小伙伴们反映都在为论文烦恼，小编为大家精选了《数字化噪声抑制技术探讨论文(精选3篇)》仅供参考，希望能够帮助到大家。摘要：中值滤波是一种有效的噪声抑制技术，尤其在椒盐噪声的去除得到广泛的应用。文中针对传统中值滤波方法存在的不足加以改进，采用双阈值检测噪声，并在医学图像中进行实验，结果显示，改进后的中值滤波方法比传统中值滤波达到更优的去噪效果，图像更清晰。
数字化噪声抑制技术探讨论文 篇1：
浅谈RTC技术在消防救援指挥中的应用
【摘要】 RTC（Real-Time Communication）实时通信是指低延迟的通信，主要用于互联网、手机、即时消息（IM）、互联网中继聊天、视频会议、远程会议和机器人远程控制。本文在介绍RTC技术优势、系统组成的基础上，就其在消防救援指挥中的应用和发展方向做了初步探讨，希望能够对提升消防救援队伍实战指挥能力有所帮助。
【关键词】 实时通信 消防救援 指挥
近年来，移动通信技术的发展与应用为生产生活带来便利，也为消防救援指挥模式创新提供了技术基础。目前，消防救援队伍配备了各类单兵图像传输系统，在日常救援指挥中发挥了重要作用，初步实现了调度可视化、指挥远程化和作战数字化。但是，由于条件限制和历史原因，图像传输系统不能对指挥调度过程实现“全时段、全时空、全流程”的管控。对此，本文就实时通信技术发展历史和优势、消防救援指挥系统组成及其在消防救援指挥中的应用和发展方向做初步探讨，以供广大同行参考。
一、RTC发展历史和优势
（一）RTC发展历史
早在1915年，美国就利用公共交换电话网络实现横跨3000里实时通信。到了20世纪后，高速互联网、移动电话和智能设备的出现，给实时通信技术带来革命性变化，即时通信、ip电话、视频电话和视频会议等诸多实时通信应用开始普及。2011年谷歌公司发布的WebRTC开源项目是RTC技术发展的又一个重要里程碑，WebRTC使用JavaScript应用程序编程接口，在标准Web浏览器中启用Live，P2P音频和视频通信，实现了实时通信跨平台应用[1]。
2019年突如其来的新冠疫情，进一步促进了实时通信技术的发展，主要是隔离规定的影响，外出购物、会议、集中教学等群聚活动大量减少，直播带货、视频会议、线上教学活动的需求猛增，这些应用都需要实时通信技术。特别是云服务供应商在此基础上，根据通用的应用场景，推出基于云架构的RTC PaaS服务，提供更为易用的解决方案，比如：华为云提供的CouldRTC、腾讯云服务提供的TRTC和百度智能云实时音视频 RTC。陌陌、贝壳找房、腾讯会议等大量我们熟知的应用，都使用RTC PaaS。
（二）RTC技术优势
实时通信主要包含采集、编码、前后处理、传输、解码、缓冲、渲染等环节，每一个环节又可以细分为不同的技术模块，比如采集有麦克风阵列，前后处理有噪声处理等等。通过对这些技术环节开发和拓展，目前实时通信技术已具备以下优势：
跨平台：目前实时通信基本提供覆盖手机、桌面全平台的客户端以及云端的支持，能够实现 iOS、Android、Windows、Mac、Web 等平台互通。在消防救援指挥中，一线队员或专家通过随身携带的手机，通过指挥应用程序或微信小程序即可完成实时指挥。
易用性：使用RTC PaaS服务搭建消防救援指挥平台，不用考虑价格昂贵的服务端部署、信令前后端选型部署，以及手机适配等一系列具体工作。设计过程中，仅用几行代码实现一个实时通信应用，并且支持多平台、多系统。
低延迟：在网络运营商的多重最优寻址算法和丰富的高带宽资源储备支持下，应用端到端的平均时延<300ms。在消防救援实际工作中，面对瞬息万变的灾害现场，低延迟意味着远程指令下达、现场态势掌握、扁平化指挥都成为现实。
低卡顿：运营商通过智能网络质量调控和编码优化降低卡顿率，在丢包率超过80%、抗网络抖动超过1000ms情况，仍然保持通信。特别在弱网环境下，仍然能够保证高质量的音视频通信。对消防救援指挥来说，对比原来的图像传输系统，保持了稳定的音视频通信。
高品质：支持 720P、1080P 高清画质;支持48kHz采样率，128kbps码率，通过3A处理（回声消除 AEC、自动噪声抑制 ANS、自动增益控制 AGC），杜绝回声和啸叫。相对于单兵图传设备标清图像和音视频不同步，RTC技术能做到根据应用环境自动调整音画质。
二、基于RTC技術的消防救援指挥系统组成
