交通信號檢測-Matlab實(shí)驗(yàn)

1、課程設(shè)計(jì)報(bào)告實(shí)驗(yàn)項(xiàng)目名稱：交通信號檢測-Matlab實(shí)驗(yàn)專業(yè)名稱： 計(jì)算機(jī)科學(xué)與技術(shù)班級： *學(xué)號： *學(xué)生姓名： *教師姓名： * 2014 年 10 月 6 日一.實(shí)驗(yàn)名稱：信號降噪二.原理：基于小波的信號去噪問題在數(shù)學(xué)上是一個(gè)函數(shù)逼近的問題，即如何在由小波基函數(shù)伸縮和平移所張成的函數(shù)空間中，根據(jù)某一個(gè)衡量準(zhǔn)則，尋找對真實(shí)信號的最佳逼近，以期達(dá)到將噪聲從真實(shí)信號中去除的目的。小波信號去噪問題的數(shù)學(xué)描述為： 由小波信號去噪問題的數(shù)學(xué)描述，實(shí)際上，基于小波的信號去噪就是為了尋找從含噪信號空間到小波函數(shù)空間的最佳映射，以便得到真實(shí)信號的最佳恢復(fù)。從信號學(xué)的角度看,小波去噪是一個(gè)信號濾波的問題。盡

2、管在很大程度上小波去噪可以看成是低通濾波,但由于在去噪后,還能成功地保留信號特征,所以在這一點(diǎn)上又優(yōu)于傳統(tǒng)的低通濾波器。由此可見,小波去噪實(shí)際上是特征提取和低通濾波的綜合,其流程框圖如圖所示：低通濾波特征提取帶噪信號 重建信號 特征信號小波分析的重要應(yīng)用之一就是用于信號消噪 ,一個(gè)含噪的一維信號模型可表示為如下形式：S(k)=f(k)+ *e(k)  k=0.1.n-1 假設(shè)e(k)為高斯白噪聲,通常情況下有用信號表現(xiàn)為低頻部分或是一些比較平穩(wěn)的信號,而噪聲信號則表現(xiàn)為高頻的信號,下面對S(k)信號進(jìn)行如圖結(jié)構(gòu)的小波分解,則噪聲部分通常包含在Cd1、Cd2、Cd3

3、中,只要對Cd1,Cd2,Cd3作相應(yīng)的小波系數(shù)處理,然后對信號進(jìn)行重構(gòu)即可以達(dá)到消噪的目的。SCd1Ca1Cd2Ca2Cd3Ca3三方法： 對信號去噪實(shí)質(zhì)上是抑制信號中的無用部分，增強(qiáng)信號中有用部分的過程。一般地，一維信號去噪的過程可分為如下3個(gè)步驟： 步驟1：一維信號的小波分解。選擇一個(gè)小波并確定分解的層次，然后進(jìn)行分解計(jì)算。 步驟2：小波分解高頻系數(shù)的閾值量化。對各個(gè)分解尺度下的高頻系數(shù)選擇一個(gè)閾值進(jìn)行軟閾值量化處理。 步驟3：一維小波重構(gòu)。根據(jù)小波分解的最底層低頻系數(shù)和各層高頻系數(shù)進(jìn)行一維小波重構(gòu)。 這3個(gè)步驟中，最關(guān)鍵的是如何選擇閾值以及進(jìn)行閾

4、值量化。在某種程度上，它關(guān)系到信號去噪的質(zhì)量。 總體上，對于一維離散信號來說，其高頻部分所影響的是小波分解的第一層細(xì)節(jié)，其低頻部分所影響的是小波分解的最深層和低頻層。如果對一個(gè)僅由白噪聲所組成的信號進(jìn)行分析，則可得出這樣的結(jié)論：高頻系數(shù)的幅值隨著分解層次的增加而迅速地衰減，且其方差也有同樣的變化趨勢。小波分析工具箱中用于信號去噪的一維小波函數(shù)是wden()的wdencmp()。 小波分析進(jìn)行去噪處理一般有下述3種方法。 （1）默認(rèn)閾值去噪處理。該方法利用函數(shù)ddencmp()生成信號的默認(rèn)閾值，然后利用函數(shù)wdencmp()進(jìn)行去噪處理。 （2）給定閾值

