一种改进的微光夜视系统视距探测方程

视距是评估微光夜视成像系统性能的一个重要参数。随着微光夜视探测技术的发展,经典视距模型的视距仿真结果与实测结果出现了一些偏差,特别是在10-3 lx低照度条件下视距仿真结果不甚理想,这对微光夜视仪在实际应用中造成了很大的阻碍。针对这一问题,从微光成像系统成像链路的三个环节对经典视距模型进行修正：考虑大气透过率对微光夜视系统视距的影响并对经典视距模型中的大气透过率因子进行修正;基于像增强器噪声因子对视距模型进行修正;考虑人眼视觉传递特性对微光夜视系统视距的影响,在系统的传递函数模型中加入了简化的人眼视觉模型。进而推导出改进的视距模型。结合野外试验数据,验证了改进视距模型的有效性和实用性,这对于微光夜视系统的设计、评估和应用具有一定的指导性意义。     

MPPC low-level-light imaging enhancement algorithm based on sub-window box filtering北大核心CSCD

针对多像素光子计数器(MPPC)进行微光成像时,图像受光照不足和噪声影响出现的图像亮度低、对比度差、边缘模糊等问题,提出一种基于子窗口盒式滤波的自适应微光图像处理算法。为了减少算法运行时间的同时突出图像的边缘细节信息,利用子窗口盒式滤波器对图像进行分层得到基础层和细节层;对基础层图像采用自适应阈值直方图均衡化拉伸对比度,细节层图像采用自适应增益控制方式进行增强;根据基础层图像中有效灰度值个数占总灰度的比值自适应确定融合系数,将基础层图像与细节层图像融合得到增强后图像。通过微光实验平台设置3组不同照度的微光环境进行实验仿真,验证了本文算法在保持边缘信息和增强细节方面获得了更好的效果。实验结果表明本文算法在标准差、信息熵、平均梯度等客观评价方面优于改进前算法,提升了微光图像的成像效果。     

一种基于强迫性选择MRC测量的新方法

与传统光电成像系统成像质量的评价方法相比,最小可分辨对比度(MRC)能够更全面地反映光电成像系统的极限性能。它考虑了系统的灵敏度、噪声、目标空间频率以及人眼视觉特性等因素对系统阈值对比度的影响,可用于光电成像系统的视距估算。在分析微光ICCD成像系统工作原理的基础上,研制了新型微光ICCD成像系统MRC特性测试仪。以该系统为实验装置、以Weibull心理测量方程为理论基础设计了一种选择性靶标。基于选择性靶标,提出了一种基于强迫性选择MRC测量的新方法,利用该方法对微光ICCD成像系统进行了实际测量。该方法对建立微光ICCD成像系统MRC理论模型具有重要的指导意义,对直视型微光成像系统MRC特性的测量具有借鉴意义,对光电成像系统成像质量的评价具有重要的使用价值。     

微光成像系统视距理论公式的修正

介绍了微光成像系统视距理论的基本概念，在对微光成像系统视距探测方程推导的基础上，分析了各参量间的关系及其对整体性能的影响，从大气透过率和光谱匹配等诸多方面进行修正，建立了更为实用和完善的视距探测方程，并结合车辆驾驶夜视仪进行了视距估算，验证了经修正后的视距公式的实用性，为微光成像系统的优化设计以及寻求实现中远距离观察的最优技术途径提供了理论帮助，这对微光成像系统的改进、提高和发展也具有一定的指导意义。最后提出了一些改进微光成像系统视距性能的途径。     

微光成像系统的国值探测理论和视距探测方程的研究（续）

微光成像系统的国值探测理论和视距探测方程的研究（续）艾克聪（西安应用光学研究所）４微光成像系统新阈值预测理论和视距探测方程的研究经典微光成像系统的阈值预测理论认为：只要通过成像系统所得到的景物图像给人眼提供的视觉信噪比大于人眼的阈值信噪比，目标物就能...     

