改进的中值滤波算法在图像去噪中的应用

 针对标准中值滤波方法存在的不足,结合均值思想提出两种改进的中值滤波算法,即加权快速中值滤波算法和加权自适应中值滤波算法,MATLAB实验证实两种方法均能更好地保存原始图像的细节和边缘。比较两种新方法得出以下结论：加权改进中值滤波算法对低密度的脉冲噪声去噪效果明显,对于高密度脉冲噪声去噪效果不理想,但能大大提高中值滤波的运行速度,对数字图像实时处理意义很大;加权自适应中值滤波算法能够有效地消除被污染图像中的高密度脉冲噪声,较标准中值滤波具有更优良的滤波性能,较加权快速中值滤波算法在去噪方面有更好的鲁棒性。     

均值滤波算法研究

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法,改进了非局部均值滤波方法的相似度权值,使算法在具有旋转平移不变性,保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声,比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法,结果表明,改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。     

面向脑血管分割的改进型非局部均值滤波算法研究

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法,改进了非局部均值滤波方法的相似度权值,使算法在具有旋转平移不变性,保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声,比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法,结果表明,改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。     

基于改进HOG特征提取的车型识别算法

本文针对高速环境下的车型识别问题,提出基于方向可控滤波器的改进HOG算法。将方向可控滤波器算法与HOG算法相结合,以实现对车辆图像特征提取。采用主成分分析算法(PCA)约减特征向量维数以减少计算复杂度,利用支持向量机算法对提取特征进行样本训练,实现对车辆外型特征的识别。仿真实验结果表明:采用该算法原始车辆车型的识别正确率均值达到92.36%;另外,本文方法的识别速度比传统的HOG特征算法提高了3.45%,识别实时性得到提升。本文算法比传统HOG算法更优,能有效提高车型识别的效率。     

自适应特征选择的分层卷积视觉跟踪

为提升分层卷积相关滤波跟踪算法的速度和精度,减少无效卷积通道特征对跟踪精度的影响,提出一种自适应特征选择的分层卷积相关滤波跟踪方法.该方法选取能表征目标的双层卷积特征,将相关滤波训练与预测合并,在视频序列的每一帧计算上一帧目标区域与非目标区域的卷积特征均值比,选取满足特征均值比要求的卷积通道特征训练相关滤波分类器,根据分类器与目标特征的最大响应值预测目标位置;最后根据预测结果稀疏更新目标初始帧特征,作为后续帧训练分类器的依据.在OTB-100标准数据集上对算法进行测试,实验结果表明本文算法的平均距离精度为91%,平均重叠率精度为64.4%,平均速度为21.7帧/秒,比原分层卷积相关滤波跟踪算法分别高出7.3、8.2个百分点和11.3帧/秒,该算法的平均距离精度比高精度的连续卷积跟踪算法(CCOT)高1.2个百分点,跟踪速度是CCOT的近20倍.本文算法可以有效提升分层卷积跟踪算法的速度和精度,在目标发生遮挡、快速运动等干扰时能稳定跟踪到目标.     

基于粒子滤波的运动目标光电定位仿真研究

运动目标的光电定位不能像静止目标那样简单做均值滤波,鉴于此,引入粒子滤波算法,它不仅可以应用于线性系统,而且还适用于非线性系统。结合光电定位需求,详细推导了计算公式及初值和参数选取公式,对只含测量噪声以及含有测量和运动噪声等的海面运动目标光电无源定位算法进行了仿真计算,验证了算法的有效性,讨论了噪声强度对滤波效果的影响,滤波参数选择对滤波效果的影响,目标运动方式对滤波跟随性的影响,重采样算法对滤波效果的影响等。所得结论为:粒子滤波可用于运动目标光电定位过程,可有效降低定位误差;粒子滤波算法具有较强鲁棒性,适用于噪声较大、目标运动形态变化大等情况。     

基于Stiefel流形的粒子滤波器研究

为了解决粒子滤波的粒子退化和粒子多样性丧失问题,提出了一种基于Stiefel流形的粒子滤波算法.该算法将系统模型置于Stiefel流形上,用朗之万分布描述过程转移概率分布,用矩阵正态分布表示似然函数分布,在流形分布上进行粒子采样.在计算加权粒子的均值时,将流形嵌入到欧氏空间中,先计算欧氏空间中的粒子均值,再将计算结果投影到嵌套流形上,这就排除了噪声统计特性对粒子权重方差的影响,得到了一种受系统状态模型限制较少的重要性概率密度函数通用选择方案.仿真时选取单变量非静态增长模型,仿真结果验证了该算法的实时性、鲁棒性,滤波精度和滤波效率均比无味粒子滤波算法更好.     

