一种改进的自适应中值滤波方法

提出了一种改进的自适应中值滤波算法,以有效地去除图像中的脉冲噪声,并保留图像细节。在进行噪声点检测时,引入了最小集合距离测度,有效地避免了将高频细节信号误判为噪声。采用最小无污染点集合的中值恢复噪声点,消除了其邻域噪声点的影响。通过与RAMF、NASMF等方法的比较实验表明,新算法噪声检测的正确率高、降噪与保留细节效果好, 尤其对含噪声密度高的图像的处理效果优势更为明显。     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,已得到了广泛的应用。针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波法具有更优良的滤波性能。     

一种有效去除老电影中污点噪声的自适应滤波方法

污点噪声是老电影中常见的问题,它们常表现为黑斑或亮斑。提出了一种有效的方法来去除这种噪声并恢复丢失的数据。,通过分析时空域亮度的连续性来检测污点噪声,方法是选出每个检测点的最平滑的方向,估计其未受污染的概率,对该点是否为污点进行软判决,用一个由该概率自适应控制的时空滤波器来进行污点移除数据恢复,引入了一种保护机制来应对连续性分析失败的情况。实验表明这种方法是有效、实用且易于实现的。     

一种基于动态阈值的自适应中值滤波方法

针对图像受到电磁干扰带来的脉冲噪声,对自适应中值滤波方法进行改进。在去除噪声的过程中为了更好地将信号和噪声进行区分开,引入噪声点的预判机制。为满足改进算法对自适应中值滤波半径和窗口的变化的适应．采用自适应动态阈值。通过与SMF、RAMF等方法的比较实验表明,该算法具有较高的峰值信噪比和边缘保持性能。     

粒子滤波自适应部分系统重采样算法研究*

样本退化是基于序列重要性采样的粒子滤波中的一个主要问题,为了解决这个问题重采样被引入。常规的重采样算法可以解决样本退化问题,但容易导致样本衰竭,增加计算的复杂度。本文在部分重采样的基础上,提出了自适应部分系统分重采样算法,该算法自适应调整重采样的时间,重采样前按照粒子的权值对其分类,只对少数粒子进行重采样,不仅减少了重采样的时间而且增加了粒子的多样性,仿真结果表明该算法与部分重采样相比有效的提高了粒子滤波的性能,减少了运行的时间。     

一种改进的自适应中值滤波算法

传统的自适应中值滤波算法,利用极值判别像素点是否为噪声点。该方法容易将边缘点误判为噪声点,将噪声点误判为信号点。本文针对这一问题,提出一种利用边缘点与噪声点的差异判别噪声点,并将噪声点分为平滑区噪声点与边缘区域噪声点,对不同类型噪声点进行不同处理。从而达到更好的抑制噪声与保护图像细节效果。     

一种业务流自适应尽力采样方法

基于业务流的网络流量监测是网络管理、运维、实现基于业务的计费、流量工程等的重要手段．精确、高效的采样技术是实现高速网络流量业务流监测分析的重要技术．基于分段采样思想提出一种尽力最优的自适应随机采样方法，实现特大业务流的精确估计，其中把监测系统本身的处理能力作为选择采样概率的参数．实验结果显示算法能够很好地调节采样概率，使得采样包速率基本等于预先设定的监测系统的处理能力．     

一种改进的自适应中值滤波算法

在图像的平滑处理过程中,如何在噪声滤除的同时保护图像的细节一直是人们研究的热点问题。针对这一问题,在Hwang和Haddad提出的一种自适应中值滤波算法(ranked-order based adaptive median filter,RAMF)的基础上,提出了一种改进的自适应中值滤波算法。该算法在以下3方面做了改进:①对可疑噪声点实行噪声二次检测;②对高密度噪声区的噪声点利用滤窗内的信号点进行滤波;③对低密度噪声区的噪声点根据滤窗内图像的纹理走向进行滤波。仿真实验结果表明,该算法的滤波效果理想。     

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。     

目标跟踪的自适应双重采样粒子滤波算法

针对传统粒子滤波存在的粒子退化、贫化问题及粒子集个数不能自适应改变带来的滤波精度和收敛速度下降的问题,提出一种基于双重采样的自适应粒子滤波算法。该算法首先利用观测新息来确定重采样粒子分布方案,然后在首次重采样基础上,采用粒子交又聚合算法进行二次重采样,提高了粒子的使用效率,避免了由于使用过多粒子而增加计算量的问题。基于DR/GPS的实验仿真结果表明,与传统的PF算法相比,该算法有效提高了滤波精度和稳定性。     

最佳线性过滤器构成的一种自适应系统

本文介绍一种基于时域综合法的由最佳线性过滤器构成的自适应系统。文中首先介绍噪音为白色噪音时的可变传递函数和最佳自适应过滤器。由于在一般情况噪音并非是白色噪音,这时过滤器的构成就比较困难,文中给出了这种自适应最佳过滤器的组成。     

用确定性激励设计的适应控制

本文解决参数未知、干扰有界的线性离散时间系统的参数估计和适应镇定问题,设计控制器时事先只要求系统的阶巳知,系统能控、能观测,设计时所用的外部激励不用随机信号而用确定性信号。     

