基于人眼视觉特性的混合滤波算法

为了有效地滤除混合噪声,本文提出了一种基于人眼视觉特性的混合滤波算法。该方法首先采用基于人眼视觉特性的噪声敏感系数作为阈值来确定脉冲噪声点,对检测出脉冲噪声点采用自适应窗口大小的迭代中值滤波进行滤波,而对于含有高斯噪声的像素点则采用一种保护细节的改进的自适应模糊滤波器进行处理。该算法与标准滤波方法及其它改进混合滤波算法相比,具有更好的滤波性能。     

层析三维数字化仪二维端面图像预处理方法研究

文中提出了一种新型的递归中值滤波器,将滤波算法转化为一种优化处理,兼顾了滤波处理的光滑连续性及抑制噪声的累积特性,可有效地消除脉冲型干扰的影响,并对该算法进行了分析,为消除加快高斯噪声,提出了一种小波线性滤波器,它仅仅处理边缘信息,克服了边缘模糊效,波波的去噪逆向重构的处理方法,对边缘为阶跃型的层析图像非常实用。     

一种基于中值-模糊技术的混合噪声滤波器

结合中值与模糊滤波技术,提出了一种新的图像混合噪声滤波算法。算法将受混合噪声污染的图像分为脉冲噪声点集与含有高斯噪声的像素点集两部分,首先进行灰度极值检测,进而借助邻域纹理信息准确检测出脉冲噪声,并以中值滤波滤除;对于含有高斯噪声的像素点则采用一种保护细节的模糊滤波器进行处理。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。     

基于颜色分量单独噪声检测的混合中值滤波器

为了进一步提高开关型矢量中值滤波器滤除脉冲噪声尤其是细微噪声的能力,提出了一种基于颜色分量单独噪声检测的开关型标量和矢量混合中值滤波器(SVHMF)。与其它经典矢量滤波器相比,SVHMF最大的不同在于它是根据对像素点各个颜色单独进行噪声检测的结果,采用与之相适应的标量和矢量混和滤波方法。新滤波器可以最大限度地保护彩色图像图像像素中未被噪声干扰的颜色分量数据,从而可以进一步提高滤波效果。实验数据表明:SVHMF的滤波效果明显优于其它各类在彩色图像降噪中得到广泛应用的矢量中值滤波器。     

基于三边滤波的Retinex图像去雾算法

针对传统Retinex算法采用高斯滤波估计图像的照射分量易产生边缘模糊,不能有效去除脉冲噪声且处理后的图像颜色易失真等问题,提出一种基于三边滤波的Retinex图像去雾算法。该算法利用三边滤波器估计图像的照射分量,三边滤波器继承了双边滤波器既可以有效降低图像加性高斯噪声又可以保持图像边缘细节的特性,同时又解决了双边滤波器与高斯滤波器不能有效滤除脉冲噪声,易产生伪边缘等问题。为验证该算法的有效性,采用5种不同的客观评价参数对处理后的图像进行评价。实验证明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

实时图象的伪中值滤波和sobel边缘增强

本文主要研究中值滤波器和Sobel算子的滤波性能,并采用流水线方式硬件实现了伪中值滤波和Sobel边缘增强。两种方法均可以实时地滤除图象中的噪声,并勾画出边缘。处理后图象信噪比可提高约7dB,输出延迟小于200μs。此外,本文还提出一种新的噪声乎滑方法。该方法与中值滤波器一样可以保护图象边缘,滤除脉冲颗粒噪声,而且,它抑制随机噪声的效果优于中值滤波器。     

噪声对消在信号处理系统中的应用

论述基于LMS算法的自适应滤波器噪声对消的工作原理,以及基于AR模型的信号分析方法。在这两种方法相结合的情况下,能有效去除信号的噪声。对含有瞬态干扰的微弱信号,用AR模型法估计出噪声的系数并预测噪声波形,通过自适应滤波器噪声对消原理进行滤波,最后在Matlab环境下进行仿真试验,结果表明该方法具有较好的去噪效果。     

基于直方图的自适应图像去噪滤波器

对于那些明显偏离高斯型白噪声的加性噪声,如拖尾脉冲噪声,高斯脉冲噪声等,已有方法的滤噪性能会严重退化.为此,该文提出了一种去除脉冲噪声的新方法.该方法首先由被污染图像估计出原图像的直方图.然后应用模糊集理论,利用加权策略得到了一个符合图像灰度分布统计规律的模糊隶属度函数,以此隶属度函数构建一个加权平均滤波器. 新方法有效地利用了原图像的先验知识,能够根据图像区域特性差异及脉冲噪声强弱自适应地采用不同的滤波尺度.文章比较了传统滤波器、已有的模糊滤波器和本文方法的结果.实验表明本文方法具有更好的效果.     

