基于梯度方向的反马赛克算法

目前数字图像采集系统中采用的反马赛克算法存在插值伪像严重、算法计算量大等问题.为了解决上述问题,本文提出了一种基于梯度方向的反马赛克算法,可提升实际应用中反马赛克处理性能.计算当前像素位置水平和竖直梯度,并据此完成G分量的插值恢复,采用双线性插值完成R分量和B分量恢复并用G分量进行校正处理.从复合峰值信噪比（CPSNR）以及计算量两方面将本算法与其他典型算法进行对比,本文算法以更低的运算量,获得优秀的反马赛克性能.这种高性价比的特点有利于其未来完成硬件电路实现,并应用于实时成像等高技术领域.      

预估计最小平方误差初始值方法改善交替映射算法性能

改进交替映射算法以提高反马赛克插值的峰值信噪比(PSNR)性能.采用预估计最小平方误差思想,改进交替映射插值算法的初始值估计,计算改进算法和其它典型反马赛克方法的峰值信噪比,采用典型测试图片作为测试源进行比较.结果表明,改进算法的峰值信噪比高于其它典型插值算法的峰值信噪比,插值恢复图像的伪像也少于其它算法.改进的交替映射算法具有最好的峰值信噪比和最少的插值伪像,说明改变初始值方法可以提高交替映射算法的性能.     

自适应有源噪声控制算法的研究与实现

FLMS(滤波-XLMS)算法是广泛应用于自适应有源噪声控制技术中的算法,针对该算法收敛速度较慢的缺点,提出一种改进的FLMS算法--FTLMS算法来提高降噪系统的收敛速度.着重讨论了FTLMS算法的原理、实现方法和程序设计.理论分析表明,FTLMS算法具有运算量小,收敛速度快和适应于各种噪声环境的优点.实验结果表明FTLMS算法优于FLMS算法,同时降噪效果也有明显提高.     

一种简单的变步长自适应α—LMS滤波算法

提出了一种简单的变步长α-LMS算法(vα-LMS),并给出了它的设计方法。导出了描述α-LMS算法收敛过程的动态方程,并据此讨论了α-LMS算法的算法性能。与vα-NLMS算法相比,Vα-LMS算法的优点是简单易行、计算量小,但它对输入信噪比的稳健性(RObustncss)却劣于Vα—NLMS算法。Vα-LMS算法的性能将优于Dα-LMS算法。计算机模拟结果与理论分析结果吻合较好.     

LMS自适应滤波算法原理与仿真

在对自适应滤波器相关理论研究的基础上,重点研究了LMS自适应滤波算法,并借用Matlab仿真平台,给出了在一定信噪比条件下,LMS算法的滤波结果。通过分析仿真可以看出,LMS算法计算量小,可以达到较好的滤波效果,容易实现,有很高的实用价值。     

一种引入正交小波的线性自适应均衡算法

交皮引入自适应均衡,解决了将小波用于自适应均衡时如何建立模型、如何确定参数的问题。利用离散时间多分辩分析的思想,将这种用小波来表示均衡器的方法推广到由滤波器组迭代构造的具有紧支集的小波。在此基础上,给出了基于正交小波的自适应均衡器ＷＢＬＥ的结构和算法。     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

基于RGB比例空间的立体匹配算法

实际场景中, 由于光照条件不同, 使从不同角度获得的、对应同一场景的图像像素对的RGB 值不同,从而导致匹配错误, 为了改善此问题, 根据RGB 色彩模型, 形成RGB 比例空间, 提出基于RGB 比例空间的自适应权值算法。实验结果表明, 在光照条件不同时, 与传统的基于RGB 空间的匹配算法进行比较, 该算法可以得到更准确的视差图。     

带有色观测噪声的改进自适应滤波算法

在噪声消除系统中,若观测噪声为有色噪声,则基于最小二乘准则(LS),提出了两段RLS-RELS算法,这是一种改进的递推增广最小二乘法,该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机数值仿真例子和信噪比的计算比较证明了算法的正确性和有效性.     

