利用改进的中值滤波消除QuickBird影像中的脉冲噪声

QuickBird高空间分辨率遥感影像已在各个领域得到了广泛的应用,然而其在获取和传输的过程中通常会受到噪声,特别是脉冲噪声的污染,从而影响了其后续应用。为此,提出了一种基于改进中值滤波的遥感影像中脉冲噪声的检测和滤除算法。首先利用一维拉普拉斯卷积核和扩张函数检测图像中的噪声像素;然后利用向量中值滤波（Vector Median Filter,VMF）对检测到的噪声像素进行恢复。实验结果表明,相对于其它几种噪声滤除算法,所提出的算法取得了较好的噪声滤除效果。     

基于直觉模糊熵的红外图像预处理方法

针对红外图像中的脉冲噪声问题以及传统滤波算法的不足,提出了一种自适应直觉模糊滤波算法.该算法利用直觉模糊集理论在处理不确定性问题中的优势,将图像中各个像素点改由一对隶属度函数和非隶属度函数自适应地标定,然后采用修改后的直觉模糊熵定义自适应地确定各像素点的权值以完成滤波.给出了该算法的具体步骤,仿真结果表明:当脉冲噪声密度较大时,采用该算法可有效地滤除噪声;即使当噪声密度很大时,在数学形态学方法的辅助下,该算法也可出色地完成脉冲噪声滤除工作.     

针对图像脉冲噪声的参数自调整滤波算法

提出了一种针对脉冲噪声的参数自调整图像滤波算法,该算法将基于相关性双阈值噪声检测的非线性滤波算法和基于最小相邻图像均方差的参数自调整算法有机地结合在一起,不需要了解原图像和噪声污染的信息,可以直接通过参数自调整算法对非线性滤波算法中的参数自动地进行优化选择。基于Matlab的仿真试验表明,该算法对脉冲噪声有非常好的抑制能力,并且能够很好地保护图像的细节信息,对各类不同密度的脉冲噪声图像进行滤波均能得到令人满意的结果。     

α稳定分布噪声下基于梯度范数的VSS-NLMP算法

针对α稳定分布噪声环境下的自适应滤波问题，提出一种新的基于梯度范数的变步长归一化最小平均p范数(variable step size normalized least mean p norm, VSS-NLMP)算法。该算法首先对梯度矢量进行加权平滑，以减小梯度噪声的影响，然后利用梯度矢量能够跟踪自适应过程的均方偏差这一特点，利用梯度矢量的欧氏范数控制步长的变化。给出了新算法的迭代过程，然后对其收敛性进行分析，仿真结果表明本算法较现有变步长NLMP算法有更好的性能。     

基于边缘梯度的自动聚焦算法

针对传统自动聚焦算法所存在的问题,提出了一种基于边缘梯度的自动聚焦算法。首先通过阈值检测算法得到图像序列的边缘,把图像中的背景部分滤除,减少了背景信息的影响,从而可以提高算法的精确度和稳定性,然后用边缘像素的梯度值来表征最后图像的清晰程度。经过大量的仿真实验表明,所提算法不仅有单峰性强,无偏性好,灵敏度高等特点,而且还具有很好的抗噪声性能,具有很好的稳定性。     

基于同质性分割的图像滤波方法研究

针对图像中存在的噪声,在同质性分割基础上提出了一种新的图像滤波方法.该方法首先利用形态学算子描述图像的不连续性,重新定义同质性,提高了图像的抗噪性.然后利用统计得到的同质直方图,并通过峰值寻找算法得到波峰、波谷,进而对图像进行分割.最后计算不同子区域的灰度均值,对满足条件的子区域进行合并得到滤波图像.实验结果表明,与其它滤波方法相比,该方法在滤除噪声的同时更好地保留了图像的细节和边缘信息,而且对含有不同噪声密度的图像均能得到较好的滤波效果.     

