基于中值和小波变换的α稳定分布噪声滤波方法*

针对信号中厚尾噪声的抑制问题,提出基于中值和小波变换的滤波方法。研究了α稳定分布信号的特性,利用中值滤波有效地抑制噪声中幅度异常的强脉冲信号,然后对结果利用小波阈值方法进行消噪。实验对α稳定分布噪声进行模型描述,分别采用高斯模型分析方法和中值滤波结合工程算法对采样信号进行时频变换。系列图谱对比结果表明,在不同冲击性α稳定分布噪声环境下,采用高斯模型分析结果出现退化,而采用中值滤波结合小波变换的滤波方法能有效抑制异常值,减小了信号的畸变,能够实现降噪。     

基于排序差值脉冲噪声检测的彩色图像滤波方法

提出一种针对彩色图像脉冲噪声进行检测,并根据检测结果利用改进的自适应矢量中值滤波法滤除彩色图像脉冲噪声的方法。试验结果表明,该方法能够明显地减少脉冲噪声检测过程中的噪声漏判数量,有效地去除彩色图像中的脉冲噪声,滤波后不会产生新的颜色,并能较好地保持图像的边缘与细节信息。     

一种基于脉冲噪声检测的图像均值滤波方法

论文提出了一种针对图像脉冲噪声进行检测,并根据检测结果利用均值滤波方法滤除脉冲噪声的方法。该方法首先采用串行方式,对含有脉冲噪声的图像进行逐点检测,其中判断噪声点的阈值可自适应地调整。采用窗口长度自适应调整和选择性取样的均值滤波方法,对检测到的噪声点进行逐点滤除。该方法既可有效地滤除脉冲噪声,又可以较好地保持图像边缘细节,对图像的后续处理有很好的价值。论文最后给出了实验滤波结果,说明了该方法的有效性。     

基于改进边界判别噪声检测的脉冲噪声滤波方法

边界判别噪声检测(BDND)算法对不平衡椒盐噪声和随机值噪声检测效果不佳。针对该问题,提出一种基于改进BDND的脉冲噪声滤波方法。修改BDND分群不等式,将边界值b2置于高灰度群中,利用BDND第一阶段检测图像的所有像素点,生成噪声的直方图向量,通过比较相邻噪声数值的比值与给定阈值的关系,重新定义上下边界值,对中心像素做进一步检测。实验结果表明,该方法的检测性能明显优于BDND,漏检率和误检率大幅降低,并且能够在消除噪声的同时更好地保护图像的细节信息。     

一种基于脉冲噪声检测的中值滤波方法

提出了一种针对图像脉冲噪声进行检测,并根据检测结果利用中值滤波滤除脉冲噪声的方法。该方法将含有脉冲噪声的子图像样本空间,通过核函数映射成为高维空间中的一个超球体,计算该球体半径R及对应的球心向量a。对于测试样本,比较其到超球体球心的距离d与球体半径R两者之间的关系,若两者差的绝对值小于某一阈值,则不存在噪声,反之存在噪声。采用中值滤波方法,对检测到的噪声点进行滤除。与其他算法相比,提出的算法对噪声的判断更加准确,滤除噪声的方式更加合理,适用的图像范围更加广泛,具有更好的滤波性能。     

非白高斯噪声中基于导频的匹配滤波频谱检测

为了在低信噪比的情况下,能够用很少的采样样本得到很高的检测概率,考虑到现实生活中噪声和信号在传输过程中的衰落,所以在非白高斯信道中采用线性模型对信号进行估计,在此基础上对导频运用匹配滤波检测,讨论了决定检测概率的重要因素——偏移系数的最大值的选取。仿真结果表明,选取非白高斯噪声信道是必要的;偏移系数选取最优值将会得到很好的检测性能;对导频进行检测可以减少采样数。     

