图像非线性滤波技术的研究

中值滤波是图像处理中常用的一种非线性滤波方法,该方法能够在有效地去除噪声的同时保持图像的边缘细节,解决了多数线性滤波在去噪的同时模糊图像这一缺点,能获得较好的图像复原效果。适当设计的加权中值滤波能更好地保护图像的细节信息,调节滤波模板参数可以获得理想的滤波效果。另外,中值滤波可以有效抑制脉冲干扰。本文讨论了中值滤波和加权中值滤波,并给出了相应的实验结果和结论。     

一种新的红外弱小目标检测前跟踪算法

针对低信噪比复杂环境下红外弱小目标检测问题,提出了一种基于拟蒙特卡罗抽样的检测前跟踪算法.采用新的基于拟蒙特卡罗抽样的高斯粒子滤波算法(QMC-GPF)估计目标运动状态和红外小目标幅度状态,同时利用该滤波算法中迭代更新的协方差矩阵的收敛特性构建判断逻辑,实现目标"软判决"检测.对仿真红外图像序列的实验表明,该算法可快速有效地跟踪和检测信噪比不小于1dB的弱小目标.     

自适应加权中值滤波在地震图像中的应用研究

针对中值滤波可以有效抑制随机噪声的特点提出一种新的自适应加权中值滤波算法.该算法可有效分析地震图像噪声分布特点,依据被污染情况确定权值域.实验证明,该算法在提高巾值滤波性能的同时有效地消除了地震图像的噪声,并很好地保持了图像边缘细节,提高了地震图像的信噪比.     

海空背景下红外弱小目标检测方法

针对在海上搜救中弱小目标难以被发现的情况,提出了一种海空背景下红外弱小目标的检测方法.该方法首先进行背景预测,然后将原图像和背景预测后的图像差分进行目标提取,使用Top-Hat变换对目标提取后的差分图像进行滤波处理以去除残余波浪噪声影响,最后使用自适应阈值检测,检测出弱小目标所在的方位.通过和传统的对单帧图像采取Top-Hat变换滤波做法的比较,可以看出来该方法可以较好的去除海浪的影响,检测出亮度较高的红外运动弱小目标,辅助海上搜救工作的完成.     

一种改进的金相图像处理自适应加权均值滤波方法

金相组织图像分析是显微图像分析中的一个重要内容。由于噪声的存在会对图像分析带来很大的误差,因此进行图像分析前需要对金相图像进行滤噪处理,从而使图像的细节更加突出,便于目标识别。针对标准均值滤波方法存在的不足,提出自适应加权均值滤波方法。该方法通过检测确定图像中的脉冲噪声点,并用改进的均值滤波方法对检测出的噪声点进行滤波。实验结果表明,自适应加权均值滤波能在有效地去除噪声的同时,较好地保护图像细节,较标准均值滤波具有更优良的滤波效果,而且可与更大窗口的中值滤波效果相媲美,其处理速度比大窗口的中值滤波快。     

一种双波段红外图像弱小目标融合检测新算法

提出了一种基于模糊推理的双波段红外图像弱小目标融合检测新算法．首先分别得到双波段红外差分图像,根据差分图像的噪声特性引入隶属度函数来衡量像素点灰度变化程度,对多帧差分图像进行融合,按照“IF…THEN…”规则分别完成单一波段融合后的图像模糊推理,提取目标运动航迹,最后通过融合双波段的航迹实现弱小目标的检测．仿真实验结果表明,该算法通过模糊推理克服了 “硬”判决带来检测概率低的缺点,利用双波段红外图像融合提高了检测性能,可以有效地检测出低信噪比红外图像序列中的弱小运动目标．     

交替滤波的加权形态边缘检测算法

针对常用的边缘检测算法因卷积运算造成图像边缘模糊,提出一种基于交替滤波的加权形态边缘检测算法.利用交替滤波滤除噪声以减少对边缘检测的干扰,进而作多方向的条件边缘检测来得到各方向的最佳边缘,然后把这些边缘进行归一化运算并加权求和得图像的合成边缘,最后进行阈值处理得到包含各个方位的最佳边缘结果.实验结果表明,用基于交替滤波的加权形态边缘检测算法可有效克服噪声影响,得到理想的图像边缘.     

