基于小数目标尺度的图像混合滤波算法

为了在有效去除可见光图像噪声的同时最大限度地保持图像的边缘、纹理等细节,将已有的目标尺度改进为小数目标尺度以便更精确地反映局部目标结构的大小,提出了基于小数目标尺度的自适应高斯滤波和基于小数目标尺度的自适应中值滤波的混合滤波算法。前者通过小数目标尺度来自适应地控制高斯核的尺度和滤波的模板大小,后者利用小数目标尺度自适应地筛选出脉冲噪声点并进行中值滤波,并弥补前者在抑制脉冲噪声方面的不足。理论分析和仿真实验结果均表明,所提出的算法不仅可以去除各种类型的点状噪声,而且在图像细节的保护和信噪比方面优于其他几类传统算法。     

一种去除图像混合噪声的滤波算法

经典的中值滤波和均值滤波常常被分别用来滤除脉冲噪声和高斯噪声,但是当图像同时存在脉冲噪声和高斯噪声时,这两种滤波算法都不能达到最好的滤波效果。为了能同时滤除两种不同性质的噪声,提出了一种新的混合噪声滤波算法。该算法首先根据脉冲噪声的特点和像素的局部能量信息,分离出脉冲噪声并采用中值滤波算法加以去除,然后对含有高斯噪声的图像采用均值滤波算法进行去噪。试验结果表明,该算法在有效滤除混合噪声的同时,能很好地保护图像的细节,从而为去除图像中的混合噪声提供了一种有效的途径。     

一种彩色图像混合滤波的方法

提出了一种彩色图像混合滤波算法,对混有高斯和脉冲噪声的图像进行去噪处理。算法首先滤除受脉冲噪声污染的像素点,采用基于个数判断脉冲噪声的中值滤波算法;其次滤除受高斯噪声污染的像素点,采用对称近邻均值滤波算法。实验结果表明,与传统的中值滤波和均值滤波算法相比,该算法能够有效地去除高斯和脉冲噪声,同时能够保留更多的图像细节信息。     

一种彩色图像混合滤波的方法

提出了一种彩色图像混合滤波算法,对混有高斯和脉冲噪声的图像进行去噪处理。算法首先滤除受脉冲噪声污染的像素点,采用基于个数判断脉冲噪声的中值滤波算法;其次滤除受高斯噪声污染的像素点,采用对称近邻均值滤波算法。实验结果表明,与传统的中值滤波和均值滤波算法相比,该算法能够有效地去除高斯和脉冲噪声,同时能够保留更多的图像细节信息。     

经典图像去噪算法比较

在图像处理过程中,噪声处理效果影响图像的后继分析处理质量。介绍了几种经典图像去噪方法算法的原理及各自的优缺点。通过仿真实验,对比几种方法去除高斯噪声和椒盐噪声的效果,结果显示均值滤波算法去除高斯噪声效果较好,而中值滤波算法去除椒盐噪声效果较好。     

多尺度双边滤波及其在图像分割中的应用

噪声图像分割前需要先进行平滑预处理,双边滤波用于图像平滑的滤波效果取决于参数的选取．为降低参数选取的难度,本文提出一种多尺度双边滤波算法来综合不同尺度下双边滤波的平滑效果．先将多尺度双边滤波算法用于噪声图像的平滑预处理,能够在去除噪声的同时较好地保留边缘;再用间断自适应高斯马尔可夫随机场模型进行图像分割．对多个图像进行图像分割的实验结果证明了所提算法的有效性．     

基于小波变换和中值滤波的Canny边缘检测算法

传统的Canny边缘检测算法采用的是高斯平滑,用来去除图像中的计算噪声,这种去噪方法虽然对抑制高斯噪声效果较好,但对脉冲噪声等的去除并不理想。针对这一问题,提出了用小波变换与中值滤波相结合的方法取代了传统的高斯滤波法,并对平滑后的图像作图像增强。实验表明,该方法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。     