双迭代等距均值滤波的医学图像恢复北大核心CSCD

医学图像中往往有很多与脉冲噪声灰度相同的像素,因此含脉冲噪声的医学图像的恢复非常困难。为了获得比现有的脉冲噪声滤波器更好的噪声抑制和纹理结构保持效果,提出了一种双迭代等距均值滤波(dual iterative equidistant mean filter,DIEMF)的医学图像恢复方法。该方法采用等距离邻域进行噪声检测和去除;噪声检测器循环地利用邻域的非最值像素与中心像素之间的平均绝对差,以及利用多数原则,将噪声像素与无噪像素区分开来;噪声去除采用自适应和双迭代的方法,以等距邻域中无噪像素和先前恢复像素的平均值作为中心噪声像素的灰度估计值,充分利用最近的先前恢复的像素。实验结果表明,该方法在噪声抑制和纹理结构保持方面优于现有的方法,特别是对于低密度噪声,它比现有的滤波器具有显著的优越性。     

基于MATLAB的音频信号处理研究

在通信过程中,语音信号在信道中经常会被噪声干扰,从而导致接收端的误码率增加。常见的干扰噪声有高斯白噪声和单频噪声等,设计一款能将干扰噪声滤除的滤波器就成了解决此类问题的方法,文章立足于常用的巴特沃斯滤波器和切比雪夫滤波器,实现对被噪声干扰的信号的滤波。     

航拍图像噪声分析及滤除方法研究

对航拍图像所含噪声进行了分析,针对航拍图像主要舍有高斯白噪声和脉冲噪声的特点,根据后续数据处理需要,提出一种基于四阶偏微分方程（PDE）去噪模型与改进的自适应中值滤波相结合的混合去噪方法。首先使用改进的中值滤波去除脉冲噪声,然后利用四阶偏微分方程的各向异性及边界滞留特性进行图像滤波。实验表明,该方法在去除噪声和保持边界的同时,还能避免产生阶梯效应,比单独采用其中一种方法的去噪效果更为显著,鲁棒性更强。     

基于Lyapunov稳定性理论的Volterra自适应噪声对消器

介绍了在理稳定分布环境下一种新的非线性Voherra自适应噪声对消器。由于Ⅱ稳定分布噪声有显著的尖峰脉冲特性,Vohem级数的非线性项将其更加放大,严重影响了收敛性能。提出了Voherra自适应噪声对消器利用sigmoid函数对输入α噪声进行非线性预处理,抑制尖峰脉冲的影响,基于Lyapunov稳定性,定义新的Lyapunov函数．给出了二阶Voherra自适应滤波器算法。仿真实验表明,该算法在不同特征指数的稳定分布噪声环境中都表现出了良好的抗噪声性能。     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

一种结合图像增强的高斯噪声组合滤波算法

为了有效滤除图像高斯噪声,将滤波算法与增强技术有机结合,提出了一种具有增强效果的组合滤波算法.该算法首先针对经典中值滤波无法有效滤除高斯噪声的缺陷,从滤波模板的角度对其加以改进,对高斯噪声进行多角度、多尺度、多级串联滤波处理,以滤除一部分噪声;然后将均值滤波引入到小波域中,对图像残余噪声实现小波域逐级均值滤波,实现对噪声的基本滤除;最后设计出一种新型小波域增强函数模型,通过设定阈值,将滤波后图像分为若干个区域,分别进行不同程度的增强处理,通过结合具体实验对不同强度下噪声与增强函数系数的取值进行定量分析,给出两者之间的函数关系式.实验证明,该滤波算法对于高强度的高斯噪声有较好的抑制效果,并且具有一定的自适应性.     

