一种基于三角形几何结构的星图识别算法

提出了一种新的以星三角形为基本识别单元的几何结构星图识别算法。通过对观测误差的预处理,将该算法星三角形的匹配过程转换为一个没有误差的三角形识别问题。引入一个能部分描述三角形结构的特征量,将导航三角形的识别所需的特征匹配数量降低,而多三角形的组合有效地提高了正确识别率。仿真实验表明,该算法所需导航星库容量小,识别效率高,误识率低,实时性和鲁棒性优于传统的三角形星图识别算法。     

一种改进的图像组合滤波方法

利用小波阈值去噪和Wiener滤波的特点，在文献［7］的基础上提出了一种改进的组合滤波方法，在进行空域自适应滤波之前，先对经BayesShrink处理过的预去噪图像重新估计其噪声方差，通过数值计算给出了该噪声方差的一种近似最优估计公式.实验结果表明该方法在去噪图像的均方误差和对不同图像的适应性方面都得到了改善.     

Adaptively wavelet-based image denoising algorithm with edge preserving

A new wavelet-based image denoising algorithm, which exploits the edge information hidden in the corrupted image, is presented. Firstly, a canny-like edge detector identifies the edges in each subband. Secondly, multiplying the wavelet coefficients in neighboring scales is implemented to suppress the noise while magnifying the edge information, and the result is utilized to exclude the fake edges. The isolated edge pixel is also identified as noise. Unlike the thresholding method, after that we use local window filter in the wavelet domain to remove noise in which the variance estimation is elaborated to utilize the edge information. This method is adaptive to local image details, and can achieve better performance than the methods of state of the art.     

小波域局部维纳滤波器估计误差分析及图像去噪

对小波域局部维纳滤波算法的估计误差进行了理论分析,推导了估计误差平方期望表达式,得到了一种观测系数局部方差估计的阈值.以此为基础,提出了一种小波域图像去噪算法.先对观测系数做阈值化处理,再进行局部自适应维纳滤波.实验结果表明,该方法提高了真实信号系数方差估计的准确度,在去噪性能上优于Mihcak等提出的LAWML算法.