進行仿真實驗,得到重構(gòu)誤差隨測量數(shù)的變化情況;對二維灰度和二值圖像進行了重構(gòu)實驗,得到重構(gòu)圖像與原始圖像的峰值信噪比隨測量數(shù)的變化情況.最后,利用74LS194以及其他外圍元件設(shè)計出偽隨機信號發(fā)生器的硬件實現(xiàn)框圖,觀察仿真結(jié)果,驗證了系統(tǒng)的正確性.

摘要： 人類視覺能夠十分高效的從噪聲圖像中獲知原始圖像,且具有極強魯棒性.本文針對近期興起的深度學(xué)習理論,從計算機視覺的角度出發(fā),分析設(shè)計了一種可用于深度學(xué)習的結(jié)構(gòu)算法——深層降噪自動編碼 (DDA,Deep Denoising Auto-encoders).本文基于DDA算法,采用多隱層的深度網(wǎng)絡(luò)結(jié)構(gòu),結(jié)合MINIST手寫字符數(shù)據(jù)庫,研究了DDA算法在圖像降噪問題中的應(yīng)用.實驗結(jié)果表明,該算法具有有效性及魯棒性的特點.

摘要： 人類視覺能夠十分高效的從噪聲圖像中獲知原始圖像,且具有極強魯棒性.本文針對近期興起的深度學(xué)習理論,從計算機視覺的角度出發(fā),分析設(shè)計了一種可用于深度學(xué)習的結(jié)構(gòu)算法——深層降噪自動編碼 (DDA,Deep Denoising Auto-encoders).本文基于DDA算法,采用多隱層的深度網(wǎng)絡(luò)結(jié)構(gòu),結(jié)合MINIST手寫字符數(shù)據(jù)庫,研究了DDA算法在圖像降噪問題中的應(yīng)用.實驗結(jié)果表明,該算法具有有效性及魯棒性的特點.

摘要： 本發(fā)明提供一種光信噪比監(jiān)測裝置及光信噪比監(jiān)測方法，對發(fā)射端的數(shù)據(jù)進行處理，得到發(fā)送消息；所述發(fā)送消息經(jīng)光纖鏈路傳輸后通過相干接收機進行模數(shù)轉(zhuǎn)換后得到轉(zhuǎn)換數(shù)據(jù)；對所述轉(zhuǎn)換數(shù)據(jù)進行處理，根據(jù)處理后的數(shù)據(jù)進行光信噪比OSNR監(jiān)測。通過將信號功率提取出來，得到信號的信噪比和OSNR，從而對每一幀的OSNR都進行監(jiān)測，實現(xiàn)實時的OSNR監(jiān)測。

摘要： 一種提高傅里葉紅外光譜儀偏低信噪比頻段信噪比的方法，將透高頻消減中、低頻的吸收片和透低頻消減中、高頻的吸收片置于紅外光源后的光路中，對光源發(fā)出的部分光能進行有頻率針對性的吸收，從而達到均衡本底光譜能量分布的效果，之后通過提高光源光能使紅外探測器上接收到的總能量與添置吸收片前接收到的總能量相同，此時本底光譜在原先低能量分布處的能量大幅提高，從而顯著提高了這些頻段的信噪比；本發(fā)明可以避免由于傅里葉紅外光譜能量分布均衡性較差帶來的一些頻段的信噪比和探測靈敏度過低的問題。

摘要： 本發(fā)明公開了一種閉路式測量磁頭信噪比的方法，適用于具有記錄媒介和磁頭的記錄裝置，所述方法包括以下步驟：(a)將磁頭加載到媒介上并保持一定的動態(tài)飛行高度；(b)測量初始環(huán)境溫度值T1，并同時測量磁頭信號signal

摘要： 一種具有信噪比約束的無線傳感器網(wǎng)絡(luò)滾動時域信噪比估計方法，步驟如下：1)、利用信噪比公式，功率控制算法和流速控制算法，得到無線傳感器網(wǎng)絡(luò)的狀態(tài)空間模型；2)、考慮節(jié)點發(fā)送信號所需信噪比的上下限，得到具有信噪比約束的無線傳感器網(wǎng)絡(luò)模型；3)、對于設(shè)定的滾動時域窗口長度N，權(quán)重矩陣∏，Q和R，將滾動時域信噪比估計問題轉(zhuǎn)化為等價具有不等式約束的最小化問題；4)、采用Lagrangian方法轉(zhuǎn)化為等價的等式約束優(yōu)化問題；5)、基于LOQO內(nèi)點法求解等式約束優(yōu)化問題，得到無線傳感器網(wǎng)絡(luò)滾動時域信噪比估計器，給出信噪比的最優(yōu)估計值和下一時刻的預(yù)測值。本發(fā)明模型合理、考慮信噪比約束，且具有在線計算功能。

