基于噪声检测的彩色图象脉冲噪声滤波

文章提出了具有细节保持能力的自适应彩色图像脉冲噪声滤波器,称为细节保持滤波器。新方法对图像中噪声像素进行检测,仅对噪声像素进行有序滤波而对非噪声像素则保持其原值不变,并根据图像噪声情况自适应地选择滤波窗口。从而,有效地滤除随机彩色脉冲噪声、保持图像边缘与细节,其性能优于经典的矢量中值滤波器（ＶＭＦ）、方向一距离滤波器（ＤＤＦ）、距离一幅度矢量滤波器（ＤＭＶＦ）等非线性滤波器。     

基于局部空间像素特征的自适应加权滤波算法

提出了一种新的基于局部空间像素特征的椒盐噪声自适应加权滤波算法。该算法首先对含噪图像逐点进行噪声检测,把所有像素分为含噪像素点和信号像素点;然后采用自适应加权滤波方法,对检测到的噪声点进行滤波,滤波权重由确定的数学公式来确定,自适应于滤波窗内临近像素的局部特征。实验结果表明,该算法不仅可以有效地除去椒盐噪声,又可以较好地保持图像边缘细节,尤其在噪声密度较大时,效果明显优于传统的中值滤波算法。     

基于旋转不变像素相关性的加权中值滤波器

作为一种典型的非线性滤波器,加权中值滤波器可以通过权值系数调整图像的滤波性能。但是在传统加权中值滤波器中,模板内各个像素都对应唯一的权值系数,没有考虑到滤波模板下像素之间的相关性。因此,将权值与模板下两两像素间相关性对应,提出一种新的加权中值滤波模型。同时考虑到图像旋转、翻转情况下滤波的稳定性,进行对称性设计,降低权值模型复杂度,采用差分进化算法对权值进行寻优。对不同滤波器进行权值寻优实验可以看出,基于旋转不变像素相关性的权值模型具有更好的收敛性;灰度图像和彩色图像脉冲噪声的滤波实验结果表明,其在抑制图像噪声,细节和边缘保护以及彩色图像的色调保持方面,优于传统加权中值滤波算法。     

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波（IAWMF）算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口（N ×N）的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明：改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比（ PSNR）、均值平方误差（MAE）、均值绝对误差（MSE）显著优于其他算法,在降噪和保持细节中取得很好的平衡。     

一种自适应图像去噪混合滤波方法

结合自适应中值滤波技术和自适应压缩加权均值滤波技术,提出了一种新的图像混合噪声滤波算法。算法首先对受混合噪声污染的图像利用灰度极值检测出脉冲噪声,运用自适应中值滤波滤除脉冲噪声;其次对处理结果进行自适应压缩的加权均值滤波。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。     

去除椒盐噪声的自适应开关加权均值滤波

提出一种去除椒盐噪声的自适应开关加权均值滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点,对检测出的噪声点采用加权均值滤波进行处理,而信号点保持其灰度值不变直接输出。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改算法有更好的滤波性能。     

神经网络噪声检测的自适应加权均值滤波算法

针对传统滤波方法对纹理比较细腻的图像以及高噪声密度图像的处理能力欠佳的缺陷,提出了一种基于BP神经网络噪声检测的自适应加权均值滤波方法.用训练好的BP神经网络检测出图像中被椒盐噪声污染的像素并对其进行标记,对检测出的噪声点进行自适应加权均值滤波,信号点则保持不变,从而实现了对图像细节的有效保护.仿真表明了该算法滤波性能和细节保护能力均优于各种传统滤波算法.     

模糊加权中值滤波器

本文介绍了一种模糊加权中值滤波器,该滤波器由模糊布尔函数和滤波加权确定。本文用S型函数逼近模糊布尔函数。此外,用模糊理论领域中使用的S型函数逼近所滤波的加权。模糊加权中值滤波器只由4个参数确定。所提出的滤波在均方误差准则下能够由最小均方算法导出。图像复原的实验结果表明,本文介绍的模糊加权中值滤波方法既能去除脉冲噪声和平滑高斯噪声,又能同时有效地保持边缘和图像细节,漠糊加权中值滤波器明显优于加权中值滤波器,也优于Wiener滤波器。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

一种稳健的自适应图像平滑算法

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。优秀的平滑算法应该在有效处理含有多种噪声的受污图像时，仍具备良好的图像细节保持能力。为了能够在有效地处理含有多种噪声的受污图像的同时保持图像细节，提出了一种结合非线性和线性滤波器的稳健平滑算法，该算法是在分析几种细节保持能力良好的平滑算法(梯度加权平滑、自适应中值滤波、稳健平滑、边缘保持滤波器)的基础上，通过吸收上述几种平滑算法细节保持效果较好的优点，结合它们各自对不同噪声的适应性而得到的。针对含有多种噪声的受污图像，用该算法进行了去噪试验，多次试验结果表明，该算法在稳健地处理这些受污图像的同时，仍可以保持良好的图像细节，同时该算法还可以稳健地处理复杂的含噪图像，且具备良好自适应性，可以为涉及图像处理的软件架构，提供相应的算法支持。     

Generalised fuzzy weighted mean and its applications

Fuzzy weighted arithmetic average or fuzzy weighted average (FWA) for short has been deeply studied. However, no attention has been paid to other fuzzy weighted means such as fuzzy weighted geometric mean (FWGM), fuzzy weighted harmonic mean (FWHM) and the like. This paper presents a very general fuzzy weighted mean, which we refer to as generalised fuzzy weighted mean (GFWM). It includes FWA, FWGM, FWHM, fuzzy weighted quadratic mean (FWQM) and fuzzy weighted root-power mean (FWRM) as its special cases. Linear programming models for solving GFWM and its special cases are developed and the order relationships among FWA, FWGM and FWHM are investigated. Numerical examples that illustrate the computational processes of FWA, FWGM and FWHM are provided and their order relationships are numerically examined.     