本文通过将音视频技术引入消防救援指挥系统，为现场的实时沟通及音视频资料传输搭设起稳定桥梁，实现消防救援全过程、全方位、多场景前后方实时稳定通信，基于TRC技术的消防救援指挥系统组成主要包含数据层、RTC服务层、应用层三个部分，主要通过移动作战APP和PC应用端为消防指挥员及指挥中心建立多级作战通信链路，其中组成框图如图1。
图1 系统组成框图
（一）数据层
对消防救援业务中的基础数据进行汇聚、存储管理。基础数据包含警情、人员、装备、水源、建筑结构、自动消防设施、道路交通事故及平安城市视频等。数据来源于消防监督业务系统、119接处警系统、消防远程监控系统等，同时还整合了公安、应急、住建、规划、交通、供水、供电等应急联动部门的业务系统。可利用大数据平台实现对各业务数据的统一存储管理及业务系统间数据的融合共享，实现跨业务、跨系统数据互联互通，层层递进式挖掘准确信息，为一线指挥员辅助决策提供可靠数据来源。
（二）RTC服务
通过集成实时音视频SDK，实现实时音视频传输，主要包含现场管理、账号管理、权限管理功能。其中现场管理对消防救援指挥过程中的音视频通信现场进行管理，支持查看现场的用户信息，以及当前用户的通话状态;账号管理对消防救援系统的用户的账号进行维护管理;权限管理根据用户的组织机构进行角色权限划分，确保用户准确加入房间，快速建立实时通信渠道。
（三）应用层
基于RTC服务，构建现场实况、应急指挥、重大安保等具有实时性特色的消防救援业务功能。其中现场实况模块利用移动作战APP实现消防救援现场一线消防员与指挥中心指挥员实时视频通话，使指挥中心准确获取现场情况;应急指挥模块通过对日常值守、警情处置相关流程进行跟踪管理，对警情数据进行挖掘分析，建立应急处置模型，为应对紧急情况提供科学依据;重大安保模块针对大型集会赛事专题，建立安保保障流程，为大型活动安全保卫工作提供强有力的手段。
三、基于RTC技术的消防救援指挥模式
通过对RTC PaaS服务进一步开发，以智能手机为终端，云服务为支撑，消防救援队伍可以实现指挥中心对每一起勤务的实时指挥，通过现场实时画面同一线指挥员实时交流语音、文字信息，提供远程指导，共享勤务处置要点，督促个人安全防护，确保行动安全。
（一）力量调度模式
通过低延迟传输设备位置信息，结合灾害现场坐标，自动显示救援力量最优行进路径，到达时间，根据需要随时点对点传输指挥指令和行进视频，彻底实现对指挥调度过程“全时段、全时空、全流程”的管控，解决跨区域增援行动中多点调派，多队行进和预指令展开的难题。
（二）扁平指挥模式
在灾害事故处置现场，指挥员通过指挥平台，点对点对一线关键岗位的参战队员直接下达作战指令，并跟踪执行情况，确保救援关键行动高效、安全。
（三）专家辅助模式
在危化品处置、勤务等需要专家辅助决策信息的现场，后方指挥台通过微信发送现场指挥链接，组织专家通过手机开展在线研判灾情、辅助信息推送。
（四）指挥部署模式
基于RTC技术的屏幕共享功能，将现场作战力量、灾情态势、救援物资装备设施呈现在电子沙盘上，各级指挥员可以根据分工，在不同指挥场所进行预置力量设置、现场力量调整等指挥部署，既可以给总指挥掌握灾害现场全局态势，又可以让队站级指挥员实施现场指挥，也可以让基层作战单元理解并实施战斗行动，真正做到实现大型灾害现场作战有序、精准、高效。
四、RTC技术在消防救援指挥中的发展方向
消防救援指挥模式和RTC技术深度融合将是未来的发展方向之一。在无线通信不断发展进步的今天，特别5G技术的应用，无线传输峰值速率将达到10-20Gbit/s，接口时延将低至1ms，终端设备甚至支持500km/h的高速移动，这将给消防救援指挥应用实时通信技术提供更多的应用场景，无人机前突侦查、灾害现场3D实时绘制，现场救援设备设施物联网应用，指挥辅助VR信息应用，以及模拟训练系统的使用，这些都离不开RTC技术，也离不开云计算、人工智能、语音识别、图像增强、内容理解、物联网等新技术的应用。随着技术不断发展，将RTC实时通信技术深度应用到消防指揮流程，在灾情研判、预警预报、力量调度、信息感知、指令下达、专家辅助、联勤联战等指挥环节上优化适配，必将不断提高队伍的实战能力水平。
参 考 文 献
[1]方亚东. 基于WebRTC的视频通信在公路网应急系统中的研究与实现[D]. 武汉理工大学.
