基于小波分解和分层FDR阈值的图像滤波算法

针对目前常用滤波算法对图像噪声滤除效果差的问题,提出了针对图像滤波的分层FDR阈值滤波算法.该算法对图像经小波分解后最底层的低频系数和各层水平、垂直、对角3个方向的高频系数分别进行多假设检验,并确定出各层各方向上的阈值,最后分别进行阈值化处理.通过对Lena,Cameraman图像进行对比仿真实验,结果表明该算法在信噪比、峰值信噪比、均方误差等方面均优于中值滤波、通用阈值算法、FDR算法和自由分布式FDR算法,具有较好的噪声滤除效果.     

基于小波分解和分层FDR阈值的图像滤波算法简

针对目前常用滤波算法对图像噪声滤除效果差的问题,提出了针对图像滤波的分层FDR阈值滤波算法.该算法对图像经小波分解后最底层的低频系数和各层水平、垂直、对角3个方向的高频系数分别进行多假设检验,并确定出各层各方向上的阈值,最后分别进行阈值化处理.通过对Lena,Cameraman图像进行对比仿真实验,结果表明该算法在信噪比、峰值信噪比、均方误差等方面均优于中值滤波、通用阈值算法、FDR算法和自由分布式FDR算法,具有较好的噪声滤除效果.     

一种FPGA实现的红外小目标检测算法

针对环形去最大中值滤波和帧间轨迹关联红外小目标检测算法流程与现场可编程门阵列(FPGA)并行不兼容的问题,对原有算法进行了并行化改进.主要从简化阈值计算、采用上一帧统计值进行自适应阈值分割和多帧检测循环三个方面进行了优化.在对检测性能影响较小的前提下,通过对算法结构进行优化,消除了算法中全局计算依赖,使其更适于FPGA进行算法实现.以FPGA实现优化后算法时,在80 MHz工作时钟下,处理2 800×2 800像素图像能够达到10帧/s的速度,满足大部分实时红外探测系统的要求.     

基于2D先验的3D目标判定算法

提出一种基于2D先验的3D目标判定算法.首先用轻量级MobileNet网络替换经典SSD的VGG-16网络，构建出MobileNet-SSD目标检测模型；其次，通过改进网络结构，提高模型对小目标的检测能力，并引入Focal Loss函数来解决正负样本不均衡和易分样本占比较高的问题；在相同数据集上，将改进算法与Faster R-CNN、 YOLOv3及MobileNet-SSD进行对比测试，其平均精度mAP分别提高了7.2%、 8.8%和10.6%;最后，通过改进算法获取ROI,利用深度相机将二维ROI转换为ROI点云，并借助直通滤波来判断目标物体是否为真实场景物体，既省去了传统点云识别中的诸多步骤又避免了点云深度学习中三维数据集制作难度较大的问题，在识别速度和识别精度上达到了较好的平衡.     

基于OTSU分割的云层背景下弱目标检测算法研究

在各种背景的弱目标检测算法研究中,采用了最大类间方差(OTSU)分割的检测算法,对于不同大小的目标提出了两种不同的处理方法.在背景简单的小目标的预处理中利用中值滤波和OTSU相结合的方法;对于背景相对复杂的大目标的检测采用自适应门限、拉普拉斯(Log)滤波和OTSU分割的检测算法,把目标提取出来.自适应门限用于增强图像,使图像的背景灰度变得均匀;Log高通滤波器可以有效地去除背景;OTSU是经典的非参数,无监督自适应阈值选取方法,对图像经过阈值分割后,图像将变成包含少量可能目标点的二值图像.仿真实验表明:该算法能够有效地去除背景天空的强浮云,具有计算量小等优点,能够很好地检测出目标.     

一种改进Harris角点检测的目标跟踪方法

针对传统粒子滤波目标跟踪算法在目标被遮挡或背景色与目标相似情况下出现目标跟踪定位偏差大甚至丢失目标的缺陷,本文提出一种改进的Harris角点检测的目标跟踪方法.该方法首先提出一种改进Harris角点检测算法,利用双阈值法,选定1个大阈值和1个小阈值,从而极大的减少了角点数量,并利用SUSAN思想去除伪角点;然后依据HSV颜色模型对环境光照变化不敏锐的特点,对检测到的角点建立HSV颜色模型,以鼠标所选定的矩形中心,矩形宽度和矩形高度作为状态量,以HSV颜色直方图作为观测值,建立合适的粒子滤波算法数学模型,实现对目标的有效跟踪.实验结果表明:即使在目标与背景颜色相似或被遮挡的情况下,该算法仍然能够准确的跟踪目标,达到降低环境因素对目标跟踪影响的目的.     

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法。首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标。实验结果表明：与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快。     

基于Halcon的圆形陶瓷片表面缺陷检测方法

针对圆形陶瓷片的产品特性以及厂家检测的需要,设计了一种基于Halcon平台的表面缺陷分区检测算法.通过前期预处理中的灰度化、图像增强处理以及ROI的选取后,再针对不同缺陷分别采用阈值分割、极坐标转换及边缘提取等方法获取产品缺陷区域并进行检测.实验结果证明本检测算法具有较高的准确性,并能较好地满足实际检测要求.     

基于自适应RB F神经网络的连续压力波信号滤波方法

由于钻井液连续压力波信号与正脉冲压力信号检测原理不同,致使固定参数滤波方法存在检测特征点时间不准确、误码率高等问题.针对该问题提出一种小波包变换结合自适应变步长RBF神经网络非线性滤波器的滤波方法.该方法首先对输入的连续压力波信号进行小波包变换,运用分层阈值滤波算法和奇异值分解算法,分离出含噪声的有用连续压力波信号;对...     

自适应背景更新及运动目标检测算法

从视频中检测运动目标是智能视频监控应用中的一项关键技术.文中提出了一种基于区域的自适应背景更新及运动目标检测算法,首先使用高斯模型建立初始的静态背景图像,通过背景减法得到差值图像;然后使用自适应阈值对差值图像进行二值化,并利用形态学滤波和连通区域面积检测进行后处理,得到运动目标区域掩模;最后,根据运动目标区域掩模检测出运动目标,同时使用基于区域的自适应背景更新算法动态更新背景图像.实验结果表明,该算法能够自适应地对背景模型进行更新,对于背景的扰动、光线的渐变等带来的影响有很好的抑制作用,可以有效地检测出运动目标.