基于变分贝叶斯Cubature KF的SINS海上对准方法

针对SINS海上对准中速度等量测值的先验统计特性未知导致Cubature滤波(Cubature KF)的失准角估计值出现严重振荡的问题,提出变分贝叶斯Cubature滤波.该滤波方法通过近似计算状态变量和量测噪声方差的联合条件后验概率密度,在估计状态变量的同时,实时调整变分贝叶斯参数,估计和修正时变的量测噪声方差,减弱量测噪声方差统计特性对状态变量估计值的影响.半实物仿真结果表明,该方法能够减小Cubature KF海上对准失准角估计值的振荡性,提高海上对准的精度.     

基于熵的图像噪声方差估计

在噪声图像去噪、分割等算法中,需要知道噪声的分布模型和统计参数,为此提出了一个新颖的噪声估计算法.首先计算输入噪声图像中每个图像块的方差和局部熵的综合值;然后将所有综合值按降序排列,按序取综合值对应的标准差值进行去噪;最后通过图像质量评价算法筛选出最终的噪声估计结果.该算法不需要对输入图像进行如滤波、小波变换等复杂的预处理过程,直接对输入图像进行一系列的数据处理就可以得到噪声方差值,方法简单易于实现,计算效率高并且具有良好的鲁棒性,同时也可以指导BM3D等去噪算法进行自适应去噪.     

基于改进三维块匹配滤波的图像去噪算法

为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自适应中值滤波处理器,滤除图像中部分椒盐噪声,并改进优化硬阈值、滑窗步长及三维硬阈值等关键参数快速滤除高斯噪声;其次,在基础估计阶段与最终估计阶段之间引入中值滤波,最大限度地去除图像中剩余的混合噪声;最后,通过仿真实验验证所提算法的有效性,并对比分析改进前后算法的归一化均方误差、峰值信噪比、信噪比改善因子及结构相似性等性能.结果表明,改进的BM3D方法在保持好樱桃图像细节信息的同时,能有效去除高斯噪声和滤除大概率椒盐噪声,且随混合噪声干扰的增强,所提算法的去噪性能更佳且优于其他滤波方法.     

抗差估计中方差因子对估计值的影响研究

抗差估计理论中,方差因子在残差的标准化过程中起着重要的作用,对估计值存在一定的影响。方差因子的合理选取直接关系着观测值属性的划分(属于正常段、可疑段、淘汰段),从而影响到估计值的优劣,本文在经典抗差估计理论基础上,通过不同的方差因子取值,研究了其对估计值的影响。     

基于DFT变换信道估计的阈值滤波改进算法

在信道估计中,传统的基于DFT的信道估计算法复杂度低于MMSE算法,性能要优于LS算法.但由于传统算法单纯地将所有样点认为是有用信道冲激响应,忽略了噪声的影响.提出了一种基于2次噪声估计原理的改进算法,算法首先利用循环前缀长度以外的序列点估算出噪声方差,再利用估算出的噪声方差将循环前缀长度以内的噪声样点区别开,利用新的噪声样点进行2次噪声估计得到门限值,从而对信道时域冲激响应进行阈值滤波,进一步消除噪声对系统的影响.仿真结果表明,改进后的算法性能优于传统算法.     

引导滤波和三维块匹配结合的红外图像去噪

针对红外图像存在噪声较大的问题,提出了一种引导滤波和三维块匹配结合的红外图像去噪方法.该方法通过将引导滤波与三维块匹配方法相结合,采用二次联合滤波的策略减轻了三维块匹配去噪方法在平滑区产生明显的“抓痕”现象.通过BM3D (block method of 3-dimension)去噪方法得到初始滤波图像;对噪声图像在低尺度进行BM3D去噪得到比较平滑的引导图像,用引导图像指导初始滤波图像进行二次滤波.仿真结果表明,提出的算法既保持了BM3D去噪算法的优秀性能,且具有更好的视觉效果和更高的峰值信噪比及结构相似度.     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.     

基于核极限学习机与容积卡尔曼滤波融合的锂电池荷电状态估计

为了提高锂电池荷电状态（SOC）估计精度，在容积卡尔曼滤波（CKF）算法中引入误差补偿机制，提出一种核极限学习机（KELM）和CKF相融合的估计方法.通过递归最小二乘法（RLS）动态跟踪等效电路模型的参数，由CKF算法得到SOC的初步估计值；以锂电池的工作电压、电流、CKF算法的残差均值和方差作为输入，初步估计值与真实值的偏差作为输出，采用KELM算法，在联邦城市驾驶工况（FUDS）下进行训练，得到CKF算法估计误差的预测模型；利用KELM预测模型的回归预测能力对初步估计值进行误差补偿，从而达到降低估计误差的目的.为了验证所提方法的有效性和先进性，采用Arbin电池测试平台的实验数据进行仿真分析，结果表明在多种工况下所提方法均具有更高的估计精度、更强的泛化性和鲁棒性.     

基于自适应曲面拟合的红外图像背景估计

针对红外弱小目标检测,提出了一种新的基于自适应曲面拟合的红外图像背景估计方法。采用三角函数作为基函数,对红外图像进行拟合。为提高拟合精度,引入了权值矩阵对拟合误差进行约束,并采用分步策略对拟合结果进行优化。在初步拟合的基础上,为抑制奇异点（强边缘点,噪声和小目标）对拟合的＂干扰＂,采用迭代寻优的方法,自适应地对拟合权值和拟合系数进行调整。此外,针对迭代处理的阈值选取,采用概率统计的方法对噪声方差进行估计,提高了拟合的准确性。实验表明：利用该方法估计背景进行背景抑制,可有效提高残差图像的信噪比,显著减少虚警点干扰,提高单帧内目标检测概率。     

椒盐噪声下图像原始直方图估计的收敛性实验

获得噪声干扰图像的原始直方图有助于判断像素的原始灰度值.分析了脉冲噪声下图像的原始直方图估计出现局部偏差的原因,并以噪声率给定而噪声散布逐步趋于均匀的图像序列作仿真,实验结果表明随着脉冲噪声趋于均匀成为椒盐噪声,图像的估计直方图将重合于原始直方图.     