信噪比后滤波与特征空间融合的最小方差超声成像算法

为了提高超声成像空间分辨率和对比度,提出了一种信噪比后滤波与特征空间融合的最小方差波束形成算法。首先,利用信号子空间划分将最小方差算法得到的权矢量投影到信号子空间中提高成像对比度,然后基于信号相干性设计滤波系数,并引入基于信噪比的噪声加权系数,最终得到融合信噪比后滤波与特征空间的最小方差算法。为验证本算法的有效性,使用FieldⅡ对点目标和吸声斑目标进行了仿真实验验证,并采用密歇根大学geabr_0实验数据进行成像。实验结果表明:所提算法在对比度和分辨率上均有所提高,明显优于传统延时叠加算法,最小方差算法和ESBMV_wiener算法,且对噪声具有较强鲁棒性。      

X射线对CCD噪声影响的分析及滤波方法研究

通过实验分析了X射线对CCD的影响以及射线噪声的特点 ,并针对这种噪声的性质提出了菱形均值滤波器。经过计算机仿真滤波实验和实际应用 ,与递归与非递归中值滤波器作了对比 ,表明该滤波器不但能有效滤除脉冲噪声 ,而且能够较好地保持图像边缘和细节。     

微光电视成像系统表征方法

 在分析微光电视成像系统的基础上，提出了适用于微光电视成像系统仿真所用的微光场景图像数据的要求及生成方法；针对第二代近贴聚焦系统和第三代像增强系统，建立了微光电视成像系统的能量增益理论模型；引入３维噪声理论模型表征了微光成像系统的噪声；最后，提出了微光电视图像噪声抑制算法的评价方法。仿真结果表明：经微光系统传递后，图像中的高频信息变模糊，加入噪声后，信噪比降低；而经过5帧平均算法后的图像质量明显改善，对比度增加。     

光电成像系统性能模型的研究分析

论述光电成像系统性能模型研究的作用和重要意义。对光电成像系统中最具代表性的微光夜视系统和热成像系统的性能模型进行了重点研究。详细分析微光夜视系统和热成像系统性能模型研究发展的过程和历史，分别指出微光夜视系统和热成像系统现有性能模型存在的局限和不足。介绍作者新提出的人眼“量子探测器和线性滤波器综合视觉模型”和新导出的微光夜视系统视距探测方程。在对热成像系统现有的探测理论和性能模型分析研究的基础上。提出普遍适用于一代、二代热成像系统的新的阈值预测理论、视距探测方程和性能模型的设想。     

激光距离选通技术在微光成像系统中的应用

激光距离选通技术提高了微光条件下的远距离观测的视距,有效的克服了大气的后向散射对微光成像系统成像质量的影响。采用改进的同步控制技术解决了距离选通技术中激光器与摄像机的同步问题。实验结果表明,采用同步控制技术的距离选通技术对提高成像的质量和探测距离起到了关键的作用。     

Two-stage non-local means filtering with adaptive smoothing parameter

Non-local means (NLM) filtering is an efficacious algorithm in image denoising which searches the similar neighborhoods and estimates the pixel by averaging these neighborhoods. Some internal parameters such as patch size, search window size and smoothing strength have serious effects on filtering performance. This paper proposes an improved version of NLM by using weak textured patches based single image noise estimation and two-stage NLM with adaptive smoothing parameter. Our proposed method firstly applies weak textured patches based noise estimation to achieve the noise level of input noisy image. Then relying on the estimated noise level, we apply the first stage NLM with adaptive smoothing parameter to attain a basic denoised image. After that, the basic denoised image is refined by the second stage of NLM with smaller smoothing strength. Our experimental results show that the proposed algorithm outperforms the NLM and some NLM recent variants both in visual quality and numerical measures. Additionally, the potential halo effect is almost eliminated in the result images produced by our proposed method.     

一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

非高斯冲激干扰下基于Softplus函数的核自适应滤波算法

针对非高斯环境下一般自适应滤波算法性能严重下降问题,本文提出了一种基于Softplus函数的核分式低次幂自适应滤波算法(kernel fractional lower algorithm based on Softplus function,SP-KFLP),该算法将Softplus函数与核分式低次幂准则相结合,利用输...     