Adaptive Sampling Methods for Scaling Up Knowledge Discovery Algorithms

Scalability is a key requirement for any KDD and data mining algorithm, and one of the biggest research challenges is to develop methods that allow to use large amounts of data. One possible approach for dealing with huge amounts of data is to take a random sample and do data mining on it, since for many data mining applications approximate answers are acceptable. However, as argued by several researchers, random sampling is difficult to use due to the difficulty of determining an appropriate sample size. In this paper, we take a sequential sampling approach for solving this difficulty, and propose an adaptive sampling method that solves a general problem covering many actual problems arising in applications of discovery science. An algorithm following this method obtains examples sequentially in an on-line fashion, and it determines from the obtained examples whether it has already seen a large enough number of examples. Thus, sample size is not fixed a priori; instead, it adaptively depends on the situation. Due to this adaptiveness, if we are not in a worst case situation as fortunately happens in many practical applications, then we can solve the problem with a number of examples much smaller than required in the worst case. We prove the correctness of our method and estimates its efficiency theoretically. For illustrating its usefulness, we consider one concrete task requiring sampling, provide an algorithm based on our method, and show its efficiency experimentally.     

基于自适应陷波的非均匀采样信号处理系统

非均匀采样可以突破奈奎斯特采样定理的限制,检测出超过采样频率的信号频率,但非均匀采样引起信号的频谱噪声,使得非均匀采样的小信号检测难于实现。研制了一种实时非均匀采样信号处理系统,采用自适应陷波方法计算非均匀采样信号的频率,逐步滤除幅度较大的信号,从而检测出小幅度信号。详细说明了自适应陷波方法的原理和实现方法,并介绍了基于数字信号处理器(DSP)的非均匀采样信号处理系统。     

粒子数和采样周期自适应的粒子滤波器

粒子数目、采样频率显著影响粒子滤波器性能及其复杂度。文章提出了一种用于跟踪系统的可在线调整采样周期和粒子数目的自适应粒子滤波器。仿真结果验证了一般情况下,该方法可在保证一定估计精度的同时有效减少系统负荷,并对目标机动有良好的自适应能力。     

并行多维自适应采样

针对现有自适应采样方法绘制效果差和速度慢的问题,提出一种并行的多维自适应采样方法.首先对多维空间进行粗采样,将其自适应地分割为多个子空间;然后扩展各子空间边界,根据噪声评价值分配每个子空间所需的采样点数;在各子空间上构建KD树以并行地对其进行自适应采样;最后根据各采样点间的梯度值重构图像.实验结果表明,该方法能够以更少的样本绘制高质量的景深、运动模糊和软阴影效果,并控制绘制图像时的内存消耗,支持高分辨率的真实感图像生成.     

预处理自适应滤波算法

提出一一种可以在现有自适应滤波算法基础上减小运算量、提高性能的自适应滤波算法。本文将原有自适应滤波器分解为一个常规时不变数字滤波器（预处理滤波器）和一个低阶的时变滤波器（自适应滤波器）的级联。预处理滤波器改善了输入与参考之间的相干性，而降低自适应滤波器的阶数则降低了算法运算量。     

一种改进型的自适应基本矢量方向滤波器

基本矢量方向滤波器BVDF(Basicvectordirectionalfilter)是保护彩色图像色调的一种经典的矢量滤波器,主要用于消除彩色图像中的脉冲噪声和色调异常的噪声(vectorswithatypicaldirections),但它没有考虑在滤波器窗口内象素之间的空间距离对滤波效果的影响。根据人类视觉感知,在一个滤波器窗口中,即使二个象素具有相同的颜色值,其中离中心象素较近的象素应当对中心象素影响较大,而距离较远的象素对中心象素影响较小。基于此,论文试图将空间距离对滤波效果的影响量化,提出了一个基于心理距离的加权公式,并结合传统的基本矢量方向滤波器BVDF,构造出了相应的新的基于空间距离加权的自适应基本矢量方向滤波器。实验表明,新的自适应基本矢量方向滤波器,在抑制脉冲噪声、色调保持、细节或边缘保护方面,胜过传统的基本矢量方向滤波器BVDF。     

粒子滤波目标跟踪算法综述

随着人工智能科学的发展,目标跟踪成为中外学者研究的热点,近年来很多目标跟踪算法相继被提出,其中,经典的卡尔曼滤波算法常被用于目标跟踪领域。然而,在实际情况中,目标跟踪过程常涉及到非线性非高斯问题,由于粒子滤波算法在非线性非高斯系统中有较好的性能,因此将其引入目标跟踪研究领域。针对粒子滤波算法存在的跟踪精度差、实时性不高等问题,近年来国内外学者提出很多改进方法。从特征融合、算法融合和自适应粒子滤波三个方面介绍了相关改进方法的基本思想,展望了粒子滤波算法在目标跟踪领域的发展方向。     

自适应Kalman滤波器在水下被动目标跟踪中的应用

在水下被动目标跟踪系统中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行估计,动态补偿模型线性化误差,消减系统的观测误差．对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。