非线性滤波器的边缘保持效果比较分析

对数字图像进行去噪操作是图像预处理过程中的重要组成部分。研究了在使用不同的非线性滤波器对图像进行去噪操作后对于图像边缘信息的保留效果。实验选取中值滤波、BM3D滤波器和双边滤波器3种非线性滤波器对被高斯噪声和椒盐噪声所污染的图片进行去噪操作。实验结果表明,在只有高斯噪声的情况下,3种滤波器都能收获较好的滤波效果,而在只有椒盐噪声的情况下,双边滤波的去噪效果较差。在3组实验中,BM3D在对图片进行去噪时对于边缘信息的保持最好,而中值滤波和双边滤波会损失较多的图片边缘信息,在对图片进行滤波时,BM3D消耗的时间资源较多。     

基于图像分割的噪声方差估计

提出一种基于图像分割的噪声方差两步估计算法。第一步,对含有噪声的图像进行平滑,再利用统计区域归并算法对图像进行分割,并计算每个区域的方差,根据统计规律选择适当的区域估计图像中噪声方差。第二步,利用初始估计的方差,修正平滑滤波、图像分割及噪声估计的参数,进行新一轮的平滑、分割和方差估计,得出更为准确的估计结果。在大量图像和不同噪声情况下的实验结果表明,该算法可以快速、准确地估计图像中噪声方差。     

自适应无色卡尔曼滤波算法的设计及其在机器人状态参数估计中的应用

针对机器人系统的状态参数不能完全依靠离线模式进行预测估计的问题,基于麻省理工学院提出的MIT规则,设计了一种具有自适应功能的无色卡尔曼滤波算法。该方法以信息方差的实际值与估计值的差作为指标参数,利用梯度下降法更新未知参数实现自适应控制。通过理论分析和实验验证,当系统的噪声统计特性发生变化时,所提出的自适应滤波算法能够自动地调节自身参数,减少系统先验噪声信息对于滤波器性能的影响,有效地提高滤波器的稳定性和估计的准确性。     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于非同质性特征和样条模型的道路识别算法

为了解决道路图像中光照变化、阴影遮挡、噪声、道路边界或标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出基于图像非同质性特征和几何模型的道路识别算法.该方法将计算得到的图像局部方差与不连续性特征进行融合获得图像的非同质性特征,并利用比例直方图法得到的阈值自适应地对上述结果二值化,然后用鲁棒M估计器估计样条拟合的最优控制点,进而用3点Catmull Rom样条拟合道路边界.仿真实验表明,所提算法具有较好的鲁棒性和自适应性.实地测试结果表明:在存在有少量局部阴影和道路标志线断续的情况下,正确识别率可达到95%以上.     

一种改进的边缘检测与分块相结合的噪声估计方法

在图像处理中,噪声估计是个重要问题。Aishy和Eric提出了一种针对高斯白噪声的方差估计方法,给了一种自适应选择平滑子块的方法和一个用来计算子块平滑度的结构分析器。此方法存在两个问题:1)含有边缘纹理的子块可能被选择为平滑子块而影响结果精度;2)一些特殊子块具有极高方差但平滑度极小,如果图像含有一个以上的特殊子块,可能造成非常严重的过估计。上述两个问题都是由边缘纹理造成的。提出一种边缘检测与分块相结合的估计方法,首先利用简单边缘检测算法除去含有连续边缘点的子块,然后用Aishy方法。实验结果表明方法能够有效避免特殊情况下的严重过估计,而且在一些噪声水平时比Aishy方法的结果更精确。     

一种基于贝叶斯压缩感知的图像修复方法

图像修复是利用图像中已知区域信息对破损区域进行信息填充,以弥补信息的损失.传统的修复方法依赖图像的结构来确定,使图像达到人眼主观可以接受的程度.基于贝叶斯压缩感知的图像修复方法首先对受损图像进行稀疏变换,利用贝叶斯压缩感知得到稀疏系数的后验分布函数,求得分布函数的均值和方差,将均值作为图像的稀疏系数的估计,方差作为噪声的估计.仿真结果验证了该方法可以提高图像的修复质量.     

基于双边滤波-BM3D算法的GPR图像去噪

为了增强地质雷达(GPR)图像,将双边滤波和三维块匹配算法(BM3D)相融合,提出了一种联合去噪算法.同时,研究了不同方差下的峰值信噪比,并采用最大化真实图像和估计图像之间的结构相似性对去噪后的图像进行了客观评价.实验结果表明,与单一的去噪算法相比,联合去噪算法能够更好地保持地质雷达图像中缺陷目标体边缘的完整性,具有较...     

基于自相关函数相位的频率估计方法方差分析

为了分析基于自相关函数相位频率估计方法的性能,推导了加性高斯白噪声背景中正弦信号观测数据的相关函数相位噪声的表示式,得到了相位噪声方差的计算公式和基于自相关函数相位的频率估计方差的计算公式,给出了此类频率估计方法的估计方差与信噪比、观测数据长度以及对相关函数相位差进行平滑时利用的相关函数的点数关系.仿真结果与该文给出的公式计算结果吻合很好.