SAR图像斑点噪声滤除方法应用研究

SAR图像中相干斑点噪声的滤除方法很多,在不同情况下选择不同滤波方法的研究急待进行。分别利用常用空间域滤波方法和数种小波系数滤波算法对4幅不同的SAR图像进行斑点噪声的滤除,分析了各自在不同图像滤波中的优缺点,为在不同情况下使用不同的滤波算法提供了一种经验性分析结果。在大量实验的基础上,得到了小波滤波阈值系数比例值为1 5时的较好的滤波效果,利用小波变换细节子图间的近似比例关系,提高了运算的速度。     

基于自适应参数回归的非局部图像滤波算法

针对图像加性高斯白噪声,提出一种优化的自适应参数滤波算法。该算法以非局部欧氏中值(non-local Euclidean medians, NLEM)滤波算法为基础,根据含噪图像梯度幅值在一定噪声范围内服从Rayleigh分布这一特性,求得以梯度幅值和噪声标准差为自变量的二元自适应滤波参数,并将它引入到邻域的权值计算中。其次,噪声的变化影响着l_p范数回归的选择,在一定范围内以噪声标准差为自变量对参数p进行多项式拟合,得到自适应l_p范数回归。在自适应滤波参数基础上,用自适应l_p范数回归进一步改进NLEM滤波算法的l₁范数回归。所选图像的实验结果表明,本文算法在一定噪声范围内不但获得满意的去噪效果,而且有效地减少人机交互程度。     

一种混合噪声的模糊滤波算法

为了解决混合噪声图像增强中抑制噪声和保持边缘细节的矛盾,提出一种基于多级中值滤波和模糊加权均值滤波的图像模糊去噪方法.根据不同的区域,不同噪声,通过模糊推理,模糊合成多级中值滤波和模糊加权均值滤波的结果,在滤除混合噪声的同时,保留图像的边缘细节.根据实验结果,从客观和主观两方面比较了本算法和几种方法的效果,表明本方法有较好的抑制噪声,保持图像细节对比度的能力.     

α稳定分布噪声下一种稳健加权滤波的统一框架

针对传统滤波方法在α稳定分布噪声环境下性能退化的问题,从加权Myriad滤波以及加权Merid滤波方法出发,以M估计理论为基础,推导得到稳健加权(robust weighted,RW)滤波方法的统一算法结构,并据此提出了基于RW滤波的新算法,即基于稳健加权滤波的统一框架,从而将加权Myriad、加权Merid以及基于广义柯西分布的加权滤波器统一起来。此外,针对线性调频(linear frequency modulation, LFM)信号采用基于RW的LVD(RW LVD)方法估计其参数,并根据估计性能对RW方法的抑噪效果进行分析。仿真结果表明,与基于加权Myriad滤波、加权Merid滤波以及基于广义柯西分布的加权滤波等多种方法相比,在强脉冲噪声下RW滤波方法能有效抑制脉冲噪声,并具有良好的稳健性。     

蒙卡渲染画面多特征非局部均值滤波降噪算法

针对蒙特卡罗渲染在低光线路径采样率下绘制的图像容易出现噪点的问题，提出一种蒙特卡罗渲染画面多特征非局部均值降噪算法。使用canny算法对场景反射率图进行梯度化，以反射率梯度图为引导图，利用引导滤波器对法向量图预滤波；求出预滤波后法向量图中图像块之间的结构相似性，利用结构相似性倒数的对数值对非局部均值滤波器权值进行改进；利用改进后的非局部均值滤波器对噪点图像进行滤波重构。实验结果表明：该算法能在典型场景中有效降低渲染画面的噪声，改善均方误差和峰值信噪比质量指标。     

非基线对称类信号的基线扣除新算法

在分析了现有基线扣除算法的基础上,根据非基线对称类基线信号的特征提出了一种新的基线扣除算法--基于小波滤波和梯度直方图最佳分割的非基线对称类信号基线扣除新算法.考虑到信号总是存在着噪声,含噪的基线信号梯度值也较大,并且分布无规律,采用了多分辨率小波变换滤波技术.通过合理选择最佳分割阈值门限,算法可精确提取出该类信号的基线.     