基于Wi-Fi与Web的云计算资源调度算法研究

为了缩短云计算执行时间,改善云计算性能,在一定程度上加强云计算资源节点完成任务成功率,需要对云计算资源进行调度。当前的云计算资源调度算法在进行调度时,通过选择合适的调度参数并利用CloudSim仿真工具,完成对云计算资源的调度。该算法在运行时有效地进行平衡负载,导致云计算资源调度的均衡性能较差,存在云计算资源调度结果误差大的问题。为此,提出一种基于Wi-Fi与Web的云计算资源调度算法。该算法首先利用自适应级联滤波算法对云计算资源数据流进行滤波降噪,然后以降噪结果为基础,采用本体论对云计算资源进行预处理操作,最后通过人工蜂群算法完成对云计算资源的调度。实验结果证明,所提算法可以良好地应用于云计算资源调度中,有效提高了云计算资源利用率,具有实用性以及可实践性,为该领域的后续研究发展提供了可靠支撑。     

A wavelet-based forward BSS algorithm for acoustic noise reduction and speech enhancement

In this paper, we address the problem of noise reduction and speech enhancement by adaptive filtering algorithm. Recently, the well known forward blind source separation (FBSS) structure has been largely studied and intensively used to reduce acoustic noise components and to enhance speech signal. The FBSS structure is often combined with adaptive algorithms to accelerate the adaptation of the cross-filters, and to improve noise suppression at the output. In this paper, we propose to use a wavelet transform decomposition in the FBSS structure by using a two-channel forward wavelet symmetric adaptive decorrelating (WFSAD) algorithm. The proposed WFSAD algorithm provides a better compromise between time and frequency resolution and improves robustness of the noise reduction process when compared with the classical two-channel forward symmetric adaptive decorrelating (FSAD) algorithm. Simulation results prove the efficiency of the proposed WFBSS algorithm in comparison with conventional ones in terms of several objective and subjective criteria.     

自适应中值-加权均值混合滤波器

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和自适应加权均值滤波的混合滤波方法。该方法先将图像分为若干区域,并对每个区域进行噪声检测以实现两类噪声的分离,然后再分别采用自适应中值滤波和自适应加权均值滤波将分离出的脉冲噪声和高斯噪声去除。对这种新方法进行了计算机模拟实验。结果表明:新方法较前人提及的三种混合滤波方法具有更优的滤波性能,在有效抑制混合噪声的同时能很好地保护图像中的细节,为消除图像中的混合噪声提供了一种有效的途径。     

A kernel machine-based fMRI physiological noise removal method

Functional magnetic resonance imaging (fMRI) technique with blood oxygenation level dependent (BOLD) contrast is a powerful tool for noninvasive mapping of brain function under task and resting states. The removal of cardiac- and respiration-induced physiological noise in fMRI data has been a significant challenge as fMRI studies seek to achieve higher spatial resolutions and characterize more subtle neuronal changes. The low temporal sampling rate of most multi-slice fMRI experiments often causes aliasing of physiological noise into the frequency range of BOLD activation signal. In addition, changes of heartbeat and respiration patterns also generate physiological fluctuations that have similar frequencies with BOLD activation. Most existing physiological noise-removal methods either place restrictive limitations on image acquisition or utilize filtering or regression based post-processing algorithms, which cannot distinguish the frequency-overlapping BOLD activation and the physiological noise. In this work, we address the challenge of physiological noise removal via the kernel machine technique, where a nonlinear kernel machine technique, kernel principal component analysis, is used with a specifically identified kernel function to differentiate BOLD signal from the physiological noise of the frequency. The proposed method was evaluated in human fMRI data acquired from multiple task-related and resting state fMRI experiments. A comparison study was also performed with an existing adaptive filtering method. The results indicate that the proposed method can effectively identify and reduce the physiological noise in fMRI data. The comparison study shows that the proposed method can provide comparable or better noise removal performance than the adaptive filtering approach.     

基于光照-反射成像模型和形态学操作的多谱段图像增强算法

为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.     

基于小波变换的图像混合噪声自适应滤除算法

为同时滤除图像中的椒盐噪声和高斯噪声,提出了一种基于小波变换的混合噪声自适应滤除算法,该算法首先采用中值滤波去除椒盐噪声,然后借助边缘检测算子区将图像为分边缘与非边缘区域,进一步对非边缘区域引入改进的均值滤波器,有效削弱高斯噪声的同时保护图像边缘细节,既初步削弱高斯噪声又保护了边缘,最后采用改进的小波阈值滤波算法,对不同的小波系数采用不同的阈值函数,通过线性回归得到各最优阈值关系式。实验结果表明,该混合噪声自适应滤除算法能有效滤除椒盐噪声和高斯噪声,在图像主观质量和客观质量上均取得了较好的效果,能提高去噪图像峰值信噪比0.5~2.0 dB。     

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。