一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.     

基于OSPA距离和特征点采样的路标识别算法

提出了一种基于最优次模式(OSPA)距离的路标识别算法.算法引入Markov随机场建立噪声的待检图像,然后采用条件迭代算法(ICM)恢复图像,进一步提取路标边缘点.这些边缘点作为特征点;该特征点看作为待检特征点集,计算其和标准路标库图像之间的OSPA的距离,以此来识别待检路标.分析表明,该算法对于路标的形态识别具有明显的优势,最后分析了图像尺寸大小、特征点数量对OSPA距离的影响.     

一种基于中值滤波的图像预处理改进算法

对于图像处理领域中常见的椒盐噪声来说，比较经典的去噪算法是中值滤波去噪算法．但是，中值滤波算法是直接选取一定形状的区域块，再对此区域块内图像的所有灰度值进行重排序，选取重排序后的灰度中值作为区域内新的灰度值，此方法简单但未去除噪声点对整体图像传输带来的影响．基于椒盐噪声在图片传输中的非白即黑特点，提出了一种去除噪声点影响的新算法．首先，在选定区域内去除异常噪声点，使用非噪声灰度值进行替代；然后，通过反复实验找到合理的椒盐噪声密度阈值；最后，在此阈值的情况下，进行新灰度值的排序，排序的中心值替代原始灰度排序的中心值．通过仿真验证了新算法在椒盐噪声密度比较大的场景，去噪效果较中值滤波算法更优越．     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

一种基于峰谷滤波的改进算法

在峰谷滤波的基础上提出了一种新的改进算法,首先在噪声污染图像的滤波窗口中去除除中心象素外的最大最小灰度值象素,然后利用中心象素与修改后的邻域进行比较以判断其是否为噪声点.理论分析和图像处理仿真实验表明,改进后的滤波器性能得到较大改善,在有效去除噪声的同时能充分保留原图像细节信息.     

强噪声与突变干扰下的紫外图像中导弹目标的提取

为了抑制紫外图像处理中紫外CCD(电荷耦合装置)传感器和高增益放大器的强噪声和突发干扰,在不改变现有紫外CCD 传感器硬件结构的前提下,提出了一种紫外图像序列的三维递归滤波算法. 该算法由二维IIR(递归)空间滤波器和一维时间IIR 滤波器级联构成. 所提出的三维递归滤波算法计算量小,稳定,且可清晰地
提取导弹目标,实现快速实时的紫外图像序列滤波. 提供了二维IIR 空间滤波器和一维时间IIR 滤波器的稳定性检验算法. 仿真实验验证了所提的三维滤波算法是正确,有效而实用的.     

改进的凸组合变阶数LMS自适应滤波

滤波器的参数设置和信噪比强弱会影响变阶数自适应最小均方(least mean square,LMS)算法的性能,在噪声环境未知的情况下,变阶数LMS的稳态性能是衡量滤波器好坏的重要指标.在分析凸组合分数阶变阶数LMS自适应滤波算法稳态性能的基础上,提出一种变宽度凸组合变阶数自适应滤波算法.理论分析和仿真结果表明,在噪声环境未知情况下,所提算法相比于凸组合分数阶变阶数自适应滤波算法和变误差宽度的分数阶变阶数自适应滤波算法而言,有更好的环境自适应能力、更快的收敛速度和更好的阶数稳定性,具有实用性.     

SAR图像中PS点的识别与选取

提出一种基于小波相位分析的永久散射体(persistent scatterer, PS)的识别与选取方法. 该方法将小波理论引入到PS点识别与选取中,利用基于小波相位分析的差分干涉图滤波方法,首先对差分干涉相位图进行滤波处理,然后估算滤波后各PS候选点的噪声相位、衡量指标以及各PS点的概率,从而在兼顾各PS候选点幅度和相位的稳定性基础上实现SAR图像中PS点的有效识别与选取. 理论分析和实验结果表明,该方法识别与选取的PS点是有效而且可靠的.     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

应用H1自适应滤波的浅海水声信道估计

浅海水声信道是目前最困难的无线通信信道之一,可建模成稀疏衰落信道,其噪声以S S分布来描述.提出了基于H1自适应滤波的稀疏双选衰落信道估计算法,针对S S分布噪声中个别脉冲对信道估计影响较大的情况,分别对信号的实虚部进行限幅以消除影响算法稳定度和性能较大的脉冲噪声. 仿真结果表明：在S S分布噪声下,所提出的针对脉冲噪声的5预处理提升了系统性能;无论是多径信道还是双选衰落稀疏信道,基于H1自适应滤波的信道估计算法的性能优于sIPNLMS算法.     

一种新的固定滞后最优Kalman平滑器

基于带相关噪声系统的一种最优Kalman滤波算法,应用白噪声估计理论和射影理论,提出了一种带白噪声估值器的固定滞后最优Kalman平滑器。它可递推实现,一个仿真例子说明了其有效性。     

压缩感知点云数据压缩

在研究FARO 激光扫描点云数据特点的基础上,将压缩感知理论和算法应用于3D 点云数据的压缩. 通过对点云数据降维处理,直接对坐标数据进行采样压缩,应用正交匹配追踪算法进行恢复,并对恢复数据采用统计滤波的方法滤除边缘噪点. 仿真结果表明：该方法能有效地实现点云数据的压缩,且有较好的鲁棒性.     

