共查询到20条相似文献,搜索用时 125 毫秒
1.
红外图像的自适应混合双边滤波算法 总被引:1,自引:0,他引:1
针对红外图像中的混合噪声,提出了一种自适应混合双边滤波算法。首先对双边滤波原理进行了分析,提出不能滤除强高斯噪声和脉冲噪声是由于双边滤波引入灰度域权值而带来的固有不足,因此根据双边滤波算法的特点设置了一种像素间的相似度,并以该相似度为基础将双边滤波不能滤除的强噪声点进行了标记,仅对红外图像中标记出的强噪声点进行中值滤波以减少图像模糊,对普通噪声点采用灰度方差自适应双边滤波以保留更多边缘特征。自适应混合双边滤波能够有效滤除红外图像中的高斯噪声、脉冲噪声以及由其组成的混合噪声,同时在滤波过程中并不降低双边滤波保留红外图像边缘特征的性能。仿真实验结果表明,与传统双边滤波、改进的双边滤波以及各项异性扩散-中值滤波算法相比,该算法无论是滤除红外图像的混合噪声还是保留边缘特征都较为优越。 相似文献
2.
3.
4.
严重椒盐噪声污染图像的非线性滤波算法 总被引:19,自引:2,他引:17
针对灰度图像的椒盐噪声滤波问题,提出一种保细节的非线性滤波算法。利用局部统计信息,首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点3类,建立噪声标矩阵;然后再根据噪声标记矩阵的局部统计信息,将可能的噪声点细分为信号点、噪声点和不确定点3种类别,并分别采用不同的方法进行滤波,以保留更多的图像细节。结果表明,本文算法在去噪能力、自适应性以及保留细节等方面都明显比其它4种算法强,尤其是对于噪声高度污染图像的情况。 相似文献
5.
一种起伏背景下的红外小目标检测算法 总被引:10,自引:2,他引:8
提出了一种用一维中值滤波进行背景估计的方法。首先分析了红外小目标、噪声及其杂波特性,提出了用小窗口的二维中值滤波进行背景估计;然后进一步根据红外扫描系统的特点,把二维中值滤波简化为一维中值滤波,使去背景效果提高,并且运算量大幅下降;最后对预处理后的图像采用自适应门限进行目标分割。实验表明该算法可以达到较高的检测率,而且满足大尺寸图像实时处理的要求。 相似文献
6.
7.
针对传统中值滤波算法难以去除图像中高密度噪声的问题,本文提出了一种新型的改进中值滤波算法。该算法在保证其灰度值不变的前提下,对图像中的信号点和噪声点进行标识后进行噪声处理。仿真实验结果表明,相比于传统中值滤波、均值滤波,该算法能在有效去除噪声的同时很好地保留图像细节,具有更佳的视觉效果。 相似文献
8.
9.
10.
11.
12.
针对红外探测系统中单帧红外图像中的小目标检测问题,在分析红外场景模型的基础上,提出了一种基于自适应噪声平滑和空间滤波的背景杂波抑制算法.该方法对于起伏背景下红外小目标的检测有良好的性能,且具有目标信息损失小的优点.同时,利用ADSP-TS201S高性能数字信号处理器实现了该算法,并成功应用到某全向红外搜索跟踪系统中.实验结果表明,在低信噪比情况下,算法有很好的检测性能. 相似文献
13.
14.
15.
根据H∞滤波理论,提出了基于H∞滤波预测技术的红外图像小目标运动预测和跟踪方法,为了降低模型阶数以加快图像处理速度,滤波过程被分解在水平和垂直两个方向上分别进行,即将滤波器分解为x、y方向上两个子滤波器.H∞滤波器是一种基于最优化最坏情况下的滤波技术,它对噪声源的要求不高,能较好地应用在复杂场景下的目标运动预测与跟踪.实验证实了在噪声源不能确定或是未知的情况下,它比Kalman滤波器对红外小目标的运动预测更加准确并具有更好抗扰动性. 相似文献
16.
17.
针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法. 相似文献
18.
19.
基于自适应Wiener滤波的红外小目标检测方法 总被引:5,自引:2,他引:3
在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法。采用连续采集的红外图像序列进行了实验,仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析。结果表明,算法能够从信噪比大于2.0的图像序列中检测出目标轨迹。 相似文献
20.
Infrared (IR) small target detection is a key technique in areas like space surveillance systems, early-warning systems and missile tracking systems etc. It is a challenging task to detect IR small targets under complex sky background because of cloud clutter. The conventional methods are usually based on clutter suppression, such as the 2D least mean square (TDLMS) adaptive filter [1], the 2D normalised LMS (TDNLMS) filter [2], the median subtraction filter [3], etc. In this Letter, we use the second conjugate symmetry derivative of a 2D Gaussian (SCSDTDG) to model the small target pattern based on the generalised structure tensor (GST). Experiments show that the proposed method is robust. 相似文献