信息过滤中基于统计与规则的关键词抽取研究

目前的研究大多把向量空间模型中特征项的选取与权重的计算分开,掩盖中文分词时产生的语义缺失,导致特征项区分度下降。为此,提出一种基于统计与规则的关键词抽取方法。利用句法规则提取出基本短语,以取代词袋模型中的词,考虑特征项位置、分布及语法角色等信息,综合加权计算特征项权重。实验结果表明,与现有方法相比,该方法能够更有效地进行文本信息过滤。     

Reliability analysis of computer solutions of systems of linear algebraic equations with approximate initial data

A weighted least squares problem {ie863-01} with positive definite weights M and N is considered, where A ∈ R^m×n is a rank-deficient matrix, b ∈ R^m. The hereditary, computational, and global errors of a weighted normal pseudosolution are estimated for perturbed initial data, including the case where the rank of the perturbed matrix varies. Translated from Kibernetika i Sistemnyi Analiz, No. 6, pp. 83–95, November–December 2008.     

一种新的加权关联规则模型

关联规则挖掘可以发现大量数据项集之间隐含的关系,在许多领域得到了广泛应用。目前很多关联规则挖掘算法已经被提出,这些算法一般都认为每个数据项的重要性相同。然而在现实中各个项目的重要性往往不同,从决策者角度出发,他们往往会优先考虑利润较高的项目,而忽略利润较低的项目。论文分析了现有加权关联规则文献中存在的问题,提出了一种新的加权关联规则模型,给出了有效挖掘加权频繁项集的MWFI算法。     

带权区域上任意两点间的近似最优路径算法调研

自1991年由Mitchell和Papadimitriou提出带权值区域问题以来,人们开始认识到带权值模型的通用性较强,陆续有很多学者开始研究这个问题。在二维带权区域近似最优路径问题中,一个二维空间被划分成n个三角形区域,每个三角形区域与一个正的权值相关联,不同的三角形区域权值可以不同。如何快速求解出任意两点间的一条路径并使其代价最少就是文中研究的内容。对此问题的国内外现状进行了详细阐述与比较,并提出一个能获得更为逼近最优路径的结果且牺牲运行时间较少的可行方案,最后指出此问题的发展趋势。     

一种改进的加权序列模式挖掘算法

在加权序列模式挖掘中,基于候选码生成-测试方法的MWSP是目前应用性最好的算法之一,然而在挖掘过程中容易出现候选组合爆炸的情况,为此文章提出了一种高效的加权序列模式挖掘算法（PWSM）。PWSM算法引入k-最小加权支持数概念并利用前缀投影数据库原理有效地避免了候选组合爆炸的发生,并且在挖掘的过程中充分利用最小加权支持数,再次对算法进行优化。实验表明,该算法较MWSP算法能更加有效地从序列数据库中挖掘加权序列模式。     

一种基于概率的加权关联规则挖掘算法

针对关联规则数据挖掘在实际应用中出现的问题:不能挖掘小概率事件中的关联规则, 提出了基于概率分布的加权关联规则挖掘算法。该算法同时改进了加权支持度计算方法,保持 Apriori算法的频繁集向下封闭的特性,并在实践中得到了有效的应用。     

一种改进的加权关联规则挖掘方法

考虑属性数量和属性权值对关联规则的影响,提出一种新的加权支持度和加权置信度计算方法,在挖掘加权关联规则时通过改进加权支持度设置模型保持Apriori算法的频繁集向下封闭特性。与Apriori算法和水平加权关联规则挖掘方法的比较结果证明该方法能快速有效地挖掘重要的关联规则。     

一种改进的加权频繁项集挖掘算法

FP-growth算法是挖掘频繁项集的经典算法,它利用FP-树这种紧凑的数据结构存储事务数据库与频繁项集挖掘相关的全部信息,但对于挖掘加权频繁项集并不合适。分析了现有加权频繁项集挖掘算法中存在的问题,并对FP-树进行改进,构造新的加权FP-树,提出了有效挖掘加权频繁项集的算法。最后举例说明了算法的挖掘过程,并通过实验验证了算法的有效性。     

一种改进的射线跟踪定位算法

针对射线跟踪定位算法中在线阶段的大数据量匹配时计算误差较大及效率较低的问题,给出了一种改进的属性匹配算法。该算法用组合加权法对各个属性进行加权,匹配时按照所得属性权重系数由大到小的顺序,将在线阶段的数据与数据库中属性数据进行依次逼近匹配。实验证明,该算法从精度和计算效率两方面均得到了改进,有效地降低了匹配计算的复杂度,并得到了较高的定位精度。