融合两类跟踪框架优点的红外目标跟踪算法

基于粒子滤波的算法模型框架,针对红外的目标成像与背景对比度低、背景复杂等问题,进行提取目标灰度特征,通过对系统概率的密度函数的采样集进行了预测和更新,来逼近系统的后验密度概率,初步确定目标位置,再融合均值漂移算法进行小区域精确搜索,确定目标位置。同时,通过调整均值漂移的算法和函数的带宽,对于红外目标有阻挡情况下的识别能够得到有效处理。通过仿真得到该模型具有算法高效、去除粒子的退化,并且对于有遮挡的红外目标能够进行实时稳定地跟踪。     

应用声信号特征识别车辆车型及车速范围*

国内外现有研究工作主要针对车型进行识别,该文在此基础上对车速范围的分类识别进行了研究。文中将主成分分析方法和BP神经网络算法结合(PCA-BP)对车型与车速进行识别分析,对比了与BP神经网络算法识别速度的差异。结果表明应用PCA-BP方法的识别效果整体较好,且在识别过程中可以节省计算时长的50%～70%左右,大大提高了识别速度。在未来的车辆识别系统实现中,可以在保证良好识别效果的前提下,提高软硬件平台的传输效率,节省识别计算时间。     

基于优化辅助粒子算法的红外目标跟踪研究

针对粒子算法存在的问题,提出了辅助粒子算法.该算法在重采样算法基础上,引进辅助变量,对粒子的权2次计算,可使粒子权值比重采样的粒子权值变化更稳定,最后给出了红外目标模型和均方根误差函数.仿真结果表明该算法对运动目标跟踪的均值和方差上均优于标准粒子滤波、重采样粒子滤波,且提高了计算效率.     

基于TMS320C6416的电子稳像的实现

为解决由于相机高速运动而导致的图像模糊,利用定点DSP芯片TMS320C6416和维纳滤波算法实现电子稳像。研究了运动模糊的退化模型,阐述了维纳滤波进行图像恢复的原理。介绍了利用定点DSP(TMS320C6416)完成电子稳像的关键技术,完成字长为32bit的FFT运算,充分发挥DSP的DMA功能来提高处理速度。分析了恢复图像中存在的振铃效应和边沿效应,给出了实验结果。     

Fast filtering algorithm based on vibration systems and neural information exchange and its application to micro motion robot

This paper develops a fast filtering algorithm based on vibration systems theory and neural information exchange approach. The characters, including the derivation process and parameter analysis, are discussed and the feasibility and the effectiveness are testified by the filtering performance compared with various filtering methods, such as the fast wavelet transform algorithm, the particle filtering method and our previously developed single degree of freedom vibration system filtering algorithm, according to simulation and practical approaches. Meanwhile, the comparisons indicate that a significant advantage of the proposed fast filtering algorithm is its extremely fast filtering speed with good filtering performance. Further, the developed fast filtering algorithm is applied to the navigation and positioning system of the micro motion robot, which is a high real-time requirement for the signals preprocessing. Then, the preprocessing data is used to estimate the heading angle error and the attitude angle error of the micro motion robot. The estimation experiments illustrate the high practicality of the proposed fast filtering algorithm.     

