基于LoG算子的双滤波边缘检测算法

边缘检测是图像处理中的重要步骤,为了有效抑制噪点并保留边缘信息,分析了高斯滤波不具有自适应性的缺陷,根据噪声灰度值不连续的特性,在改进传统均值滤波的基础上,提出了一种加权系数自适应的均值滤波,并通过与LoG算子相结合,得出一种基于LoG算子的双滤波边缘检测算法。通过实验对比发现,该算法可有效的消除噪点的干扰,又能保证获取边缘的准确性,并且与LoG算子、Canny算子等算法相比较,在保持检测速度基本不变的情况下具有更好的检测精度。     

基于变权值自适应滤波的风光储协调优化控制

针对平抑风光储联合发电系统输出功率波动问题,提出一种具有变权值自适应滤波的风光储协调优化控制策略。在传统的加权移动滤波算法基础上,分析了储能出力、波动率以及滤波带宽的关系,以储能系统的荷电状态(state of charge,SOC)平衡度指标和并网功率波动率作为约束条件实时调整加权移动滤波算法的权值与滤波带宽。在给定的波动率约束下,实现风光储联合发电系统协调优化控制。算例表明,所提出的变权值自适应滤波算法优于传统的一阶低通滤波风光功率平滑效果,在保证SOC合理水平前提下,有效平抑了风光联合输出功率的波动,降低了储能系统充放电次数,提高了储能系统的使用寿命。     

基于方向的多阈值自适应中值滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保持图像细节,提出一种基于滤波值二次修正的图像椒盐噪声滤波算法。该算法首先利用基于阈值的自适应中值滤波改进算法实现对噪声点的检测与初级滤波,然后对滤波值采用基于方向信息的多阈值自适应滤波算法,实现对初级滤波值的二次修正。算法结合了基于阈值的自适应中值改进算法良好地噪声检测性能及基于方向信息的多阈值自适应滤波算法的细节保护能力。实验结果表明,在客观评价指标和主观视觉效果方面,新算法均取得了优于传统自适应中值滤波算法及其改进算法的效果。     

一种基于自适应滤波的指纹图像增强算法

采集到的指纹图像中往往包含噪声,这些噪声对后续的特征提取和匹配会带来非常不利的影响.为了提高指纹特征提取和匹配的鲁棒性,需对指纹图像进行增强,提高脊线和谷线的对比度,同时滤除图像中的噪声.本文提出了一种基于自适应滤波的指纹图像增强算法,首先改进了Lin Hong提出的方向场计算方法,然后进行基于方向场的第一次粗滤波;在第一次滤波的基础上计算频率场,最后针对每个分块区域进行自适应增强滤波.实验证明,本文提出的增强算法能有效地对指纹图像进行增强.即使是低质量的指纹图像,也能取得较好的增强效果.     

基于引导滤波图像分层的红外烟尘图像增强

为解决烟尘环境对红外图像增强处理的干扰，突出目标的轮廓细节，提出一种基于引导滤波图像分层的红外烟尘图像增强方法。首先利用引导滤波将图像拆分为基础层与细节层，对细节层使用分数阶微分掩模作增强处理；然后基于红外烟尘图像的特点设计了二次分层方法，利用各项异性扩散将基础层分为原始层与轮廓层；之后对原始层进行自适应直方图均衡化，对轮廓层进行增益放大并与细节层合并；最后利用平均亮度设置权值函数，将两层图像进行加权融合得到增强图像。实验结果表明，相较于其他增强算法，该方法能够更有效的提高烟尘干扰下红外图像的清晰度，突出其细节纹理特征，增强后3组图像的平均梯度和信息熵平均值为7.721 1及5.811 4,相较于原始图像提升1.011 9及3.177 8。     