基于脉冲噪声检测与信号压缩的滤波算法

针对传统滤波算法细节保护能力不强的缺点,提出一种基于脉冲噪声检测与信号压缩的滤波算法。在噪声检测阶段排序检测窗口内的像素点,判定极值附近灰度值落在一定范围内的点为噪声点,并生成噪声模版;在噪声滤除阶段提取滤波窗口内信息点并压缩,进一步排除误检。根据不同噪声密度进行不同滤波,并循环迭代直至整个图像中的所有脉冲噪声点被滤除。实验结果表明,该算法具有较好的噪声滤除和细节保护能力,尤其是在高强度噪声条件下效果更明显。     

基于改进脉冲噪声检测的新型滤波算法*

通过分析脉冲噪声图像的数值特征,为了快速和准确地滤除图像脉冲噪声并能很好地保持图像的细节,提出了基于改进脉冲噪声检测的灰度图像和彩色图像非线性自适应滤波算法。该算法首先通过改进的噪声检测方法把图像中的噪声点标志在噪声标志矩阵中,然后采用改进中值滤波方法并有限制地自适应调整滤波窗口对灰度图像中的脉冲噪声给予有效滤除。在此基础之上,分别采用该方法对彩色图像的三个RGB子图像进行单独滤波,然后利用通道融合技术得到最终的彩色滤波图像。经过实验仿真并与国内外相关文献提出的算法相比,本方法不仅思想简单、快速、易于实现     

一种改进的脉冲噪声滤波方法

由于数字图像在生成与传输过程中容易受到脉冲噪声的污染,往往造成后续处理难以为继。为了改善图像质量,需要对图像进行去噪处理。针对传统中值滤波及其它非线性滤波方法在去除图像脉冲噪声时存在的不足,本文提出了一种改进的去噪方法:在滤波之前进行一次脉冲噪声检测,确定受到噪声污染的像素点,并进行记录标识;然后根据检测结果进行改进的中值滤波:只对判断为噪声点的像素进行处理,不仅考虑了标准中值,也分情况利用了中值的前一个值和中值的后一个值的信息。实验表明,改进方法不仅在滤除脉冲噪声方面相比其他非线性滤波有很大改进,而且它可以更好地保护图像的细节特性,对图像的后续处理有很好的价值。     

闪烁噪声下轨道机动目标自适应鲁棒跟踪算法

针对闪烁噪声下存在未知机动的空间目标跟踪问题,将自适应鲁棒滤波技术嵌入到无迹卡尔曼滤波,设计自适应鲁棒无迹卡尔曼滤波(ARUKF),再利用ARUKF产生粒子滤波的重要性密度函数,从而得到一种自适应鲁棒无迹粒子滤波(ARUPF)算法。将ARUPF与瞬态跟踪模型相结合,对空间机动目标进行自主跟踪。实验结果表明,该算法在跟踪精度和鲁棒性方面优于传统的跟踪算法。     

基于PGF检测的改进彩色图像滤波方法

针对彩色图像中的噪声污染问题,提出一种改进的开关自适应矢量滤波方法。通过对噪声图像进行同组滤波器检测得到滤波窗口内满足检测条件的噪声像素个数,当满足条件的像素个数较少时,直接对检测出的噪声进行矢量中值滤波,当满足条件的像素个数较多时,采用改进的自适应矢量中值滤波器进行2次检测后再滤波。实验结果表明,该方法能提高噪声检测的准确性,并能更好保护滤波的细节。     

Robust Video Text Detection with Morphological Filtering Enhanced MSER

Video text detection is a challenging problem, since video image background is generally complex and its subtitles often have the problems of color bleeding, fuzzy boundaries and low contrast due to vi...     