[2]成洪豪， 石芮， 孙立民. 面向现场音视频流的实时指挥系统设计与开发[J]. 智能计算机与应用（1）：6.
[3]包立鸣， 王晶， 王建军，等. 基于WebRTC的海事应急视频指挥系统的实现[J]. 工业控制计算机， 2019， 32（05）：81-83.
[4]裴建国， 李国华， 季冰，等. 新型消防移动通信指挥系统设计开发[J]. 消防科学与技术， 2010， 29（009）：800-804.
作者单位：赵涛 湖北消防救援总队
赵涛（1977-），男，湖北荆门，硕士，湖北消防救援总队指挥中心副主任，工程师，主要研究方向：软件工程。
作者：赵涛
数字化噪声抑制技术探讨论文 篇2：
一种改进的中值滤波方法
摘要：中值滤波是一种有效的噪声抑制技术，尤其在椒盐噪声的去除得到广泛的应用。文中针对传统中值滤波方法存在的不足加以改进，采用双阈值检测噪声，并在医学图像中进行实验，结果显示，改进后的中值滤波方法比传统中值滤波达到更优的去噪效果，图像更清晰。
关键词：医学图像处理；双阈值检测；K近邻中值滤波
An Improved Method of Median Filtering
XIAO Meng-qiang, AN Lv-bo
(Lanzhou Jiaotong University, School of Electronic and Information Engineering,Lanzhou 730070, China)
Key words: medical image processing; Double threshold detection; K Neighbor median filter
在医学图像处理领域中，由于成像系统、传输介质和记录设备等的不完善，医学图像在其形成、传输记录过程中往往会受到多种噪声的污染。一般，噪声信号与要研究的对象不相关，以无用的信息形式出现，扰乱图像的可观测信息。因而去除噪声是在图像处理过最先进行的工作，去噪是图像预处理非常关键的一部分，如果不对图像去噪，直接对图像进行处理是毫无意义的，甚至会导致医生在诊断病人病情的时候做出错误的判断。
大量的实验研究发现，由医学数字化影像设备获得的图像受离散的脉冲噪声、椒盐噪声和零均值的高斯噪声的影响较严重。噪声给图像处理带来很多困难，对图像分割、特征提取、图像识别等具有直接影响。因此，实时采集的图像需进行滤波处理。消除图像中的噪声成份叫做图像的平滑化或滤波操作。滤波的目的有两个：一是抽出对象的特征作为图像识别的特征模式；二是为适应计算机处理的要求，消除图像数字化时所混入的噪声。对滤波处理的要求有两条：一是不能损坏图像轮廓及边缘等重要信息；二是使图像清晰，视觉效果好。常用的图像平滑方法有均值滤波、中值滤波、高斯平滑滤波。本文采用的滤波方法针对医学图像处理过程中的椒盐噪声，对传统中值滤波方法加以修改，达到较优的去噪效果，使图像更清晰。
6结束语
本文从传统的中值滤波方法存在的两点不足出发，经过双阈值检测噪声的处理，避免了对非噪声点的误平滑，有效的保留了图像的细节信息，并采用K近邻中值滤波方法，使被模板H覆盖的中心像素仅在相接近的K领域内取中值，去掉了一些相差较大的邻点值，得到的图像结果更趋近于未受噪声干扰的图像，效果更优。本文采用的中值改进滤波方法也适用于其他灰度图像处理。本文的改进方法未在彩色图像处理领域进行实验研究，下一步将会在彩色图像处理领域研究中进行探讨。
参考文献：
[1]朱虹.数字图像处理基础[M].北京：科学出版社，2005.
[2]阮秋琦.数字图像处理学[M].北京：电子工业出版社，2007.
[3]康晓东.医学影像图像处理[M].北京：人民卫生出版社，2009.
[4]郭海霞，解凯.一种改进的自适应中值滤波算法[J].中国图象图形学报，2007（7）：1185-1188.
[5]尹剑仑，卫武迪.一种改进的自适应中值滤波算法研究[J].通信技术，2009（11）：241-243.
[6]田捷.集成化医学影像算法平台理论与实践[M].北京：清华大学出版社，2004.
