量测噪声不确定情况下的水下多目标稳健方位跟踪

提出了使用Sage-Husa算法估计量测噪声的集势化概率假设密度(CPHD)滤波方位跟踪方法,实现了量测噪声不确定情况下多水下声学目标的稳健方位跟踪。首先,将水下目标方位的变化建模为Singer模型,利用传统目标方位估计方法的结果作为量测值,将方位估计误差看作量测噪声,建立了方位量测模型。然后,给出了CPHD滤波水下多目标方位跟踪算法,该算法利用上一时刻的方位跟踪结果和目标方位变化模型预测目标方位,并利用量测值和量测模型对预测值进行更新得到方位跟踪结果。最后,考虑到量测噪声方差为决定跟踪性能的重要参数,利用改进的Sage-Husa算法在跟踪过程中实时自适应地估计不确定量测噪声的方差,从而实现了多目标的稳健方位跟踪。经海试数据验证,所提出算法将目标方位测量的平均最优子模式分配(OSPA)误差从10°以上降低至2°,显著提高了方位测量精度。所提水下多目标稳健方位跟踪方法能够有效提高量测噪声不确定情况下的方位跟踪性能。     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

光学测量中椭圆圆心定位算法研究

提出了一种椭圆圆心定位算法。先对图像中的椭圆目标进行粗定位,获取椭圆的粗定位信息,再用Canny算子对图像中的感兴趣区域进行边缘检测。根据椭圆的粗定位信息以及图像的边缘灰度分布特征,用高斯曲线拟合的方法求得精确的亚像素边缘点的坐标。针对亚像素边缘点中出现的“孤立点”以及噪声点,分别用曲率滤波和均值滤波的方法加以滤波,将滤波后的亚像素边缘点用最小二乘法加以拟合,求得精确的椭圆圆心数据。实验证明了该算法的定位精度和抑制噪声能力,通过测试算法运行时间,证明该算法具有很好的实时性。     

基于小波与三次样条插值的包迹谱的水下目标分类研究

研究了水下目标辐射噪声中包迹谱特征的提取。包迹波形由目标波形的极大值点连线构建而成。在对目标辐射噪声进行小波变换后,检索了波形极大值点,并采用三次样条插值算法,实现包迹波形的构建。根据构建波形提取包迹谱,最后把提取的特征送入模糊ART神经网络分类器进行识别。实验表明,这种方法对水下目标辐射噪声具有很好的分类效果,同时又能从其包迹谱中观察出原始波形不同程度的周期性。     

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明。该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。     

基于Hilbert-Huang变换的水声信号特征提取及分类技术

水下目标噪声信号是一种典型的非线性非平稳随机信号，Hilbert-Huang变换较传统方法在处理此类信号时具有很大优势，据此本文提出了一种基于Hilbert-Huang变换的水下目标噪声特征提取方法。本文将环境噪声当作一类目标，利用上述方法对涉及两种航行船舶、海洋生物和海洋环境噪声的四类目标信号的特征进行了详细分析，最后对各类目标噪声信号进行了分类识别实验。实验结果表明基于Hilbert-Huang变换提取的特征对各类目标具有较好的可分性，达到了较高的识别率。     

基于曲率滤波和梯度变换的图像增强

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题,引入曲率滤波理论,提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度,通过构造能量泛函,采用梯度下降法从变换后的梯度场重构出增强后的图像,并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑,有效解决了图像重构过程中的噪声非线性放大和扩散问题,同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验,实验结果表明该算法在增强图像边缘对比度的同时,能够有效抑制噪声.     

基于多分辨分析的合成孔径声纳相干斑抑制研究

相干斑噪声的存在使合成孔径声纳图像不能正确反映目标的反射特性,严重影响了图像的质量,降低了对图像的分析和理解性能。一个良好的合成孔径声纳图像相干斑抑制算法,必须在有效抑制相干斑噪声的同时,尽量保持图像中的边缘、点目标等细节信息。小波变换具有多分辨特性,可以利用其多分辨特性进行图像噪声消除。由于合成孔径声纳图像相干斑具有乘性噪声的性质,这就需要对其合成孔径声纳图像进行对数变换,把乘性噪声转换成加性噪声。然后对加性噪声进行小波多分辨分析和阈值处理,剔除小于阈值的小波系数后进行逆小波变换和指数变换,从而获得抑制相干斑噪声后的新的合成孔径声纳图像。从相干斑抑制的结果可以看出,基于多分辨分析的相干斑噪声抑制算法能够有效降低合成孔径声纳图像中的相干斑噪声。     