摘要： 用于為電源轉(zhuǎn)換器提供峰值電流模式控制(PCMC)的系統(tǒng)和方法，通過提高電感器(或開關(guān))電流的信噪比，以達到最小的占空比解決方案并消除會引起高輸入和輸出紋波的亞諧波操作，可以改善抗噪聲能力。電流感測電阻器對電流進行感測并轉(zhuǎn)換為電壓，以實現(xiàn)峰值電流模式控制方案。為了提高信噪比，僅在主開關(guān)的接通時間內(nèi)添加直流(DC)偏移電壓。在每個開關(guān)周期之后，通過將電流感測電路的濾波電容器重置為零伏，可以消除由主開關(guān)導(dǎo)通引起的前沿尖峰。

摘要： 信噪比調(diào)節(jié)電路被配置為確定第一圖像的信噪比是否低于第一閾值，以及確定視頻序列的第一圖像和先前的第二圖像之間的成像內(nèi)容的變化是否低于第二閾值。信噪比調(diào)節(jié)電路還被配置為，如果信噪比低于第一閾值并且如果變化低于第二閾值，生成與第一圖像或第二圖像相比具有增加的信噪比的第三圖像。

摘要： 本發(fā)明實施例涉及一種極限信噪比及極限信噪比穩(wěn)定性的測試方法及裝置。該方法包括：調(diào)用圖像采集設(shè)備，按照預(yù)設(shè)的幀速，連續(xù)采集預(yù)設(shè)數(shù)量的第一圖像；調(diào)用圖像采集設(shè)備，按照預(yù)設(shè)的幀速，連續(xù)采集預(yù)設(shè)數(shù)量的第二圖像；按照預(yù)設(shè)的算法，對第一圖像與第二圖像進行處理，得到中間圖像，中間圖像按照(前一幀中間圖像?后一幀中間圖像)/(前一幀中間圖像+后一幀中間圖像)方式進行計算得到第三圖像；選取第三圖像中預(yù)設(shè)區(qū)域圖像，計算標準差；按照預(yù)設(shè)的規(guī)則對標準差進行處理，得到極限信噪比；計算極限信噪比與圖像疊加幀數(shù)的關(guān)系，確定極限信噪比穩(wěn)定性。本裝置測量信噪比無需均勻光源，且小型、便攜，具有廣泛的應(yīng)用前景。

摘要： 一種測量全彩色視頻信號峰值信噪比(PSNR)的方法，包括整體性能參數(shù)的測量和各組分對整體參數(shù)貢獻的測量，提供全彩色PSNR以及各個分量的誤差圖。這一方法將參考和受損視頻信號的各彩色分量值轉(zhuǎn)換為RGB值，然后計算參考和受損視頻信號各個R、G和B通道的誤差能量。在各組分對全彩色視頻信號誤差的估算中，相應(yīng)的其它組分被置為某一參考值，例如零。全彩色視頻信號整體PSNR也是在RGB模式下計算得到。最后，得到彩色殘留PSNR圖和PSNR的計算結(jié)果。

摘要： 本發(fā)明公開了一種峰值信噪比和皮爾森相關(guān)系數(shù)融合的近紅外心率檢測方法，包括如下步驟：數(shù)據(jù)采集、預(yù)處理、面部感興趣區(qū)域(ROI)選取、信號去噪和心率估算；從近紅外攝像頭獲得面部灰度圖像，由于外部干擾或噪聲，預(yù)定的ROI區(qū)域可能會存在低噪聲比的問題。為此本發(fā)明不局限于某一預(yù)定ROI，而是在面部灰度圖像中選取多個ROI。本發(fā)明在面部中選取多個ROI區(qū)域，來提高原始信號的信噪比。然后通過信號預(yù)處理算法來消除原始信號中的高頻噪聲、低頻趨勢、波形突變。并通過峰值信噪比和皮爾森相關(guān)系數(shù)的融合來挑選出心率信號。實驗結(jié)果表明，該方法能夠?qū)崟r有效地完成心率檢測，適合于不同光源環(huán)境下的心率檢測，低于3％的誤差。

摘要： 一種測量全彩色視頻信號峰值信噪比(PSNR)的方法，包括整體性能參數(shù)的測量和各組分對整體參數(shù)貢獻的測量，提供全彩色PSNR以及各個分量的誤差圖。這一方法將參考和受損視頻信號的各彩色分量值轉(zhuǎn)換為RGB值，然后計算參考和受損視頻信號各個R、G和B通道的誤差能量。在各組分對全彩色視頻信號誤差的估算中，相應(yīng)的其它組分被置為某一參考值，例如零。全彩色視頻信號整體PSNR也是在RGB模式下計算得到。最后，得到彩色殘留PSNR圖和PSNR的計算結(jié)果。