基于数学形态学滤波的多刻度法

本文主要讨论了用数学形态学开运算滤波形成二维图形的刻度空间图象,给出了保证开滤波单调性的定理,即当开滤波参数从较细刻度向粗刻度变化时,作为图象特征的过零点数目不增。所得结论不同于Poggio等人关于Gauss滤波器是唯一具有这种单调性的滤波器之结论。此外,开滤波运算的计算量比Gauss滤波要少得多。     

基于模糊中值滤波的椒盐噪声去除方法

研究基于模糊中值滤波的椒盐噪声去除方法。通过比较图像各像素点的灰度值,定义基于图像梯度信息的各点被判别为噪声点的模糊隶属函数。利用此模糊隶属函数对中值滤波方法进行加权,得到了一种加权中值滤波器,可实现边缘处椒盐噪声的有效滤除。讨论这种模糊加权方法与其它先进滤波方法的结合途径,指出了其推广应用价值。最后利用数值实验验证本文方法的有效性,结果表明,相比于自适应中值滤波方法,本文方法得到的滤波图像在峰值信噪比及结构相似度方面均有明显提高。     

基于免疫函数的输入死区未知严格反馈非线性系统投影自适应指令滤波反步控制

为解决含有未知项以及输入死区的严格反馈非线性系统跟踪控制问题,提出一种基于免疫函数的投影自适应指令滤波有限时间控制方法.该方法使用免疫函数构造扩张状态观测器对具有输入死区控制系统中的未知项进行逼近,并使用指令滤波解决反步法中微分爆炸问题,建立滤波误差补偿机制降低滤波误差对跟踪精度的影响,同时使用投影算子保证了自适应参数的有界性.与现有文献中基于障碍李雅普诺夫函数的自适应反步约束控制相比较,文章可同时约束系统状态、补偿跟踪误差以及自适应参数在预设的范围内,保证了闭环系统中所有信号有界,结合有限时间控制加快了控制系统的收敛速度.最后仿真结果表明了文章控制方法的有效性.     

调节数学形态学算子分析及其应用研究

在G ady A gam等人工作的基础上,结合结构元素和约束参数的选择,对调节形态学基本算子进行了一定的分析,得到了几个等价定义和一个颇有意义的结论.最后结合实例,比较了调节形态学与普通形态学对噪声图像处理的结果和性能.实验结果表明,这种新形态学算子比经典形态学算子具有更好的噪声抑制能力.     

基于状态不确定性的动态滤波算法

本文将不确定性表示为状态约束,融入平差模型,建立基于状态参数不确定性的滤波模型.首先从无状态约束条件下的平差准则中推导出无约束滤波算法,该算法与卡尔曼滤波算法是一致的.然后扩展到不等式约束和椭球约束的平差准则,推导出基于状态约束的动态滤波算法.通过实例计算,对不同状态约束的动态滤波模型进行比较.结果表明基于状态不确定性的动态滤波算法要优于卡尔曼滤波算法,且简便高效,具有显示表达式.     

基于方向信息测度的图像边缘检测

边缘检测是图像处理中—个重要的研究课题．针对传统图像边缘检测算法对噪声敏感的问题,本文在分析图像像素灰度信息的基础上,建立了—个改进的确定方向信息测度的方法,并利用震动滤波对边缘检测图像进行增强,该方法在滤除噪声的同时,能有效地保留图像的基本目标信息,正确提取图像的边缘．     

测量值异常下多时间尺度系统H_(∞)滤波北大核心CSCD

复杂的工业系统中经常存在快、慢动态耦合运行的多时间尺度现象,通过引入时间尺度参数,这类系统被建模为多时间尺度系统.由于实际系统运行过程中通常会有外部干扰或者噪声存在,为了准确获取系统的状态,判断系统运行状态以及设计控制算法,H_(∞)滤波器受到了广泛的研究关注.同时,系统在运行时可能产生传感器故障或者受到传感器攻击,引起了系统测量值的异常,导致滤波结果不精确无法满足滤波需求.因此,文章考虑测量值异常情形下的多时间尺度H_(∞)滤波问题,通过引入饱和函数约束测量值上界,同时设计依赖于时间尺度参数的滤波器,实现了系统的状态估计并且满足给定的H_(∞)性能,并且避免了设计过程中由于多时间尺度现象导致的“病态数值问题”.最后,通过仿真例子证明了文章所提方法的正确性和优越性.     

内生性时变参数消费敏感度模型及应用——以天津市城镇居民消费为例

近些年来时变参数消费敏感度模型得到广泛应用,但其时变参数形式设置过于随意,内生性结构也没有得到足够的关注。本文建立了一个具有一般性的内生性时变参数消费敏感度模型,并构建了一个对两步卡尔曼滤波过程都适用的滤波理论方法,以处理模型的内生性结构。实证分析了天津市城镇居民的长期消费,该模型有效的处理了其内生性问题,且拟合效果很好,发现其消费敏感度是时变的,且经历了三个不同形成机理的规律性阶段.现阶段只有提高天津市城镇居民可支配收入,才能突破流动性约束的瓶颈,提高其消费需求。     

具时变时滞和 Markovian转换的不确定奇异随机系统的鲁棒 H_∞ 滤波(英文)

本文处理了一类具与模式有关的时变时滞和 Markovian转换的不确定奇异随机系统的鲁棒H∞滤波问题.所考虑的系统包含参数不确定性,Markovian参数,随机扰动和与模式有关的时变时滞.本文的目的是设计一个滤波器以保证滤波错误系统是正则的、无脉冲的、鲁棒指数均方稳定的和可达到一个给定的 H∞扰动衰减水平.文章首先得到所求鲁棒指数H∞滤波器存在的充分条件,然后给出所求滤波器参数的显示表示.     