5、去噪處理。在實(shí)際的去噪處理過程中，閾值往往可通過經(jīng)驗(yàn)公式獲得，且這種閾值比默認(rèn)閾值的可信度高。在進(jìn)行閾值量化處理時(shí)可利用函數(shù)wthresh()。 （3）強(qiáng)制去噪處理。該方法是將小波分解結(jié)構(gòu)中的高頻系數(shù)全部置為0，即濾掉所有高頻部分，然后對信號進(jìn)行小波重構(gòu)。這種方法比較簡單，且去噪后的信號比較平滑，但是容易丟失信號中的有用成分。四.仿真實(shí)驗(yàn)： 1.幾種確定閾值法信號如圖示2.閾值選取方法比較 3.硬閾值和軟閾值4.抑制細(xì)節(jié)系數(shù)實(shí)現(xiàn)降噪從該例可以看出，降噪過程中不光抑制了噪聲，也抑制了很多有用的信息成分。5.FFT實(shí)現(xiàn)信號降噪 可以看出，傅里葉變換只能在頻域范圍內(nèi)表述，對系數(shù)處理的手法也

6、相對單一，而小波分解之后可以在各個(gè)層次選擇閾值，對噪聲成分進(jìn)行抑制，手段更加靈活。6.Matlab缺省降噪命令可以看出，全局閾值和部分閾值方法降噪的信號都很好的保留了信號發(fā)展初期的高頻特性，且性能參數(shù)優(yōu)于以前的一直抑制細(xì)節(jié)系數(shù)策略和FFT方法。7.二維信號的小波降噪從該例可以看出，與全局閾值相比，分層閾值在保留同樣能量成分的情況下，有著更好的相似性。一.實(shí)驗(yàn)名稱：圖像增強(qiáng)二.原理： 圖像增強(qiáng)是一類基本的圖像處理技術(shù)，其目的是對圖像進(jìn)行加工，以得到對具體應(yīng)用來說視覺效果更好、更有用的圖像。這里的好和有用要因具體的應(yīng)用目的和要求而異，并且所需的具體增強(qiáng)技術(shù)也可不同。目前常用的增強(qiáng)技術(shù)根據(jù)其處理所進(jìn)

7、行的空間不同，可分為基于圖像域的方法和基于變化域的方法域的方法。第一類，直接在圖像所在的空間進(jìn)行處理，也就是在像素組成的空間里直接對像素進(jìn)行操作二類，在圖像的變化域?qū)D像進(jìn)行間接處理?？臻g變換增強(qiáng)又包含了增強(qiáng)對比度和圖像求反。增強(qiáng)對比度實(shí)際是增強(qiáng)原圖像的各部分的反差。實(shí)際中往往是通過原圖中某兩個(gè)灰度值之間的動態(tài)范圍來實(shí)現(xiàn)的。對圖像求反是將原來的灰度值翻轉(zhuǎn)，簡單的說就是使黑變白，使白變黑。普通的黑白底片和照片就是這樣的關(guān)系。具體的變換就是將圖像中每個(gè)像素 的灰度值根據(jù)變換曲線進(jìn)行映射。頻域增強(qiáng)的基本原理是：卷積理論是頻域技術(shù)的基礎(chǔ)。設(shè)函數(shù)f（x,y）與線性位不變算子h（x,y）的卷積結(jié)果是g（x