Kalman滤波的BP神经网络模型在变形中的应用

针对神经网络模型在建模过程中受到各种噪声影响这一问题,提出利用Kalman滤波降低噪声,建立组合模型。经过工程实例验证,证明基于滤波算法的BP神经网络模型在一定程度上可以提高预测值的精度和预测模型的稳定性,更稳定地反映了监测目标的变化趋势,在形变监测中优势明显。     

基于云计算平台Hadoop的HKM聚类算法设计研究

为有效解决传统K-means聚类算法在处理大规模数据集时面临的扩展性问题,提出了一种Hadoop K-means聚类算法.该算法首先根据样本密度剔除数据集中孤立点或者噪声点的影响,再利用最大化最小距离思想选取K个初始中心,使初始聚簇中心点最优化,最后用Hadoop云计算平台的Map Reduce编程模型实现算法的并行化.实验结果表明,该算法不仅在聚类结果上具有较高的准确率和稳定性,而且能够很好地解决传统聚类算法在处理大规模数据时所面临的扩展性问题.     

广义系统降阶极点配置Kalman估值器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估计理论,提出了广义系统降价极点配置Kalman状态估值器.它可统一处理滤波、平滑和预报问题,且具有渐近稳定性.在计算上与非降阶的方法相比明显地减少了计算负担.同经典降阶Kalman滤波方法相比,避免了求解Riocati方程.仿真例子说明了所提的理论和算法的有效性.     

带限图象信号的数据外推

引进正则参数能够处理数据外推问题的内在不稳定性.本文通过应用正则参数,给出了一种能够抑制噪声的二维正则外推矩阵,提出了一种实现二维数字外推器的流程结构,建立了一种二维递归外推的Kalman滤波算法.     

光纤陀螺自适应阈值滤波新方法

通过Lipschitz指数分析不同分解尺度上信号与噪声对应的小波系数变化情况和光纤陀螺输出信号模型,研究了一种新的基于离散小波变换的自适应滤波方法. 该方法可根据光纤陀螺输出信号的能级自动调整小波系数在不同尺度上的阈值. 构造了一种新的阈值函数,用一个多项式来削弱低于阈值的小波系数,能最大限度地保留真实信息. 与软硬阈值函数相比,对于不同信噪比的信号均表现出较好的性能. 仿真实验表明,与传统固定阈值滤波相比,新算法能更好地去除噪声,改进光纤陀螺的零偏稳定性和随机游走等技术指标.     

一种基础矩阵的线性估计方法

对已知匹配点集的两幅未定标图像,对极几何(Epipolar Geometry)约束是可以从匹配点集中获得的关于相机的唯一信息. Armangue X将基础矩阵估计方法分为:线性法、迭代法和鲁棒法三类.常用的线性法包括8点算法和Hartley的改进8点法.Higgins给出的8点线性算法是一种快速且易于实现的线性算法,但它对噪声异常敏感,因此,很难在实际中应用.改进8点法通过在估计前对匹配数据进行规范化等处理,有效地降低了噪声的影响.迭代法虽然以上两种算法提高了精确度,但计算时间较长,且仍不能很好解决噪声和出格点的影响.实验证明,改进8点法与最好的迭代法不相上下.鲁棒法通常包括:M-Estimator法、最小中值法(LMeds)等,它们均把问题最终归结为无约束最优化问题,求解时一般都采用了非线性最小二乘法,其在精度和稳定性方面均有明显提高,但算法较于复杂.     

GPS空时自适应滤波矩阵重构抗干扰算法

小快拍数、干扰移动及天线平台震动引起协方差矩阵估计误差增加,导致现有的全球定位系统(global positioning system,GPS)空时自适应滤波抗干扰算法的性能急剧下降,为此提出了一种基于矩阵重构的GPS空时自适应滤波抗干扰算法.该算法利用Capon空间谱估计方法重构干扰加噪声协方差矩阵,并对矩阵进行时域平滑得到空时滤波权值.仿真结果表明,该算法在多干扰、低信噪比、小快拍数情况下降低了阵列误差的影响,提高了阵列天线输出信干噪比,与对角加载算法和矩阵锐化算法相比提升5dB左右.     

组合导航直接滤波模型中的高斯粒子滤波

利用高斯粒子滤波技术和直接滤波模型实现了SINS/GPS组合导航系统的数据融合. 首先对高斯粒子滤波进行改进,选取合适的重要性函数并简化滤波流程,然后直接采用惯导参数和GPS伪距等变量建立组合导航直接滤波非线性模型. 讨论了SINS/GPS 组合导航系统中的高斯粒子滤波的具体实现方法. 实验结果表明,该滤波方法能较好地满足组合导航的精度要求. 和其他滤波方法相比,高斯粒子滤波对系统和噪声模型要求比较宽松,因此在直接滤波中有一定的优势.