改进Sage-Husa 算法结合小波模糊阈值算法的MEMS陀螺去噪

为解决微机电系统（MEMS）中陀螺仪输出噪声大、精度低的问题,基于自适应滤波算法与小波阈值算法的基础上,将小波阈值算法与模糊理论结合,提出了Sage-Husa自适应滤波算法联合小波模糊阈值去噪算法应用在MEMS陀螺去噪中。首先使用改进的Sage-Husa自适应滤波算法进行预处理,通过修正状态的预测值抑制干扰数据对滤波的影响,然后使用小波模糊阈值去噪算法对信号进行后处理,实现抑制随机噪声的效果。实验结果表明：在静态实验中,该算法去噪效果优于Sage-Husa自适应滤波算法和小波阈值算法,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低78.7%和14.6%,信噪比分别提高43.7%和16.3%。;在动态实验中,该算法能够自适应地减少异常值的不利影响,保持原始信号的波形,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低62.7%和31.6%,信噪比分别提高47.8%和10.0%。     

面向电力设备红外图像的混合噪声去除方法研究

电力设备的红外图像在采集传输过程中,易受高斯噪声与脉冲噪声的影响从而破坏图像的真实信息,为满足图像处理过程对图像质量的要求,文中提出了一种针对红外图像混合噪声的滤除方法。首先利用三方加权稀疏编码（TWSC）模型有效滤除红外图像中的高斯噪声,然后利用图像结构纹理分解结合中值滤波算法实现剩余脉冲噪声的分离与去除,实现在滤除红外图像混合噪声的同时较好地保持图像的边缘结构信息,结合实例分析表明文中方法能够有效滤除噪声并获得较高的峰值信噪比（PSNR）与结构相似度（SSIM）。     

基于小波分解切换规则的交互系统切换滤波方法*

交互系统中常出现多种混合噪声,单一的滤波算法无法满足交互系统对精确性的要求,而联合滤波算法往往牺牲了系统的实时性。为此提出一种基于小波分解切换规则的滤波算法,通过切换规则判断图像中噪声的类型,选择更加匹配的滤波子系统。同时结合改进的Canny算子,提出一种改进的小波域维纳滤波去噪算法。实验结果表明,该算法对单一噪声和混合噪声都有较好效果,但椒盐噪声的滤波效果不如自适应中值滤波,可通过切换规则将滤波系统切换到自适应中值滤波。该算法将在对实时性要求高的互动领域内有广泛的应用前景。     

一种迭代滤波快速图像修复算法

为了充分利用图像局部区域信息来加快信息有效扩散及克服现有算法对图像纹理细节保护不足,提出了一种迭代滤波快速图像修复改进算法。该算法从破损区域由外向内取得一组有先后次序的待修复点,通过自适应选择其高斯掩膜领域,充分汲取已知（完好）区域信息,利用领域点等值线方向信息及远近距离来调整高斯核权系数,以准确控制滤波过程中的平滑强度;实验表明,与同类算法相比,该算法在同等迭代修复次数下,图像纹理更加清晰,峰值信噪比提高,具有较好的图像修复效果。     

基于指数同态滤波耦合细节锐化规则的 红外图像增强算法

为了解决当前红外图像增强方法存在的光晕及细节模糊等不足,提出了指数同态滤波耦合细节锐化规则的红外图像增强算法.基于同态滤波方法,通过频域中的像素点与中心像素点的距离,构造指数型同态函数,以同时完成图像的去噪和增强对比度处理.联合相位一致性方法和自适应高提升滤波方法,构造了细节锐化机制.在图像的细节锐化中,利用相位一致性方法,通过傅里叶变换,准确提取出图像的细节特征.并引入高提升滤波方法,利用图像的均值,构造自适应的锐化因子,以形成自适应高提升滤波方法,对提取的图像细节特征进行锐化,完成图像细节内容的增强.实验结果表明,较当前的红外图像增强算法而言,所提算法具有更好的增强效果,其增强图像呈现出更为理想的对比度和更为清晰的图像边缘.     