边缘保留的图像滤波方法

传统的高斯滤波在去除图像噪声的同时产生了边缘模糊的问题。本文通过对传统高斯滤波算法的改进,不仅考虑距离的影响,而且还考虑图像灰度值的影响。尤其是当邻域间像素的距离近并且灰度值相似时,则它们对结果有较大的影响。实验结果表明该方法在滤除图像噪声的同时又能保留图像边缘。     

边缘保留的图像滤波方法

传统的高斯滤波在去除图像噪声的同时产生了边缘模糊的问题。本文通过对传统高斯滤波算法的改进，不仅考虑距离的影响，而且还考虑图像灰度值的影响。尤其是当邻域间像素的距离近并且灰度值相似时，则它们对结果有较大的影响。实验结果表明该方法在滤除图像噪声的同时又能保留图像边缘。     

一种去除图像混合噪声的滤波算法

针对同时感染脉冲噪声和高斯噪声的混合噪声图像,以全变分去噪模型为基础,结合中值滤波技术,提出一种新的混合噪声滤波算法.该算法首先根据脉冲噪声的特点和像素的局部能量信息,分离出脉冲噪声并以改进中值滤波算法去除,然后对含有高斯噪声的图像采用自适应广义变分模型进行降噪处理.实验结果表明,该算法在有效滤除混合噪声的同时能很好地保护图像细节,为去除图像中的混合噪声提供了一种有效的途径.     

自适应尺度目标跟踪算法

针对复杂情况下变尺度目标跟踪问题,提出一种基于粒子滤波的自适应尺度目标跟踪算法.根据参考目标的颜色分布,将参考目标分为多个区域,每个区域的颜色分布用高斯模型表示,区域的位置关系构成了对参考目标的空间约束;根据目标分割区域的颜色分布和空间约束关系构造目标外观模型,结合粒子滤波搜索目标位置并检测目标的尺度变化.目标外观模型同时包含了空间及颜色信息,提高了跟踪算法在复杂情况下检测目标尺度变化的可靠性和准确性.实验结果表明,该算法在目标具有明显尺度变化、姿态改变和部分遮挡的情况下,可以获得准确和鲁棒的跟踪结果.     

伪球滤波和边缘检测

提出了一种图像滤波器——伪球滤波器.在伪球滤波器中,除了尺度参数外,还引入了边缘保持参数,因而它能较好地解决传统滤波器的平滑性能与边缘定位精度之间的矛盾.以伪球滤波器取代经典Canny边缘检测算子中的高斯滤波器,得到一种基于伪球的边缘检测算子.模拟图像和真实图像的实验结果表明,与经典的Canny边缘检测算子相比,在具有相当平滑性的条件下,基于伪球的边缘检测算子对边缘定位具有更高的精度.     

基于高斯滤波器的尺度相乘边缘检测算法

论文提出一种基于高斯滤波器的尺度相乘边缘检测算法。该算法用两个不同尺度参数的高斯滤波器分别对图像进行滤波平滑,然后将所得的两个结果相乘后,再利用Canny算子对图像进行边缘检测。该算法具有算法简单、编程容易、计算量小等特点。论文最后通过实验验证了该算法能较好地抑制噪声干扰和有较高的边缘定位精度。     

