我想知道哪些技术可用于“去噪”以下使用Welch 方法创建的示例时频图像。下图是从机器人传感器创建的。（这不是彩色图像 - 它是灰度图像 - 添加颜色仅用于视觉目的）。

目标：

我的最终目标是估计你在这里看到的脉冲间距，如果这样的脉冲存在的话。这可能有点像鸡和蛋，所以为此，我问自己，“这种重复率 +/- 10% 的脉冲是否存在？”，然后开始检测它们。您在这里看到的是信号（脉冲），但还有其他不需要的干扰。然而，正如 Emre 所建议的，它们具有结构，尽管在时频空间中。是否存在这样的时频滤波器？

我非常希望看到这里应用的图像处理解决方案，但我愿意接受任何解决方案。

因此：目标是去除所有高强度信号，除了可以看到的重复脉冲（在 y 轴上的索引 300 附近发现）。所有其他高强度信号都可以视为“干扰”。

您可能会做出的假设：

• 您可以假设您大致知道您在此处看到的脉冲长度。（假设在 +/- 10% 以内）。换句话说，您决定寻找这种长度的脉冲。(+/-)

• 您可以假设您也大致了解脉冲的重复率（再次，让我们说 +/- 10%）。

• 不幸的是，您无法更准确地了解它们的频率。也就是说，在这张图片中，脉冲为 300，但它们也可以很容易地达到 100、50、489 或其他任何值。然而，好消息是这里显示的这些频率彼此非常接近，例如，10 赫兹）。

我的一些想法：

图像处理 POV：

• 我已经想到了形态学操作，但是我对这些操作不太熟悉，不知道它们是否可行。我想这个想法可能是“关闭”并因此去除“更大”的污渍？

• Row-wize DFT操作可能会根据具有最高重复模式的感兴趣的行来指示要清空哪些行，但是如果脉冲很少且相距很远，或者图像噪声更大，它可能不是一个可行的解决方案。

• 仅仅通过查看图像，您几乎想要“奖励”隔离和“惩罚”连接。是否有完成此类操作的图像处理方法？（又是形态学性质的）。

什么方法可能在这里有所帮助？

信号处理 POV：

• 此处显示的频率范围已经非常狭窄，因此我不确定陷波滤波操作是否会有所帮助。此外，在这个狭窄范围内显示的脉冲的确切频率是先验未知的。

• 通过对此处感兴趣的脉冲（它们的长度和重复时间）进行有根据的猜测，我可能能够计算我的“模板”的二维 DFT，并将其用作二维倒谱时间滤波器，我只是将上面显示的 Welch 图像乘以，然后执行逆二维 DFT？

• OTOH 也许Gabor 过滤器在这里很合适？毕竟，它们是方向敏感的过滤器，类似于我们自己内置的V1 视觉处理器。他们怎么可能在这里被利用？

哪些方法可能在这个领域有所帮助？

提前致谢。