基于改进PSO-BP算法的机器人目标位姿识别方法

机器人作业环境复杂,物料分布具有随机性,导致机器人目标位姿的辨识和定位精度低,实时性差,为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理,构建多尺度灰度差异算子以及局部图像熵算子,将两者点积运算获取加权局部熵,抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息,提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理,采用优化后的BP神经网络算法对提取的特征展开训练和识别,最终实现机器人目标位姿识别。实验结果表明,当机器人目标测试样本数量为55个时,所提方法的亮度方差为0.305,当像素识别误差为1.5%时,所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标,获取高精度的机器人目标位姿识别结果。     

基于SIFT特征点检测与维纳滤波的图像复原算法

为了解决当前图像局部模糊程度不一,导致图像复原效果欠佳,本文分别从图像特征点检测与滤波复原的角度出发,提出了基于SIFT特征点检测与维纳滤波的图像复原算法.根据尺度空间极值特性,进行关键点定位和方向分配,设计特征点描述子,得到模糊图像特征点分布,以建立圆盘复原模型中心坐标.基于点扩散圆盘函数特性,耦合傅里叶变换和最小二乘滤波,设计了无约束维纳滤波算子,达到图像复原处理的目的.根据特征角点定位,引导复原滤波圆盘函数计算起始位置,完成图像复原.实验测试结果显示,与当前复原算法相比,本算法拥有更高的复原视觉质量.     

基于RLS的红外焦平面器件非均匀性校正算法

针对红外焦平面器件（IRFPA）存在着严重的非均匀性和探测元响应特性随时间漂移的实际情况，开发了基于场景的递归最小二乘（RLS）非均匀性校正算法，通过逐帧估计每个探测器的增益和偏置，来补偿图像中的固定图案噪声。通过对参考信号的精确估计，达到最优的校正精度。在算法中，首先提出了一种条纹噪声估计方法来消除图像中的条纹噪声；然后利用周围探测单元的像素值，采用自适应加权平均滤波器的方法精确估计目标边缘处的参考信号；权系数是根据加性误差来选择的。这样，随着递归次数的增加，参考信号能够更接近真实的辐射信号。通过参考信号可以精确地估计探测器的增益和偏置。仿真实验以及对实际红外图像序列的实验结果表明，本文提出的校正算法收敛速度快、校正精度高，具有很好的外场工程适应性能。     

基于双重滤波与锐化的遥感图像增强算法

为了解决遥感卫星影像普遍存在着亮度、对比度低的问题,提出了基于滤波与锐化的遥感图像增强算法。首先,根据线性运算中核矩阵像素权值特性,设计基于中值滤波与高斯滤波的图像滤波算子。然后,采用图像一阶导数逼近技术,计算图像强度梯度,并采用图像二阶导数计算梯度的散度,从而建立基于Sobel与Laplacian的图像锐化增强算子,以增强图像对比度。最后,基于非局部均值算法,完成图像去噪,实现遥感图像平滑增强的目的。实验测试结果表明,与当前遥感图像增强技术相比,本算法拥有更高的增强质量,更好地保留了图像的亮度与色度信息。     

一种基于中值滤波的局部阈值分割算法

在实际的工业现场,光照环境无法非常均匀,在部分位置可能会出现目标区域与背景无法分割,这就给后期的BLOB分析带来了非常大的困难.针对这种光照不均匀、背景复杂的情况,提出了这种基于中值滤波的局部阈值分割算法.在得到原始图像之后,使用中值滤波得到一个大于原始图像宽度两倍的掩膜,再用原始图像与掩膜图像做差得到一个区域,最后选择一个合适的阈值对这个区域进行分水岭阈值分割,就可以得到期望的区域,为之后的连通性分析打下基础.通过在halcon中的实验结果可以说明,提出的算法优于全局Otsu分割算法和分水岭分割算法,更加适用于缺陷检测,字符识别等工业应用的现场.     