基于TMS320C 5410EVM 板FIR滤波器算法与设计方法研究

数字滤波器是语言、图象处理、模式识别以及谱分析中的基本运算的处理运算。本文研究DSP中有限冲击响应(FIR)滤波器的原理并结合TM320C5410EVM板介绍FIR滤波器设计方法以及DSP中FIR滤波嚣的实现方法。     

基于广义交叉认证的多小波阈值的图像降噪

提出一种新的小波收缩阈值降噪方法,该方法是通过对噪声图像进行多小波变换,然后用广义交叉认证的方法来确定小波阈值参数．由于本文采用的是多小波变换,而多小波一般同时具有正交性和线性相位,另外广义交叉认证方法不需要对噪声的强度进行估计,所以这种方法有比较好的降噪效果．实验结果表明该方法与基于小波变换的广义交叉认证的图像降噪方法相比较,其降噪效果有一定的提高;同时也表明在一定的条件下,其降噪效果要明显好于传统的Wiener滤波方法．     

广义全变差正则化图像去噪模型研究

本文研究了全变差正则化模型在图像去噪过程中易产生阶梯效应的问题,依据图像的局部结构特利用联合高斯滤波器和边缘检测算子的方法,构建了广义全变差正则化图像去噪模型,获得了在消除噪声的同时能够保留图像边缘细节和纹理信息的结果.实验结果表明,广义全变差正则化模型在平滑噪声的同时能够保留图像的边缘轮廓等细节信息,得到的复原图像在峰值信噪比、平均结构相似度和主观视觉效果方面均有所提高.     

Augmented Lagrangian Homotopy Method for the Regularization of Total Variation Denoising Problems

This paper presents a homotopy procedure which improves the solvability of mathematical programming problems arising from total variational methods for image denoising. The homotopy on the regularization parameter involves solving a sequence of equality-constrained optimization problems where the positive regularization parameter in each optimization problem is initially large and is reduced to zero. Newton’s method is used to solve the optimization problems and numerical results are presented.     

Graduated adaptive image denoising: local compromise between total variation and isotropic diffusion

We introduce variants of the variational image denoising method proposed by Blomgren et al. (In: Numerical Analysis 1999 (Dundee), pp. 43–67. Chapman & Hall, Boca Raton, FL, 2000), which interpolates between total-variation denoising and isotropic diffusion denoising. We study how parameter choices affect results and allow tuning between TV denoising and isotropic diffusion for respecting texture on one spatial scale while denoising features assumed to be noise on finer spatial scales. Furthermore, we prove existence and (where appropriate) uniqueness of minimizers. We consider both L ² and L ¹ data fidelity terms.     

A Parameter Selection Method for Wavelet Shrinkage Denoising

Thresholding estimators in an orthonormal wavelet basis are well established tools for Gaussian noise removal. However, the universal threshold choice, suggested by Donoho and Johnstone, sometimes leads to over-smoothed approximations.For the denoising problem this paper uses the deterministic approach proposed by Chambolle et al., which handles it as a variational problem, whose solution can be formulated in terms of wavelet shrinkage. This allows us to use wavelet shrinkage successfully for more general denoising problems and to propose a new criterion for the choice of the shrinkage parameter, which we call H-curve criterion. It is based on the plot, for different parameter values, of the B ₁ ¹(L ₁)-norm of the computed solution versus the L ₂-norm of the residual, considered in logarithmic scale. Extensive numerical experimentation shows that this new choice of shrinkage parameter yields good results both for Gaussian and other kinds of noise.     

MEMS矢量水听器的一种新的联合去噪算法

针对传感器水声信号存在随机噪声的问题,提出了一种正余弦算法(SCA)和粒子群算法(PSO)相结合优化变分模态分解(VMD)参数κ和α,将含噪信号通过VMD分解为k个固有模态函数,选取相关系数高的模态分量进行小波阈值(WT)去噪后重构信号分量,得到目标信号的算法,记为SCA-PSO-VMD-WT算法.通过将本算法与VMD...     

Curve denoising by multiscale singularity detection and geometric shrinkage

We propose a method for denoising piecewise smooth curves, given a number of noisy sample points. Using geometric variants of wavelet shrinkage methods, our algorithm preserves corners while enforcing that the smoothed arcs lie in an L² Sobolev space Hα of order α chosen by the operator. The reconstruction is scale-invariant when using the Sobolev space H3/2, adapts to the local noise level, and is essentially free of tuning parameters. In particular, our noise-adaptivity ensures that there is no arbitrarily-chosen “diffusion time” parameter in the denoising. Further, in cases where the distinction between signal and noise is unclear, we show how statistics gathered from the curve can be used to identify a finite number of “good” choices for the denoising.     

小波基的选取对图像去噪的影响

小波图像去噪方法是现代图像处理中的重要组成部分，小波基的不同选取直接影响到去噪的效果．本文在全局阈值的标准下，通过对噪声水平和图像纹理特征的估计，讨论了小波基的正交性和线性相位性对去噪结果的不同影响，提出了选取小波基的近似标准．     

MRI denoising via sparse tensors with reweighted regularization

In recent years, image denoising based on sparse tensors has been one promising technique for denoising magnetic resonance images or video processing. This paper aims at developing a new sparse tensor model based on reweighted regularization of factor matrices for magnetic resonance images denoising. An improved Split-Bregman scheme is proposed which is simple in implementation and efficient in computation. Additionally, the convergence of proposed scheme is proved. Experiments show that the proposed algorithm is efficient, and the denoising results are better than the state-of-the-art image denoising methods. The average computational time of our method is slightly longer than the others under the same iteration, except LPGPCA and model in Ruru and Zhixun (2018) [22].