8、,y），即 g(x,y)=h(x,y)*f(x,y)那么根據(jù)卷積定理在頻域有：G(x,y)=H(u,v)F(u,v)  其中G(x,y)、H(u,v)、F(u,v)分別是g(x,y)、h(x,y)、f(x,y)的傅立葉變換。三方法： 常用技術(shù)主要有直方圖修改處理、圖像平滑化處理、圖像銳化處理和彩色處理技術(shù)等。在實(shí)際應(yīng)用中，常常是幾種方法聯(lián)合處理，以便達(dá)到預(yù)期的增強(qiáng)效果。四.仿真實(shí)驗(yàn)： 1.單個(gè)像素選擇2.線段像素灰度分布的計(jì)算和繪制 原圖像像素灰度分布曲線 原圖像像素灰度分布曲線3.圖像等高線4.直方圖 原圖與直方圖5.區(qū)域?qū)傩远攘?硬幣邊緣圖像屬性統(tǒng)計(jì)結(jié)果6.直方圖灰度變換均衡化后

9、圖像及其直方圖亮度調(diào)節(jié)圖像顯示效果比較修正前、后圖像顯示效果對比直方圖均衡化前后圖像顯示效果對比均衡化前、后直方圖對比直方圖均衡化轉(zhuǎn)移函數(shù)曲線7.空域?yàn)V波增強(qiáng) 原始圖像 加入椒鹽噪聲圖像 3*3均值濾波處理 7*7均值濾波處理 加入高斯噪聲圖像 維納濾波后圖像 調(diào)用B=medfilt2函數(shù)處理的圖像 調(diào)用B=ordfilt2函數(shù)處理的圖像 原始圖像 拉普拉斯算子處理圖象對比度增強(qiáng)濾波器處理后的圖像 原始圖像 sobel算子濾波 prewitt算子濾波 log算子濾波8.頻域增強(qiáng)原圖、加噪聲圖像、Butterworth低通濾波器去噪圖像原始圖像、Butterworth高通濾波圖形9.真彩色增強(qiáng)彩

10、色圖像均值濾波前、后顯示效果對比一.實(shí)驗(yàn)名稱：圖像復(fù)原二.原理：在實(shí)際的日常生活中，人們要接觸很多圖像，畫面。而在景物成像這個(gè)過程里可能會出現(xiàn)模糊、失真或混入噪聲，最終導(dǎo)致圖像質(zhì)量下降，這種現(xiàn)象稱為圖像“退化”。因此我們可以采取一些技術(shù)手段來盡量減少甚至消除圖像質(zhì)量的下降，還原圖像的本來面目，這就是圖像復(fù)原。引起圖像模糊有多種多樣的原因，舉例來說有運(yùn)動引起的，高斯噪聲引起的，斑點(diǎn)噪聲引起的，椒鹽噪聲引起的等等。圖像復(fù)原的算法：數(shù)字圖像復(fù)原問題實(shí)際上是在一定的準(zhǔn)則下，以退化圖像為依據(jù)，根據(jù)先驗(yàn)知識設(shè)計(jì)一種算子，采用數(shù)學(xué)最優(yōu)化方法從退化的圖像去推測原圖像的估計(jì)問題。不同的準(zhǔn)則及不同的數(shù)學(xué)最優(yōu)化方法就形成了各種各樣的算法。圖像復(fù)原是圖像處理中的重要技術(shù)。圖像復(fù)原的可以在某種意義上對圖像進(jìn)行改進(jìn)，既可以改善圖像的視覺效果，又能夠便于后續(xù)處理。圖像復(fù)原在電子監(jiān)視、醫(yī)療攝像等領(lǐng)域具有重要的用途。三方法： 常見的復(fù)原方法有，逆濾波復(fù)原算法，維納濾波復(fù)原算法，盲卷積濾波復(fù)原算法，約束最小二乘濾波復(fù)原算法等等。四.仿真實(shí)驗(yàn)： 1.模糊及噪聲 模糊前后運(yùn)動PSF、均值濾波PSF模糊圖像添加高斯噪聲圖像效果添加隨機(jī)噪聲圖像效果2.維納濾波復(fù)原真實(shí)PFS、“長”PSF、“陡峭”PSF復(fù)原效果有噪聲模糊圖像、直接維納濾波后圖像效果對比設(shè)置信噪比參數(shù)