改进的可变加权卡尔曼激光雷达滤波算法

针对大气激光雷达探测信号容易受到背景光的干扰,远端探测信号信噪比下降剧烈的问题,根据激光雷达回波信号具有长序列的特点,提出了激光雷达探测信号的改进可变加权卡尔曼滤波算法。该算法在可变加权系数中增加一个常数项,使得改进后的算法可在不同时刻,对长时间序列的激光雷达探测信号提供可变的加权系数。该算法克服了传统卡尔曼算法中滤波增益恒定的问题,增强了新探测信号在最优估计的修正作用,对于长、短时间序列信号均具有很好的滤波效果。本算法经大气激光雷达在不同天气实测信号的验证,与其他3种卡尔曼滤波算法相比,在无云天大气气溶胶消光系数的反演误差,分别降低了53%、25%和3%,回波信号信噪比分别提高了5.5、4.4和3.4 dB。在有云天大气气溶胶消光系数的反演误差,分别降低了57%、26%和4%,回波信号的信噪比分别提高了4.9、3.7和2.5 dB。该算法不但提高了大气气溶胶光学特性的反演精度,而且为气溶胶微物理参数精细探测和激光雷达在气象领域的应用提供了一种有效手段。     

Optimal design of symmetric fractional delay filter using firefly algorithm

A fractional delay filter is used to increase the accuracy, preciseness, time synchronization, and stability of signal processing system. However, designing a fractional delay filter for a specified delay, without affecting spectral characteristics of the signal is challenging because of nondifferentiability and multimodal nature of its objective function. In this paper, a more accurate design technique has been proposed for designing fractional delay filters, based on a recently developed firefly algorithm and its improved version. The designed filters offer variable fractional delay. A novel symmetric structure of implementation has been used to design filters. The efficacy of the proposed technique is evaluated by considering a filter design example. The performance of the proposed technique is compared with the other exiting algorithm. The comparative analysis of finite impulse response (FIR) fractional delay filter design proves that the proposed algorithm has a smaller design error and an implementation complexity than the other reported existing algorithms. In addition to this, the designed FIR fractional delay filter is implemented on Xilinx Virtex-7 for experimental validation.     

Self‐tuning fusion Kalman filter weighted by scalars and its convergence analysis for multi‐channel autoregressive moving average signals

For the multi‐sensor multi‐channel autoregressive (AR) moving average signals with white measurement noises and an AR‐colored measurement noise, a multi‐stage information fusion identification method is presented when model parameters and noise variances are partially unknown. The local estimators of model parameters and noise variances are obtained by the multidimensional recursive instrumental variable algorithm and correlation method, and the fused estimators are obtained by taking the average of the local estimators. They have the strong consistency. Substituting them into the optimal information fusion Kalman filter weighted by scalars, a self‐tuning fusion Kalman filter for multi‐channel AR moving average signals is presented. Applying the dynamic error system analysis method, it is proved that the proposed self‐tuning fusion Kalman filter converges to the optimal fusion Kalman filter in a realization, so that it has asymptotic optimality. A simulation example for a target tracking system with three sensors shows its effectiveness. Copyright © 2014 John Wiley & Sons, Ltd.     

基于多尺度Gabor滤波器的彩色图像边缘检测

为了更好实现对彩色图像进行边缘提取,并保证算法具有更好的稳定性,文章使用多尺度Gabor滤波器的方法,来提取彩色图像边缘和轮廓.构建了3个尺度、16个方向的Gabor滤波器.首先将彩色图像灰度化,利用多尺度Gabor虚部滤波器提取图像灰度变化信息.通过非极大值抑制,并通过高低阈值获取边缘像素点及其候选边缘,最后利用局部边缘连接获取图像边缘轮廓.并将本算法与常用边缘检测算法进行实验性能比较,实验结果表明:提出的算法既能获得较高的定位准确度,又具有很好的噪声鲁棒性,该算法与常用的Roberts等一系列算法相比,检测效果更好,稳定性更强.