基于小波变换的雷达目标回波信号提取算法

随着雷达技术的快速发展,低信噪比(signal-to-noise ratio, SNR)条件下的雷达目标信号提取越来越重要。传统的脉冲压缩算法在低SNR条件下作用不明显。提出了一种新的在低SNR条件下的雷达目标回波信号提取算法。该算法在传统脉冲压缩算法的基础之上,采用小波变换对脉冲压缩后的信号进行分解,提取信号高频信息的小波系数。再用改进的小波变换模极大值算法对信号的高频信息进行去噪,然后重构信号的高频信息,最后再重构完整的雷达目标回波信号。仿真结果表明,该算法能够有效地去除噪声,提取出雷达目标的回波信号,相比于脉冲压缩算法及其他算法性能得到了很大的提升。     

采用两类滤波器的有源噪声控制算法

将格型结构滤波器与IIR滤波器级联来实现一种有源噪声控制 (ANC)算法。这种算法在格型结构部分采用梯度自适应格型 (GAL)算法 ,在IIR滤波器部分采用Filtered U算法 ,该算法具有收敛速度快、计算量较小的特点。仿真结果证明算法是有效的。     

二阶自适应IIR陷波器复数算法的收敛性分析

针对背景噪声中复正弦信号的检测和估计问题,分析了自适应格型IIR陷波器的两种复数算法即梯度算法和简化的梯度算法的收敛性能,证明了输入白噪声方差的大小不影响收敛速度。并分析了由一阶自回归模型产生的有色噪声对算法的收敛性能的影响,为有色噪声中复正弦信号检测的自适应过程的参数的选取提供了理论依据。     

基于盒差分滤波器的脉冲检测算法

为了估计脉冲的到达时间和脉冲宽度,将图像处理领域的边缘检测思想应用于电子对抗中的脉冲信号检测问题,提出了一种基于盒差分(difference of boxes, DOB)滤波器的脉冲边沿检测算法。推导并给出了算法的基本流程,仿真分析了不同滤波器阶数和不同信噪比条件下的脉冲检测结果。仿真结果表明,该算法的检测性能优于能量检测算法,但检测采用的DOB滤波器大小不能大于脉内信号的采样点数。     

基于容积卡尔曼滤波的约束恒模波束形成算法

提出一种基于容积卡尔曼滤波的线性约束恒模波束形成算法。首先使用伪观测法将恒模代价函数和约束条件写成状态观测方程,之后利用容积卡尔曼滤波算法来求解以上非线性滤波问题。所提方法能够避免常规算法对模型的近似处理和特征值分散效应对波束形成器输出性能的影响,因此对干扰和噪声有更强的抑制能力。仿真结果表明,本算法相比随机梯度法和递归最小二乘法具有更快的收敛速度和更高的输出信干噪比,在非平稳环境下,能够迅速调整权值收敛到最优解。     

一种基于神经网络的非线性自适应滤波器

提出了基于Ａｄａｌｉｎｅ－ＭＬＰ递归神经网络的非线性自适应滤波器。这种新的滤波器运用了自适应ＩＲ滤波器理论，具有神经网络分布式并行信息处理，较好的容错特性和鲁棒效应等优点，且比传统的滤波器有更好的收敛特性，并可方便地实现非线性滤波。此外，还给出了Ａｄａｌｉｎｅ－ＭＬＰ递归网络在线滤波算法及其在非线性自适应噪声抵消器中的应用。最后进行了计算机仿真。     

基于卡尔曼滤波的在线量子态估计优化算法

针对连续弱测量中存在高斯测量噪声的问题, 提出一种基于卡尔曼滤波的在线量子状态估计的预测-修正-投影优化算法。首先,在常规在线卡尔曼滤波算法预测状态时间更新和估计状态测量更新的基础上, 通过增加对量子态的约束条件, 将其应用于在线的量子状态估计中, 将量子态在线估计问题转化为一个带有量子态约束条件的卡尔曼滤波优化问题。其次,通过将待优化问题的求解分解成两个凸优化子问题,一个是基于在线卡尔曼滤波算法求解无约束条件下的量子测量更新问题, 另一个是利用量子约束条件信息, 通过求解矩阵投影问题来获得估计状态。最后,将所提算法应用到4量子位系统状态的在线估计数值实验中, 进行了性能对比实验。实验结果表明, 所提算法具有更优的在线状态估计精度, 并且能够以更少的采样次数和耗时, 实现较高精度的量子状态在线估计。