强噪声背景下确定性谐波信号的模糊滤波

文章提出了一种在强背景噪声环境下对被淹没的谐波信号进行模糊滤波，从而恢复微弱目标信号的方法。在MATLAB环境下，先利用相干平均法，除去被测信号中的随机白噪声，对于有色噪声运用自适应神经模糊推理系统（ANFIS）的方法，对被测信号进行模糊滤波，在较低信噪比下，能较好的恢复出原始微弱信号。     

一种非刚性医学图像点匹配方法

提出了一种非刚性点匹配的算法并把其运用于医学图像配准．该算法采用信号滤波的方法来获得点集间的匹配信息，并运用松弛标记法将各点邻域关系对模糊的匹配信息进行迭代获得明确的匹配关系．在此基础上，利用高斯径向基函数来描述点模式间的弹性形变，在基本的迭代框架下实现问题的求解．实验结果显示在形变程度为5％、出格点比率50％和噪声标准差为5％的情况下该算法的匹配误差能控制在0．13以下，表明了该算法的鲁棒性和有效性，较好地解决了医学非刚性形变的点匹配问题．     

谈三算结合教学中教师的指导与引导

在三算结合教学的课掌实践中，我们发现只有当学生全身心地投入到学习的全过程时，学习的效果才会达到最佳。当然，这种全身心投入的外部条件，乃是教师的指导与引导。下面就此谈几点具体做法；     

无相移滤波技术用于分析化学信号处理

把无相移滤波技术引入了分析化学信号处理领域。其方法为：先将输入序列按顺序滤波，然后将所得结果逆转后反向通过滤波器，再将所得结果逆转后输出。通过对色谱信号的实验研究表明，与普通的数字滤波方法相比较，无相移滤波不但具有普通数字滤波的优点，而且不会产生滤波前后的相位偏移，具有良好的应用前景，尤其对于需要准确计算保留时间的场合，用此预处理方法非常适合。     

电感耦合等离子体原子发射光谱法中Kalman滤波法解析重叠谱线的研究

考察了Kalman滤波技术校正ICP-AES中谱线重叠干扰的潜力.以新息序列的平均平方和为评价函数优化扫描光谱的峰位,消除扫描过程中可能产生的波长定位误差,从而保证滤波结果的准确性,并使实际检出限显著改善.在中等分辨率光谱仪和扫描步长为1.5pm的条件下,滤波器能有效地分辨峰间距只有4.8pm且峰形基本相同的重叠线对.对峰间距为9.8pm的重叠线对,当线背比低至0.05左右时仍能获得满意结果.连续背景用理论描述,因而样品溶液和纯组分溶液的光谱扫描无需扣除溶剂空白.     

光电平台MEMS陀螺性能及滤波算法的Allan方差评价

光电稳定平台被广泛应用于火控、侦察、制导等武器系统中,具有提供重要的态势感知、监视、瞄准和搜跟能力。随着光电技术的发展,光电稳定平台变得更加精准和轻便小巧。MEMS陀螺具有体积小、重量轻、成本低、可靠性高、测量范围大的优点,使其已经成为小体积、低成本光电稳定平台的首选惯性传感器。但在光电稳定平台设计时,选用MEMS陀螺和陀螺滤波处理就成了首要的问题。本文首先介绍了基于Allan方差评价MEMS陀螺随机漂移误差的方法,描述了4种常用的陀螺滤波算法,然后基于Allan方差详细地分析了这几种滤波器的应用特性和滤波器参数对滤波性能的影响。可以看出,使用Allan方差可以很好地评估MEMS陀螺和滤波器性能,指导陀螺滤波器选型和滤波参数配置,该评估方法可有效地解决光电稳定平台设计阶段的陀螺选型和滤波器选型。     

低频重分布与边缘增强的红外图像增强算法北大核心CSCD

针对现有的红外图像增强方法存在欠增强、过增强以及微小细节丢失等缺陷,提出了低频重分布与边缘增强的红外图像增强算法。用基于改进引导滤波的Retinex将红外图像分解为低频和高频图像。为了充分利用像素级的动态空间,对低频图像进行均匀重分布,以提升图像的亮度和清晰度;用提出的方向梯度算子对高频图像进行边缘提取,再对高频图像进行边缘增强,进一步提升图像的对比度。将经增强处理的低频和高频图像作Retinex反变换,得到增强效果的红外图像。实验结果显示,相对于部分现有方法,本文方法的增强图像的信息熵和Brenner指数更高,而NIQE指数更小,因此本文方法能更有效地提升红外图像的对比度,在增强图像纹理细节的同时更好地保持图像的自然度。     

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

基于改进三维块匹配滤波的红外全息降噪算法北大核心CSCD

红外全息技术更适用于长距离的大视场成像,但其散斑噪声与高斯噪声对图像质量的影响也更加显著,限制了红外全息技术的应用与推广。本文通过引入全局傅立叶阈值与自适应维纳滤波的方法对三维块匹配滤波算法进行优化,提高了其对红外全息图像降噪的适应性与细节保留,得到改进的三维块匹配滤波算法,并与多种采用传统滤波方法的结果进行了对比。结果表明,改进后的算法可以在对红外全息图像中的高斯噪声等环境噪声与散斑噪声进行降噪的同时保留更多细节,是一种更加适用于红外全息图像的降噪方法。     

基于高斯滤波和AKAZE-LATCH的图像匹配算法

针对图像匹配中AKAZE(Accelerated-KAZE)算法匹配精度较低以及计算复杂等问题,提出了一种基于高斯滤波和AKAZE-LATCH(AKAZE-Learned Arrangements of Three Patch Codes)算法相融合的图像匹配算法。首先,对输入图像进行高斯滤波预处理,去除高斯噪声等连续性噪声,并且保留图像的边缘信息。然后通过LATCH算法为AKAZE算法构建高效的二进制描述子,再通过KNN(K Nearest Neighbors)算法得到对应的匹配对。最后结合USAC(Universal RANSAC)去除误匹配对方法进行再次筛选,得到最终的匹配结果。经实验对比,所设计的算法相较于AKAZE算法匹配精度更高,且具有良好的鲁棒性和可靠性,可用于多数复杂场景下的图像匹配。