作者：肖孟强 安绿波
数字化噪声抑制技术探讨论文 篇3：
基于人脸关键点检测和引导滤波算法的图像美颜研究
【摘 要】随着科技的快速发展，人们开始追求自拍美。然而单纯手机影像硬件带来的提升，会过分突出脸部细节的不足。故本文提出基于人脸关键点检测与引导滤波技术的人脸图像美颜算法。该算法首先对图片中的人脸进行检测，定位关键脸部器官的位置，再根据引导滤波器，滤除脸部存在的皮肤缺陷，完成对人脸图像的美颜效果。经过实验结果得出结论，该算法能够较好的滤除脸部噪点，对脸部的关键五官有很好的保边效果，总体上能得到一张真实性强、磨皮效果好的结果图。
【关键词】人脸图像美颜;人脸关键点检测;保边滤波;引导滤波
引言
随着社会的发展和科技的进步，越来越多的人开始追求时尚和美丽。手机拍照硬件的快速提升更是加速了这一过程。随着硬件的飞速发展，人们脸上的缺陷也毫无保留地暴露出来，严重影响了图像的美观。故针对此情况，提出人像美颜算法，使其在后期能通过图像修正等手段对图片进行美化。图像滤波技术是人脸美颜的关键技术之一，在尽可能保留图像细节的同时，能够很好地抑制目标图像的噪声。对于数字图像而言，噪声表现为像素值大小的极值。正是噪声的存在，极大地降低了图像的质量。一般来说，要构造一个良好的噪声抑制滤波器，需要考虑其对人像图片的瑕疵噪点产生的过滤效果，同时也要考虑其是否能有效的保留图像中的边缘信息，不损失图像的细节。引导滤波算法就是实现上述效果的典型算法之一，它在实现对人脸图片美化的同时，保留了图像脸部轮廓及面部器官的细节，在一定程度上降低了人脸图像的美颜痕迹，给人以更加真实的自然美的感觉，在人脸美颜方面有着广泛的应用。
1.人脸关键点检测
对于人像美颜算法而言，实际主要的美化工作更集中在对人脸面部的美化上。所以要对面部进行美化，首先需要对图片进行人脸面部检测，定位到图片中人脸所在的位置。人脸本身具有一定的特殊属性，如人脸形状大体上是一个椭圆形，在色彩上皮肤与其它非皮肤区域有很大的区别，在数字化图像里表现为像素点值的跳变;除此之外，人脸的中心区域也是由眉毛、眼睛、鼻子、嘴巴等具有特点的器官构成，这些特殊的属性成为了人脸图像的特征区域。基于这些特征区域以及面部轮廓的关键点，我们可以准确地获取脸部以及脸部各个器官的位置信息，进而能够对图片进行滤波美化处理。
利用Python语言进行人脸关键点的检测，图（a）是输入参数图片，即原图，图（b）是原图的86个面部关键点检测结果。从（b）可以看到，图像中人脸轮廓以及人脸主要特征器官被关键点标识出。
2.滤波算法
2.1 高斯滤波
高斯滤波器是一种适用于消除高斯噪声的线性平滑滤波器。经过高斯滤波处理后的图像，该图像里面每个像素点的值都是经过该像素点与其邻域内的其它像素点经过加权平均后得到。其公式如下：
在公式（1）中，是濾波权重，是归一化常量，和是图像像素索引。从公式中可以看出，像素点的过滤值由该点与其邻域像素点通过加权平均后得到，且该像素点邻域内的其它像素点的权值大小与其距离成单调关系。对的数值进行改变，相当于改变了该点邻域内的其它像素点对当前像素点的权重影响程度。如增大的数值就是提高该点邻域的远处像素点对该像素点的权重，造成的滤波效果也会更加明显。
但在实际使用中发现，对图像进行高斯滤波过滤，人脸面部的一些细节无法被保留，面部轮廓和五官同样进行了模糊，没有达到理想效果。因此基本的高斯滤波无法满足需求，需要在其基础上考虑其它影响权值的因素。
2.2 保边滤波
人脸图像一般都存在噪声，而噪声和边缘在局部方差方面表现相似，所以对于图像中存在的噪声和边缘，一些滤波算法并不能区分。故而在很多情况下，滤波后图像的边缘会变得模糊，存在边缘模糊且残余噪声较大等缺点。如上面提到的高斯滤波算法就存在这样的问题。这时候就需要对算法进行更新。保边滤波器是指在滤波过程中能够有效的保留图像中的边缘信息的一类滤波器，能够很好地解决压噪和保边之间的矛盾。引导滤波器属于保边滤波器的一种，与大多数边缘保持滤波算法相比，它最大的优点是窗口的大小不影响算法的复杂度，在对大型图像进行滤波处理时效率有明显的提升。