光电位置传感器中形态学滤波方法的研究

为了有效滤除目标跟踪过程中光电位置传感器(PSD)中存在的噪声干扰,提高PSD空间探测精度和稳定性,研究了一种基于开-闭和闭-开级联组合的形态学滤波方法,通过选取适当的结构元素对一维和二维位置信号进行分析和降噪处理,获得稳定的位置信息,供后续位置跟踪设备使用。经实验数据分析,该方法具有快速滤除随机噪声、脉冲噪声以及混合噪声干扰的能力,处理速度快、实现过程简单,便于现场实时信号处理应用。     

方向自适应的光子计数激光雷达滤波方法

提出一种自适应滤波方向的光子计数激光雷达点云滤波方法,定义了一种可调节主滤波方向的滤波核,通过遍历得到最佳滤波方向的密度值并剔除远离地物的噪声点,根据密度值与邻域内其它点的密度值差值剔除接近地物的噪声点。通过实验数据对算法进行了验证,结果表明算法能有效剔除与地面非常接近的噪声点,适用于低密度地物点云的滤波处理,其中植被滤波精度91.86%,地面点滤波精度97.89%。     

非线性Volterra系统的总体全解耦自适应滤波

研究输入、输出观测数据均受噪声干扰时的非线性Volterra系统的全解耦自适应滤波问题.基于总体最小二乘技术和Volterra滤波器的伪线性组合结构,运用约束优化问题的分析方法研究Volterra滤波过程,从而建立了一种总体全解耦自适应滤波算法.并建立了分析该算法收敛性能的参数反馈调整模型,分析表明,该算法可使各阶Volterra核稳定地收敛到真值.仿真实验的结果表明,当输入、输出观测数据均受噪声干扰时,总体全解耦自适应滤波算法的鲁棒抗噪性能和滤波精度均优于全解耦LMS自适应滤波算法.     

超视距雷达中窄带干扰抑制技术研究

超视距雷达中,发射信号带宽的选择受到密集的大功率干扰的限制,很难找到较宽的且未被污染的干净频带,导致了很低的距离分辨力和信干噪比,较为理想的方法是在一定的带宽要求下抑制干扰.考虑到直接用凹口滤波零陷干扰时,脉冲压缩后副瓣迅速抬高,目标信号淹没在干扰的旁瓣之中,本文提出了抑制旁瓣干扰的投影算法和时域自适应对消方法.理论分析和仿真结果表明:投影法计算量小,副瓣得到一定的降低,但需要设计子带滤波器组,且引入了暂态响应;而自适应对消方法虽然计算量稍大,但通过自适应调整权值可很好地抑制掉旁瓣干扰,脉压后副瓣电平大大降低,有效地提高了目标检测能力.     

基于PCNN噪声检测的两级脉冲噪声滤波算法

为有效滤除图像中严重脉冲噪声干扰,提出了一种基于改进型脉冲耦合神经网络(PCNN)噪声检测的两级脉冲噪声滤除算法。该算法首先利用PCNN同步脉冲发放特性区分定位噪声点和信号点位置,其次根据噪声点局部邻域信息对噪声进行第1级自适应滤波,然后再利用具有保护边缘细节特点的多方向信息中值滤波器(MF进行第2级辅助滤波。实验结果表明,该算法在噪声检测中无需设定检测阈值,噪声检测精度较高;在去噪过程中不但有效滤除噪声干扰,而且能很好地保护图像边缘细节等信息,具有较好的主观视觉效果和客观评价指标,比传统MF及其它相关算法有更优的滤波性能,去噪能力强、信噪比高和适应性好,特别是对受严重噪声污染的图像,显示了更大的优越性。     

一种非均匀采样下小信号的检测方法

非均匀采样由于其具有不受采样频率限制、频率分辨率高以及抗混叠等优点,使得其应用十分广泛。但非均匀采样会引起信号的频谱噪声,这样使得非均匀采样下小信号的检测不易实现。本文分析了非均匀采样引起频谱噪声的原因,提出一种基于非均匀采样的小信号检测方法。该方法根据非均匀采样检测得到的大幅度信号,应用陷波器将其消除,降低了由大信号引起的频谱噪声,从而检测出小信号。文中详细说明了陷波方法的原理、陷波器宽度和深度的选择、陷波器中心频率的确定以及陷波器在非均匀采样下的应用,最后给出实验结果。理论和实验表明,基于非均匀采样的陷波方法是一种行之有效的信号频率检测方法,使用该方法处理信号可以得到准确的频率估计效果,检测出信号幅度相差100倍以上的多个信号频率。