引入高斯掩膜的相关滤波目标跟踪算法

目的 由于相关滤波（correlation filter,CF）跟踪算法使用循环移位操作增加训练样本,不可避免会引起边界效应问题。研究者大多采用余弦窗来抑制边界效应,但余弦窗的引入会导致样本污染,降低了算法的性能。为解决该问题,提出了嵌入高斯形状掩膜的相关滤波跟踪算法。方法 在空间正则化相关滤波跟踪框架中嵌入高斯形状掩膜,对靠近目标中心和搜索区域边缘的样本重新分配权重,提高中心样本的重要性,同时降低远离中心的边缘样本的重要性,增加中心样本的响应,从而降低样本污染的影响,增强滤波器的判别能力。建立了高斯掩膜相关滤波跟踪算法的目标公式,然后使用交替方向乘子法（alternating direction of multiplier method,ADMM）求解滤波器及空间权重的闭合解。结果 为评估所提算法的跟踪性能,在OTB2013 （online tracking benchmark）、TC128 （temple color）、UAV123 （unmmaned aerial vehicle）及Got-10k （general object tracking）等多个基准数据集上进行了大量实验,并与多个先进的相关滤波跟踪算法对比。结果表明,在OTB2013数据集上精度和成功率分别为90.2%和65.2%,其中精度比基准算法提高0.5%;在TC128数据集上精度和成功率分别为77.9%和57.7%,其中成功率提高0.4%;UAV123数据集上的两个指标数据分别为74.1%和50.8%,精度提高0.3%;在Got-10k数据集上成功率提高了0.2%。结论 与其他相关滤波跟踪算法相比,本文算法在各数据集上的精度和成功率表现出较强的竞争力,显著提高了基准算法的跟踪性能。     

EM-GMPF:一种基于EM的混合高斯粒子滤波器算法

粒子滤波器算法是一种基于贝叶斯推理和蒙特卡罗方法的非线性、非高斯动态系统的实时推理算法．因其具有灵活、易于实现、并行化等特点,成为统计学、信号处理、人工智能等领域新的研究热点,并被广泛地应用于目标跟踪等领域中．粒子滤波器算法中存在的主要问题是再取样步骤带来的粒子枯竭,从粒子滤波器的表示方法角度出发,提出了一种基于EM的混合高斯粒子滤波器算法,仿真数据和可视化跟踪实验表明,与传统的粒子滤波器算法和基于单高斯模型的粒子滤波器算法相比,该方法在降低对粒子数目需求的同时显著提高了粒子滤波器的估计性能．     

基于背景差法的几种背景建模方法的研究

目前最常用也最有效的运动目标检测方法是背景差法,其中背景提取是背景差法的核心。主要比较了均值滤波法、中值滤波法、混合高斯分布法三种常用的背景建模的方法,说明了各算法在不同情况下的性能优劣。通过实验发现,均值滤波法和中值滤波法适合特定的场合,混合高斯法在场景复杂的情况下效果更好。     

一种形态学滤波结构元的选择方法

形态学滤波作为一种非线性滤波方法在目标提取、抑制噪声等图像处理领域有着广泛的应用。针对形态学滤波中的一个关键问题—结构元的选择,通过对结构元分解和形态学滤波运算的研究,提出了一种自适应选择结构元尺度的二值形态学滤波方法。通过实验表明该方法可以快速、准确地确定滤波中结构元的尺度,具有较强的去噪性和抗干扰性。     

一种影像测量系统中自适应混合噪声滤波方法

介绍了影像测量系统中的噪声来源以及常用的滤波方法。针对均值滤波器和中值滤波器在滤除高斯噪声和脉冲噪声时各自表现出良好的性能,设计了一种针对待测零件图像中混合噪声的自适应滤波方法,系统根据噪声类别灵活选择滤波方法。实验证明改进的滤波策略能获得比传统滤波方法更高的信噪比改善因子。     

基于声图像序列的快速目标跟踪算法

针对声图像具有对比度低、不同时刻目标回波变化大等特点,提出了一种基于卡尔曼滤波和数据关联算法的快速目标跟踪算法.该算法首先对声图像序列进行高斯平滑和自适应阈值分割处理,在此基础上建立卡尔曼滤波目标跟踪模型和数据关联目标匹配算法,分析计算了可跟踪的目标速度上限值.仿真结果表明,该算法可较准确地实现目标跟踪,允许的目标速度可满足实际应用的需要.同传统文献算法相比,该算法具有实时性好、鲁棒性强,能更好地适应目标分裂或合并等情形.