一种边缘和过渡区域相结合的红外目标提取方法

传统的基于过渡区域提取的目标分割算法存在噪声敏感问题,从而会影响到过渡区域提取的准确性。与可见光图像相比,红外图像特别是红外光谱图像,受到探测器无法消除的热噪声影响,传统的目标提取算法准确率普遍降低。此外,虽然通过边缘能够精确定位目标,但是无法获取目标完整边缘。而过渡区域的灰度分布特点是可以解决基于边缘的目标提取难题。因此为了提高目标提取的抗噪性和准确性,提出了一种将过渡区域提取与边缘检测结合的自适应红外目标提取方法。首先利用像元空间邻域信息构造密度,以此有效降低噪声影响和获取图像边缘信息。然后基于像元密度信息最大分离目标边缘与背景,得到有效边缘和过渡区域,进而以此生长出目标。将边缘与过渡区域结合,可以很好地抑制噪声,多幅复杂场景实验评估了该方法的抗噪性能,结果显示,提出的方法在噪声的干扰下能较好的提取目标。     

基于二级自适应滤波的水下目标动态谱线增强算法研究

为了从非高斯噪声环境中有效提取水下目标辐射的线谱信号,以提高水下探测系统检测水下目标的能力,提出了基于二级自适应滤波的水下目标动态谱线增强算法,该算法用基于高阶累积量能量幂函数变步长极性迭代的自适应谱线增强器作为第一级,用传统的自适应谱线增强器(ALE)作为第二级,实行串级联接。用输入信号的峭度定义了峭度信噪比,并用此分析了该算法的性能。用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究。结果表明:当环境噪声为瑞利噪声或混合噪声(包含均匀分布、瑞利分布和拉普拉斯分布的噪声成分)时,该算法与ALE算法相比,有良好的抑制抑高斯噪声或非高斯噪声、提高信噪比和跟踪时变信号的性能。     

条纹管激光成像雷达条纹图像噪音分析与处理

从条纹管激光成像雷达的结构和成像原理出发,讨论了各种噪音来源、噪音特点、影响因素、对最终图像的贡献大小和抑制方法.通过条纹管激光成像雷达阶梯目标扫描成像实验结果分析,噪音源理论分析得到了验证.结合条纹图像处理的特殊目的,通过对比几种边界保持类平滑滤波算法,得出K近邻平滑均值滤波器具有更低的时间复杂度和空间复杂度和更好的滤噪效果,当取N=7,K=25时,可以在允许的处理时间内极大地提高条纹图像信噪比,然后,利用阈值算法有效滤除了背景噪音,最终成功地从复杂的噪音中提取到了条纹数据.这项工作为后续的目标像重构奠定了基础,并指出了下一步工作的方向和重点.     

No-reference image quality assessment based on noise,blurring and blocking effect

Since existing no-reference image quality assessment (IQA) algorithms are not consistent with subjective assessment, a novel no-reference image quality assessment method is proposed by introducing three types of image distortion, including noise, blur degree and blocking effects. Firstly, the standard deviation of image noise is estimated by modified wavelet medium estimation. Secondly, the blur degree of image is obtained by counting edge pixel points. Thirdly, blocking effect is represented by characteristics of image pixel blocks. Finally, the assessment model is established by combining these three distortion types. Combining the differential mean opinion scores (DMOS) provided in the LIVE IQA database, the weighting coefficients are obtained. The experimental results indicate that these evaluation values of this algorithm not only agree with PSNR in objective assessment, but also are consistent with the DMOS in subjective assessment.     

基于迭代拟合的集装箱角件边缘检测算法

噪声通常是影响集装箱角件图像中低层次语义信息提取精度的重要因素,传统的边缘检测算法通常通过改进滤波器和阈值来消除图像中的物理噪声和环境噪声,但是却无法去除边缘检测后的噪声,为解决这一问题,提出了一种基于迭代拟合的边缘检测算法。首先,对角件图像进行一系列预处理操作获取边缘点集,其次,使用拟合算法处理点集并且得到函数表达式,然后定义偏差值度量并计算,用于衡量目标点集到拟合或者检测结果的偏差,最后,去除定义下距离拟合结果最远的指定数量的点,如此迭代拟合直至评价函数收敛。实验结果与分析表明,该算法可以有效地去除边缘点集中的非真实边缘点,相比于传统的边缘检测算法更能去除特殊噪声,算法具有收敛速度快、准确率较高、灵活性好等特点。     

一种抗噪声的图像自动对焦算法

传统的图像自动对焦算法易受环境噪声影响,导致焦距评价函数的单峰性、无偏性和灵敏度降低.提出了一种基于噪声抑制的图像自动对焦算法,采用Sobel算子加权滤波抑制噪声,再利用全局门限分割边缘像素,最后用四种算子作为对焦评价函数,得出对焦曲线.实验表明,该算法具有较好的抗噪声性能.     

