高噪声率下一种改进的极值型中值滤波算法

在对极值中值滤波算法进行研究与分析的基础上,提出一种在高噪声环境下改进的极值型中值滤波算法,该算法在原有算法的基础上提出如下改进:去除窗口中的全部噪声点,只对由信号点组成的有序序列取中值,并以该值作为输出值.实验表明,该方法滤波效果比较理想.     

An E.Commerce Recommender System Based on Content-Based Filtering

Content-based filtering E-commerce recommender system was discussed fully in this paper. Users＇ unique features can be explored by means of vector space model firstly. Then based on the qualitative value of products informa tion, the recommender lists were obtained. Since the system can adapt to the users＇ feedback automatically, its performance were enhanced comprehensively. Finally the evaluation of the system and the experimental results were presented.     

视网膜血管直径交互式测量方法

以DRIVE和STARE公开眼底库以及临床采集的眼底图像为实验对象,引入盒式滤波优化算法进行眼底图像自适应对比度增强,提出一种感兴趣测量区域视网膜动静脉管径的交互式测量方法.该方法采用2D Gabor滤波提取眼底血管轮廓进行阈值分割和细化提取骨架,对骨架上的分叉点进行连通域判断确定最终血管网络,采用交互式测量方法得到血管的直径.实验结果表明,本算法在眼底图像增强和眼底血管网络提取等方面效果较好,血管直径的交互式测量结果与人工测量结果相比较为接近,且计算速度较快,误差较低.     

改进型自适应差分算法

本文就在复杂背景下的运动目标检测,对传统的帧间差分法和背景帧差法进行改进,对Canny算子检测边缘检测运动目标和增加计数器来对背景模型实时更新的基本算法进行改进,对他们的缺点进行改进,同时引入了中值法提取的背景作为初始背景,大津法进行目标分割,再结合集合关系。将得到的两种二值化图像进行与运算,最后利用图像形态学滤波得到准确的运动目标。     

基于融合估计的金融数据预测

本文提出了一个基于最小二乘预测和Kalman滤波预测的融合估计方法,并讨论了其性质.通过模拟和实例分析,验证了方法的可行性和优越性.     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

目标检测中的快速中值滤波法

在简要描述条带式CCD(Charge Coupled Device)弹道相机测试系统中的计算机软件处理子系统的基础上,针对在图像处理过程中,中值滤波排序工作量多、速度慢、非实时性的缺点,提出了一种快速中值滤波法.其主要特点是充分利用相邻两个中值滤波窗口内信号数据的相关性,通过移出和移入一列像素,而保留其左边界和上边界窗口内的排序信息;仅对新移入的像素进行排序的方法,完成中值滤波处理.使传统算法的复杂度由O(D4)下降到O(D2),大大提高了运算速度.将此方法应用到测试系统中,取得了很好的效果,实现了系统实时性要求.     

GPS静态单点定位的滤波算法比较

针对目前利用低成本全球卫星定位系统(GPS)进行静态单点定位精度较差的问题,分别将卡尔曼滤波、粒子滤波和扩展卡尔曼粒子滤波理论应用于其中.对两组由不同GPS-OEM板构成的单点定位系统实测的经纬度和海拔高度数据进行了滤波处理,并对不同滤波算法的效果作出了比较与分析.分析结果表明,滤波后定位精度有了明显提高,3种滤波算法中扩展卡尔曼粒子滤波的滤波效果最好,粒子滤波次之,卡尔曼滤波效果一般.实验结果为提高低成本CPS静态单点定位系统的定位精度提供了一种有效的解决方案,同时也对各滤波器理论上的滤波效果进行了验证.     

基于纹理提取与注入的交通图像去雾算法研究

雾天户外视觉系统所拍摄的交通图像质量下降、特征模糊直接影响到后续智能交通系统的监控精度,研究交通图像的去雾问题具有重要的实际意义.不同于一般的可视场景图像,交通图像的去雾在关注其去雾后视觉效果的同时,更应重视对交通图像纹理、边缘等特征信息的保持.提出一种基于纹理提取与注入的交通图像去雾算法,利用引导滤波从含雾交通图像的非下采样Contourlet变换的高频子带中提取交通图像的纹理、边缘信息,然后将其注入利用暗通道模型的去雾图像中,在有效去雾的同时一定程度上增强了去雾后交通图像的纹理细节信息.实验结果验证了算法的有效性.     

基于分布式纳什Q学习的多传感器协同目标跟踪

针对传统目标跟踪算法过分依赖环境模型的问题,提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法.分析了强化学习与分布式纳什Q学习算法的原理;描述了多传感器的协同跟踪态势,建立了离散系统的非线性模型,给出了传统的扩展卡尔曼滤波解决方法;定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数,奖惩函数通过计算预测误差方差阵的迹得到;采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题.纯方位量测信息的被动跟踪仿真结果表明,相比于传统滤波算法,该算法增强了传感器对环境变化的适应性,实现了对目标的有效跟踪,提高了跟踪精度.