基于方向滤波的地震资料去噪研究

在对传统的图像边缘检测的基础上,利用加入方向性的边缘检测滤波器进行去噪．该方法加强了对地震资料的地层纹理方向的滤波作用,使得地层沿层理方向的连续性得到一致性增强,并且保护了边缘信息．同时实验结果表明,该方法有效地消除了地震图像的噪声,提高了同相轴的连续性和地震资料的信噪比．     

基于Kalman滤波的红外弱小目标检测前跟踪算法

红外弱小目标检测跟踪问题具有重要的军事意义和广阔的应用前景,检测前跟踪算法是解决这一问题的有效途径。提出了一种基于Kalman滤波的检测前跟踪算法：首先对红外图像进行形态学top-hat算子滤波预处理;然后利用恒虚警率阈值提取单帧候选目标,并利用目标灰度模板进行灰度核密度估计,初步剔除大部分虚假目标,累积处理若干帧后,利用Kalman滤波器筛选出最优轨迹;最后依据一定的判断准则从当前帧候选目标中提取出真实目标。与一种典型的基于管道滤波的算法进行对比,仿真实验结果表明,该算法对目标运动速度和信噪比的变化有较强的适应能力,同时能用于目标遮挡或消失等情况。     

低信噪比下的多分量LFM信号参数估计

针对低信噪比奈件下传统多分量LFM信号参数估计方法失效问题，提出了一种基于二值图像细化处理和图像流滤波的TFRT-HT-ISF方法．该方法对接收信号的RSPWVD图像进行形态学细化处理解决了时频聚集性降低的问题，采用图像流滤波技术滤除了来自干扰噪声的闽值处理后的剩余虚假尖峰．仿真结果表明，该方法能够在低信噪比条件下准确有效地进行多分量LFM信号参数估计．     

一种基于加权均值滤波噪声点检测的中值滤波算法

针对常规中值滤波在图像去噪过程中会将原图像的有用信息同时滤除的问题,提出了一种基于加权均值滤波噪声点检测的中值滤波算法.该算法通过含噪图像与其经加权均值滤波的图像作差对图像中的噪声点进行判别,从而针对噪声点进行滤波,能在保持图像原始信息的前提下有效地将图像中的噪声滤除.实验结果表明,与常规中值滤波算法相比,该方法既具有较好的去噪特性,也具有较强的细节保护能力.     

一种空时域结合滤波的运动弱小目标检测方法

依据红外序列图像中弱小目标运动轨迹的连续性,提出一种空时域结合滤波的运动弱小目标检测算法．在分析弱小目标可能的运动轨迹的基础上,构造了一组滤波模板,利用这组模板对时域检测结果进行滤波,确定出弱小目标可能的运动轨迹．并进一步结合时域特征,对运动弱小目标进行累积增强．由于提出的方法充分考虑了序列图像中运动弱小目标的空时域特征,因此具有很好的检测性能．     

新遗传粒子滤波的红外弱小目标跟踪与检测

针对传统粒子滤波器的粒子退化和贫乏问题,提出基于进化思想的新遗传粒子滤波算法．将算术相加,快速Metropolis-Hastings移动作为遗传算法的交叉和变异算子,与赌轮选择一起作为粒子滤波重采样的一类方法．将新遗传粒子滤波用于红外弱小目标的跟踪与检测,利用目标的幅度特性和运动特性,进行多帧图像滤波输出的似然比假设检验,来判断目标是否存在．仿真实验结果表明,基于快速Metropolis-Hastings 变异的遗传重采样方法可以快速提高粒子的多样性,避免粒子退化;所提出的检测方法在虚警率为10^-3,信噪比为2.0时,检测概率可以达到98.5％,检测性能明显优于传统重采样粒子滤波算法．     

一种改进的极值中值滤波算法

针对极值中值滤波算法在去除噪声时存在误检率较高的问题,提出了一种改进的噪声检测去噪算法。该算法首先采用改进的噪声检测方法,进一步减小误检率和漏检率;然后利用信号点对噪声点滤波。经过仿真实验并与其他方法对比分析表明,该方法能够在去除图像噪声的同时保留图像的细节,有效提高图像的输出信噪比。     

输油管道泄漏检测中的自适应滤波

管道在输送流体的过程中,由于管道周围介质的扩散、管道摩阻等影响,使得在管道两端测得的压力与流量信号带有很大的噪声,它的存在势必影响管道泄漏的快速检测和漏点的精确定位。因此选用一种合适的滤波技术消除噪声,有着重要的现实意义。介绍了自适应滤波算法消除噪声的方法,在滤波算法中,采用Widrow-Hoff的最小均方误差算法调整滤波器的权系数,以在泄漏实验中采集的压力信号为例,通过计算机编程对它进行离线自适应滤波处理。结果表明,合理的选取算法中的步长和权系数个数,自适应滤波方法可有效地消除信号中的噪声。这为管道泄漏等方面的研究提供了可靠的数据,对其它信号的处理也有一定的借鉴作用。     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

过采样方法的应用研究

提出一种过采样-脉冲计数方法,用于从基带信号或FSK、BPSK等数字调制信号中恢复二进制序列,也可以用于信道的信噪比估计中。该方法是在一个码宽内对信号多次采样,并对每个码宽内的脉冲进行计数,然后把计数结果用于符号的判决或估计信道的信噪比。仿真实验结果表明,该方法在误码率性能上要优于匹配滤波法;同时,该方法在用于信噪比估计时不仅估算精度比现有的两种方法高,而且估算结果与观察长度无关,因而更适合现代通信对实时性的要求。