一种基于信息保留网络的图像去噪算法

由于成像设备等各种因素影响, 图像在成像或传感过程中会受到噪声干扰。图像去噪旨在减少或消除噪声对图像的影响, 这一过程往往会导致高频信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节, 文章提出了一种计算复杂度相对较低的含有信息保留模块的卷积神经网络, 直接对含噪声图像进行降噪。信息保留模块通过残差学习提取局部长路径和局部短路径的混合特征信息。该文采用峰值信噪比(PSNR/dB)和结构相似性(SSIM)两项评价指标对实验结果进行量化, 这两项指标值越大, 说明去噪效果越好。实验结果表明, 在峰值信噪比和结构相似性2项评价指标的均值可达到30.36 dB和0.828 0, 相比其他对比算法, 2项评价指标分别平均提升了2.15 dB和0.072 9。该算法对不同种类、不同水平的噪声都具有良好的去噪效果, 且速度优于所对比的一般算法, 对基于卷积神经网络的去噪工作的进一步发展有一定的作用。     

Noise due to turbulent flow past a trailing edge

A theoretical method [I] for calculating far field noise from an airfoil in an incident turbulent flow is extended to apply to the case of noise produced by turbulent flow past a trailing edge, and some minor points of the theory in reference [1] are clarified. For the trailing edge noise, the convecting surface pressure spectrum upstream of the trailing edge is taken to be the appropriate input. The noise is regarded as generated almost totally by the induced surface dipoles near the trailing edge and thus equal, but anticorrelated, noise is radiated into the regions above and below the airfoil wake, respectively. The basic assumption of the analysis, from which these concepts of appropriate input and dominance of dipole sources follow, is that the turbulence remains stationary in the statistical sense as it moves past the trailing edge. The results show that such trailing edge noise often is quite small, compared say to that produced by typical oncoming turbulence levels of one percent, but that it might be appreciable for an airfoil with a flow separation, or for a blown flap.     

基于改进倾斜刃边法的光电成像系统MTF高准确度测试

提出一种能高准确度测试光电成像系统调制传递函数的改进的倾斜刃边法.利用一种自动确定高低阈值的改进Canny算子提取边缘位置点,对提取到的边缘位置点进行线性拟合求得刃边倾角,在利用费米函数拟合边缘扩散函数的过程中,提出一种邻域平均值和设定误差容限的多重去噪改进方法.通过仿真与物理实验证明了本文方法的有效性,并分析了刃边倾角、噪声变化对本文方法与传统方法MTF测试准确度的影响.实验结果表明:本文方法的调制传递函数测试准确度达到0.004 9,重复准确度达到0.003 1,皆优于传统方法;说明其具有较高的测试准确度和良好的测试重复性,并且具有较强的抗噪性,基本不受刃边倾角变化的影响.     

Wind turbine noise measurement using a compact microphone array with advanced deconvolution algorithms

This paper experimentally investigates the noise from a large wind turbine (GE 1.5 MW) with a compact microphone array (OptiNav 24) using advanced deconvolution based beamforming methods, such as DAMAS and CLEAN-SC beamforming algorithms, for data reduction. Our study focuses on the ability of a compact microphone array to successfully locate both mechanical and aerodynamic noise sources on the wind turbine. Several interesting results have emerged from this study: (i) A compact microphone array is sufficient to perform a detailed study on wind turbine noise if advanced deconvolution methods are applied. (ii) Noise sources on the blade and on the nacelle can clearly be separated. (iii) Noise of the blades is dominated by trailing edge noise which is frequency dependent and is distributed along the length of the blade with the dominant noise source closer to the tip of the blade. (iv) The LP and DAMAS algorithms represent the distributed trailing edge noise source better than CLEAN-SC and classical beamforming. (v) Additional tonal noise produced during yawing operation is believed to be radiating from the tower of the wind turbine that acts like a resonator. (vi) Ground reflection is not believed to have a significant effect on noise source location estimates in this study.     

基于小波变换和数学形态学的孔径测量研究

针对视觉测量中硬盘圆孔孔径容易受到圆孔周围局部强反射、外部噪声的影响和测量精度不高的问题,提出一种基于小波变换、数学形态学和机器视觉相结合的圆形零件孔径测量方法。对摄像头采集圆孔图片,通过小波变换分解出高低频图像,利用小波变换对高频部分进行边缘提取,数学形态学对低频部分进行边缘提取,然后进行小波边缘融合,获取有效的圆孔边缘。利用最小二乘法对边缘进行孔径尺寸计算,经实验验证,该算法与其他算法相比,在有效地保留圆孔周围边缘信息的情况下,对周围噪声进行了有效的抑制,检测精度为0.01 mm以内,实验结果表明此方法简单易行,且具有较高的精度。     

Regularized maximum likelihood algorithm for PET image reconstruction using a detail and edges preserving anisotropic diffusion

The traditional iterative reconstruction algorithms of positron emission tomography cannot effectively suppress the noise in low SNR case. Recently anisotropic diffusion (AD) is introduced into tomography reconstruction, which can improve the reconstructed image. Although AD reconstruction algorithm can suppress noise, it does not perverse the detail edge information accurately, especially the thin edges. In order to solve the problem, we introduce a new anisotropic diffusion term, which can preserve the detail edges effectively, into the maximum likelihood algorithm, and combine with median filter, forming the regularized maximum likelihood algorithm in PET image reconstruction (PML_NewAD). Results of computer simulated demonstrate that compared with the other classical reconstruction algorithms, PML_NewAD not only availably suppress the noise and produce a higher quality image, but also preserve the structure of image's edge excellently.