基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(,)=(0.4, 20)时,采用本文去噪方法,峰值信噪比（PSNR）为34.002 1,平均绝对误差（MAE）为2.365 3。     

合成孔径激光成像雷达的二维匹配滤波成像算法

提出了一种合成孔径激光成像雷达(SAIL)的二维匹配滤波成像算法,对利用单频本振激光与线性调频信号光外差接收得到的SAIL目标回波信号同时在距离向、方位向进行相位二次项匹配滤波以实现目标成像。给出了单频本振信号外差接收情况下的单一分辨单元的二维数据收集方程,并对SAIL二维匹配滤波成像算法进行了数学描述,具体分析了矩形和圆形天线孔径下的成像分辨率,给出了此算法对模拟SAIL回波信号的成像处理结果。     

基于昆虫复眼技术的全视场运动目标监测系统

以昆虫复眼的仿生技术为基础,应用线阵CCD图像传感器、CPLD、AVR微处理器及运动目标检测算法实现了一种全视场监测系统,能简单而精确地探测出运动物体的角坐标和角运动速度。不仅对系统的硬件设计和软件设计进行了讨论,而且对应用的算法也进行了的介绍。     

场景自适应的跟踪特征选择机制研究

视频目标跟踪是当前计算机视觉领域中的一个关键问题。基于场景分类提出了一种视频目标特征的实时在线选择方法。离线时首先采用改进型的"空间金字塔匹配"算法完成先验视频场景的分类;然后采用不同的描述算法实现对目标和背景的特征描述,通过对数形式的方差比计算出目标和背景的特征距离;最后融合均值和熵值对特征距离进行统计分析,建立场景相关的描述子显著性排序。在此基础上,在线时利用初始帧完成测试视频的场景判定,结合当前场景下的描述子排序,实时选择最优特征,应用于粒子滤波跟踪系统,在公开视频库上进行跟踪测试,验证排序的正确性和选择机制的必要性。     

气体吸收光谱数据处理的实验教学设计

大学专业课程设计是工科专业重要的课程,是在掌握基本理论知识后的进一步深入探究,也是培养更高水平人才质量的关键。随着时代的发展,大学专业实验的内容也需要与时俱进。把激光光谱气体测量引入光电专业实验中,针对学生对知识掌握的情况,合理设计学习型和探究型实验。通过实验系统的搭建,让同学们能够直观立体的感受激光光谱测量技术这门课程,锻炼操作动手能力。鼓励学生将之前课程学到的各种软件,用于实验数据的处理,实现从课本学习到实际应用的过渡。     

基因识别及其算法研究

针对基因识别问题,基于DNA序列的3周期这一性质,首先给出了DNA序列功率和信噪比的快速算法并讨论了不同物种基因类型的阈值确定方法;在此基础上,建立了基于背景噪声抑制和频谱平滑的SNR频谱预处理模型,经过预处理后的频谱不仅大幅度抑制了背景噪声,同时保留了SNR频谱的模式特征.在编码序列识别上,对经典的EPND预测算法进行了改进,使用改进的EPND算法对经过预处理后频谱进行基因识别,实验结果显示这种基因识别模型具有优异的基因识别性能,比传统直接使用基于滑动窗口DFT的EPND识别算法在敏感度、特异性等评价指标上提高了2%-12%左右.     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。     

一种基于Gauss von Mises分布模型的非线性量测更新方法

基于状态空间模型的许多传统滤波算法都基于Rn空间中的高斯分布模型,但当状态向量中包含角变量或方向变量时,难以达到理想的效果。针对J.T.Horwood等提出的nS?R流形上的Gauss Von Mises(GVM)多变量概率密度分布,扩展了狄拉克混合逼近方法,给出了联合分布的GVM逼近方法,推导了后验分布的GVM参数计算公式,设计了量测更新状态估计算法。将J.T.Horwood等的时间更新算法与所提出的量测更新算法相结合,可实现基于GVM分布的递推贝叶斯滤波器(GVMF)。仿真结果表明,当状态向量符合GVM概率分布模型时,GVMF对角变量的估计明显优于传统的扩展卡尔曼滤波器。     

地球静止轨道远程交会过程导航性能评估

远程交会是静止轨道共位卫星自主定点置入的关键途径。针对远程交会过程中大距离跨度下相对运动模型的误差信号特性,理论推导了误差的传递机理,给出了相对导航EKF算法期望及噪声特性的定量分析模型。研究表明,确定距离区间存在最优过程噪声量级及其对应的最优滤波性能,且滤波误差与交会距离正相关,可作为全局最优滤波器的定量设计依据,解决了静止轨道远程交会过程EKF导航算法性能的量化评估问题。仿真表明,分析结论正确,相对速度滤波误差全程优于0.005 m/s(1σ),满足交会任务需求。     

基于变分贝叶斯优化的近邻采样 PF-SLAM 算法

针对移动机器人同时定位与地图构建（SLAM）中观测噪声随时间变化及粒子滤波(PF)中粒子多样性易丧失问题,提出基于变分贝叶斯优化的近邻采样PF-SLAM算法。采用高斯混合模型对时变的观测噪声建模,使用变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权重将粒子划分为保留粒子和调整粒子,通过两种粒子间的近邻位置分布关系优化调整粒子位置,在处理时变观测噪声同时,解决粒子多样性丧失问题,使得优化的粒子集更好地表示机器人位置概率分布。实验表明,改进算法与传统PF-SLAM算法相比,定位与建图误差降低76%,较期望最大化算法下的定位与建图误差降低了54%,进一步验证了所提算法的可行性与有效性,为移动机器人同时定位与建图提供一定参考。