2.3 引导滤波
引导滤波是保边滤波器的一种，它需要引导图像作为输入，对待滤波图像进行滤波处理，属于一种图像滤波技术。相比于双边滤波算法（另一种保边滤波算法），引导滤波算法降低了滤波器的算法复杂度，在时间效率上有明显提升。
引导滤波器是一种线性滤波器，如公式（2）所示。当对图像中第个像素点进行处理时，引导图像会对该点邻域内点的权重造成影响，得到一个受该引导图像影响的滤波输出：
在公式（2）中，是经过滤波处理后的输出图像，是滤波窗口，为输入的引导图像，是受输入的引导图像影响的权值，是输入的待滤波图像。和都是该算法的输入。
假设在滤波窗口上，输出图像和引导图像存在局部线性关系，即表示为公式（3）。对于原图可以这样认为，原人脸图像是输出图像叠加了噪声影响的图像，用数学符号表示就是，即原人脸图像减去噪声就为我们的输出图像。所以我们要优化这个公式，使其满足噪声最小。可以将其转化为求最优化问题，得到滤波窗口内的损失函数为：
根据推导结果看出，当在图像的边缘区域时，在该区域像素点值的波动很大，方差会远远大于，根据上式，得到，根据公式（3），得到，表明在该区域保持边缘不变;当在图像的平滑区域时，在该区域内像素点值的波动很小，方差无限接近于，远小于，根据上式得到的结果，得到，根据公式（3），得到，表明在该区域对图像产生了滤波操作。所以，引导滤波在对人脸图像美颜的处理方面，可以很好的滤除人脸图像表面皮肤的噪点，对人脸五官和边缘轮廓有很好的保留效果。
3.实验结果及分析
通过Python语言编写代码，先经过人脸关键点检测定位，再分别用高斯滤波算法与引导滤波算法实现人脸美颜效果。
下图中，图（a）是输入图片，即原图;图（b）是经过高斯滤波算法处理后的人像图片;图（c）是经过引导滤波算法处理后的人像图片。
经过对比可以发现，经过高斯滤波处理的人像图片，瑕疵去除效果一般，而且其面部轮廓与五官也都进行了模糊处理，导致五官显示不清晰。经过引导滤波处理的人像图片，其脸部瑕疵基本被滤除，噪声减弱效果好，且面部轮廓与五官变得非常清晰，五官与皮肤之间的过度更加平滑，图像整体更加真实，美颜效果明显优于高斯滤波。
4 .结语
本文基于人脸关键点检测技术与引导滤波算法的原理，对人脸图像美颜进行了概述和探讨。人脸关键点检测技术可以快速的找到图片中人脸面部轮廓以及脸部各个器官的位置。基于这些轮廓及关键点，对图像面部进行美化处理。普通的滤波算法虽然可以有效的滤除图片面部的瑕疵噪点，但对人脸图像边缘化的特征也进行了过分的过滤。于是本文提出了保边滤波算法中的引导滤波算法，让引导图像与输入图像一致，使该算法成为一个保边算法。利用Python语言，实现本文提到的人脸关键点检测以及引导滤波算法，完成美颜效果。根据实验所得图像进行对比，发现该算法不仅有效的去除了人脸皮肤面部的瑕疵噪点，而且對耳眼口鼻等器官以及面部轮廓边缘有很好的保留效果。
参考文献
[1]张明丽. 人脸关键点检测算法研究[D].北方工业大学，2018.
[2]石胡森. 基于深度学习的人脸关键点检测方法研究[D].中国科学技术大学，2020.
[3]石野，王晓凯，刘慧锋.基于局部滤波模板的双边滤波算法研究[J].测试技术学报，2021，35（01）：49-53.
[4]张杨洋.滤波算法在数字图像降噪中的应用[J].自动化应用，2020（12）：49-51.
[5]张娜，刘娜，杜清漪.基于高斯同态滤波和引导滤波对图像增强的研究[J].电脑知识与技术，2020，16（03）：190-191.
作者简介： 王丙正 （2000.6-），男，汉族，河南信阳， 本科，天津科技大学，研究方向：软件工程。
韩蔚琪（1999.12-），女，汉族，甘肃兰州，本科，天津科技大学，研究方向：软件工程。
刘世豪（2000.3-），男，汉族，河南开封，本科，天津科技大学，研究方向： 软件工程。
天津科技大学 天津 300450
作者：王丙正 韩蔚琪 刘世豪