非线性系统的鲁棒故障检测与诊断

研究了一类具有未建模动态或扰动的非线性系统的鲁棒故障检测与诊断问题,利用神经网络、模糊系统或小波网络等对非线性故障模式进行在线逼近的方法进行故障诊断.第一步,对用于鲁棒故障检测的观测器,建立了保证观测器稳定的增益阵的选择条件;第二步,若检测出发生故障,则用神经网络、模糊系统或小波网络进行故障的在线估计,建立了估计误差界,结果显示输出估计误差将收敛到由扰动上界或建模误差上界线性确定的范围内.     

Robust Fault Detection for Discrete‐Time Nonlinear Impulsive Switched Systems

This paper deals with the problem of robust fault detection for discrete‐time nonlinear impulsive switched systems. The fault detection filter is used as the residual generator, in which the filter parameters are dependant on the system mode. Attention is focused on designing the robust fault detection filter. The problem of robust fault detection is converted into an H_∞‐filtering problem. A sufficient condition for the solvability of this problem is established by a convex optimization problem. A numerical example is provided to demonstrate the effectiveness of the proposed method.     

用于复杂环境下的疲劳检测系统人眼检测方法

针对光照、眼镜等对驾驶员人眼检测的影响,提出采用霍夫变换和神经网络分类器进行人眼检测.通过应用虹膜几何信息和对称性,选择可能包含人眼的两个候选区域.运用边缘检测算子和 MAE 进行人眼粗定位.然后在此基础上采用B-P神经网络进行人眼精确定位.针对三种不同情况,即不同光照、不同背景和不同肤色的人拍摄6组视频图像,采用matlab7.0进行3组仿真实验,实验结果表明该算法对复杂情况的人眼检测具有较强的鲁棒性.大大提高人眼检测准确率.     

基于相对离群因子的标签噪声过滤方法

分类任务中含有类别型标签噪声是传统数据挖掘中的常见问题, 目前还缺少针对性方法来专门检测类别型标签噪声. 离群点检测技术能用于噪声的识别与过滤, 但由于离群点与类别型标签噪声并不具有一致性, 使得离群点检测算法无法精确检测分类数据集中的标签噪声. 针对这些问题, 提出一种基于离群点检测技术、适用于过滤类别型标签噪声的方法 —— 基于相对离群因子(Relative outlier factor, ROF)的集成过滤方法(Label noise ensemble filtering method based on relative outlier factor, EROF). 首先, 通过相对离群因子对样本进行噪声概率估计; 然后, 再迭代联合多种离群点检测算法, 实现集成过滤. 实验结果表明, 该方法在大多数含有标签噪声的数据集上, 都能保持优秀的噪声识别能力, 并显著提升各种分类模型的泛化能力.     

Detecting and Measuring Fine Roots in Minirhizotron Images Using Matched Filtering and Local Entropy Thresholding

An approach to automate the extraction and measurement of roots in minirhizotron images is presented. Two-dimensional matched filtering is followed by local entropy thresholding to produce binarized images from which roots are detected. After applying a root classifier to discriminate fine roots from unwanted background objects, a root labeling method is implemented to identify each root in the image. Once a root is detected, its length and diameter are measured using Dijkstra’s algorithm for obtaining the central curve and the Kimura–Kikuchi–Yamasaki method for measuring the length of the digitized path. Experimental results from a collection of peach (Prunus persica) root images demonstrate the effectiveness of the approach.     

Fisher-Tippet分布拟合的超声图像联合双边滤波方法

由于双边滤波的固有不足以及Rayleigh分布散斑拟合存在的较大误差,致使SRBF方法对超声图像的散斑消减不够理想。针对该问题,采用联合双边滤波以及Fisher-Tippet分布散斑拟合来有效改进SRBF方法。联合双边滤波利用导向图像计算权值,有效减小双边滤波利用噪声图像计算权值产生的偏差。由散斑包络信号满足Rayleigh分布导出散斑图像满足Fisher-Tippet分布,更精确描述散斑统计特性。合成图像和真实图像的实验结果通过多种定量指标评估,验证了提出算法对SRBF在两个方面的改进都能有效提高散斑消减性能。