基于梯度局部一致性的自适应Bayer模式彩色图像恢复算法

基于图像局部梯度具有明显一致性先验,提出了一种基于梯度局部一致性的自适应Bayer模式彩色图像恢复算法。算法在恢复绿色通道时首先从垂直和水平两个方向的进行插值,得到候选插值结果。然后根据彩色通道结构相似的特点,提出利用多通道梯度线性加权估计图像局部梯度,并利用引导滤波实现用时域图像边缘结构对图像局部梯度进行一致化校验,从而提高边缘估计的精度。然后将一致化校验后的梯度特征与候选插值进行自适应融合得到最终绿色通道插值。最后依据图像通道之间的结构相似性先验,利用绿色通道结构细节实现对红色和蓝色通道重构图像的修正,从而恢复完整的去马赛克彩色图像。通过在Kodak和IMAX两个数据库进行的有效性验证,并与其他最新方法进行的性能对比,结果表明恢复图像主观视觉特性和客观评价指标都优于传统方法。此外,由于不涉及迭代和网络训练,具有高效性。     

一种基于边缘信息的贝尔模板彩色插值方法

针对贝尔模板滤波图像的彩色插值还原,提出了一种基于边缘信息的插值方法.该方法利用了边缘信息,能够有效降低边缘区域的噪声,同时利用了色饱和度信息,提高了低饱和度区域的还原质量.实验证明,与其他方法相比,该方法能够得到较理想的还原效果,结果图像边缘轮廓清晰,彩色噪声较少.     

自适应线性滤波器及遗传算法在初始对准中的应用

针对采用卡尔曼滤波器进行初始对准时,时间复杂度较高,且受不可观测状态影响较大的问题.提出了用自适应线性滤波器对惯性器件的输出进行滤波后再用遗传算法进行初始对准的方法,主要优点在于受系统不可观测状态影响小,且速度上的优势比较明显,增强了惯性制导系统的快速反应能力.     

采用瞬时转移结构的凸组合最小均方算法

为了避免单个滤波器在收敛速率与稳态误差上的相互制约,从而导致系统性能下降的问题,文章采用凸组合最小均方算法,将快速滤波器与慢速滤波器并联使用来解决。为进一步改善性能,提出了一种采用瞬时转移结构的低复杂度凸组合最小均方算法。在该算法中,分别使用修正反正切函数和sign函数对参数λ(n)和a n()的更新迭代公式做了简化和改进,同时为加快算法的收敛速率引入一个长度为N0的窗实现瞬时权值转移。仿真结果表明:文中改进算法在噪声、相关信号输入以及非平稳环境下能够保持较好的均方性能和跟踪性能,并且具备更快的收敛速率。     

一种变步长LMS自适应算法

本文提出一种步长自适应于绝对误差和的最小均方(LMS)自适应算法。给出收敛条件和精度比值。新算法对平稳和非平稳输入信号的权噪声功率,及系统的跟踪能力都明显地优于一般的LMS自适应算法。并给出计算机模拟结果。     

基于快速残差插值和卷积神经网络的去马赛克算法

针对传统插值法存在的图像细节不能很好恢复的不足,利用卷积神经网络作为残差插值法的后处理操作,提出了一种基于残差插值和卷积神经网络的去马赛克算法。方法分为初始去马赛克和细节恢复后处理两部分。先用改进的基于梯度的快速残差插值法实现初步去马赛克插值,并针对恢复图像中包含了彩色伪影,细节丢失等问题,再使用深度残差网络学习恢复图像与理想全彩色图像之间的映射,实现后处理。在Kodak数据集和IMAX数据集上的实验结果表明,该方法结果在主观视觉特性和客观评价指标两方面相较于传统方法都有明显改进。     

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

阐述了一种改进的LMS算法并应用于自适应噪声对消．新算法利用误差信号的相关值调节算法步长，解决了收敛时间和稳态误差的矛盾，并且不受已经存在的不相关噪声的干扰．对该算法的收敛性和稳定性进行了分析，仿真表明该算法优于固定步长的LMS算法和VSSLMS(variable step size)算法．     

一种自适应调零阵的LCMV算法

详细推导了基于功率倒置阵列的线性约束最小方差(LCMV)算法及其递推公式,避免了矩阵求逆的复杂运算。然后在Matlab环境里构建了仿真模型来模拟实际的接收环境和复现阵列接收到的信号,对均匀线阵和圆阵都做了仿真,并得到了相应的阵列波束图,为自适应天线的实用设计提供了参考和依据。仿真结果表明:该算法收敛速度快、易于实现,利用LCMV算法作为自适应算法的功率倒置阵列抗干扰方案适合在强干扰的环境下工作,干扰越强,其对应的零陷越深。