基于P范数的核最小对数绝对差自适应滤波算法

为了进一步提高在a稳定分布噪声背景下非线性自适应滤波算法的收敛速度,本文提出了一种新的基于p范数的核最小对数绝对差自适应滤波算法(kernel least logarithm absolute difference algorithm based on p-norm, P-KLLAD).该算法结合核最小对数绝对差算法和p范数,一方面利用最小对数绝对差准则保证了算法在a稳定分布噪声环境下良好的鲁棒性,另一方面在误差的绝对值上添加p范数,通过p范数和一个正常数a来控制算法的陡峭程度,从而提高该算法的收敛速度.在非线性系统辨识和Mackey-Glass混沌时间序列预测的仿真结果表明,本文算法在保证鲁棒性能的同时提高了收敛速度,并且在收敛速度和鲁棒性方面优于核最小均方误差算法、核分式低次幂算法、核最小对数绝对差算法和核最小平均p范数算法.     

基于小波阈值法和维纳滤波的稀疏孔径光学系统成像的恢复

在研究稀疏孔径理想衍射成像光学系统的基础上，提出基于改进小波阈值法和维纳滤波的稀疏孔径光学系统成像恢复算法。针对存在噪声干扰的稀疏孔径光学成像系统，设计并利用改进的小波阈值去噪算法，较好地去除了成像噪声，最大程度地得到较为理想的成像结果，然后利用维纳滤波方法实现成像恢复。在实验中，利用光学设计软件ZEMAX设计了不同填充因子的稀疏孔径光学系统，并用本算法进行了成像恢复。实验结果表明，该算法的结果优于单独使用维纳滤波方法所获得的结果。     

某型指挥信息系统有线远传接口自动识别方法

为提高对指挥信息系统有线远距离传输接口测试的自动化水平,提出一种基于信号特征提取的信号类型自动识别方法。在对各类接口信号时域和频域特性分析的基础上,采用限幅滤波法实现对信号峰峰值的准确判断,通过基于Burg算法AR模型的谱估计方法实现信号频谱准确估计。依据提取到的信号峰峰值和频带宽度,采用双阀值判决方法对接口类别进行自动识别。实验结果表明,基于信号时频域特征差异的自动识别方法,能够有效区分3种类型15个接口,识别准确度达到87%以上。     

基于简化模型与自适应滤波的车载SINS静基座快速对准

为了实现捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)快速初始对准,根据已有可观测性分析结果,通过理论分析和计算得到了扩展观测量时初始对准系统最优可观测状态量组合,在此基础上简化了对准模型,建立了新的系统方程。针对载车发动机启动或其他情况导致系统噪声无法精确统计,提出了运用基于强跟踪滤波原理的自适应卡尔曼滤波(Kalman Filter,KF)算法抑制滤波发散,加快收敛速度。仿真结果表明运用简化模型和自适应滤波在系统噪声不匹配时具有更快的收敛速度和更高的对准精度,车载实验结果也表明运用简化模型和自适应滤波可以实现快速对准。     

远程采集模糊无人机图像的特征识别方法研究

地面对空中无人机的视觉识别中,由于无人机的飞行速度、角度呈现非线性变化。使得采集的疑似图像存在特征模糊、衰退等问题,传统的模式识别方法无法提取无人机图像的主要特征,极大程度上降低了图像的识别概率。提出一种引入球面谐波基图像特征细分的无人机识别算法,建立球面谐波基图像识别模型,利用无人机图像的球面谐波基图像近似率,对模糊图像的差异特征进行依次识别。实验结果表明,利用改进算法建立的模糊无人机图像差异特征识别模型,具有一定的优越性,提高了无人机识别的准确率。     

角闪烁噪声测量条件下的剩余飞行时间估计

针对雷达导引头角闪烁噪声测量条件下的机动目标,研究剩余飞行时间计算方法。建立了闪烁噪声计算模型;在粒子滤波算法和扩展卡尔曼滤波算法的基础上,推导了扩展卡尔曼粒子滤波算法的实现过程;根据估计结果建立了剩余飞行时间计算模型,在剩余飞行时间表达式中考虑了目标机动加速度的影响。仿真结果表明,基于机动目标当前统计模型的扩展卡尔曼粒子滤波算法对闪烁噪声测量条件下的机动目标具有良好的跟踪性能,对剩余飞行时间具有较高的估计精度。