基于路径提取的旋转模糊图像复原算法

安装在旋转平台上的成像传感器随着平台的高速旋转,其所成图像将产生严重的旋转模糊。针对旋转模糊图像模糊长度径向可变的特点,提出了一种基于路径提取的旋转模糊图像复原算法。主要是通过径向提取图像的模糊路径,求得各个路径上的模糊长度,将二维旋转模糊图像复原问题转化为一维的线性信号复原。仿真实验结果表明,相较于对数极坐标、最小二乘法复原算法,所用算法计算量小,复原效果明显。     

基于模糊自适应互补滤波的姿态解算算法

在互补滤波姿态解算算法中,如果将滤波器参数设置为固定值,加速度计测量值包含振动噪声和运动加速度会影响姿态解算效果;针对此问题,首先根据加速度计测量值的模值对姿态解算算法进行改进,然后根据加速度计测量值求取的误差能反应载体运动状态这一特性,提出了一种模糊自适应互补滤波姿态解算算法;仿真试验表明:     

非高斯噪声环境中基于梯度范数的自适应滤波算法

针对传统最小均方类算法在非高斯噪声中自适应滤波性能下降的问题,提出了一种基于梯度范数的变步长归一化最小平均P范数算法.算法将α稳定分布作为非高斯噪声分布模型,依靠梯度范数与均方权值偏差(MSD)的关系自适应调整步长,加快收敛速度的同时减小稳态误差,理论推导证明了算法的有效性.仿真结果表明,在非高斯噪声条件下,该算法具有更好的收敛性能和抗突变能力以及更小的稳定误差.     

模糊自适应机动目标跟踪算法

提出了一种模糊自适应机动目标跟踪算法.该算法首先通过新息进行机动发生与否及强弱的判断,进而由模糊推理系统给出了过程噪声的自适应调整,并提出了通过测量获得测量噪声特性的方法,使得测量噪声方差能准确地反映测量仪器本身的性质和环境的影响.通过仿真实验验证了该算法在目标发生机动时,能自适应调整过程噪声,对机动目标有效地进行跟踪,相比传统的卡尔曼滤波具有更小的跟踪误差.     

基于巴特沃斯低通滤波的自适应步长梯度下降姿态解算方法

针对旋翼无人机常用的低成本MEMS姿态传感器，因其内部低通滤波具有一定相位延迟效应，致使旋翼无人机姿态原始数据预处理后具有时间滞后的问题，提出一种基于零相位时延修正的巴特沃斯低通滤波(LPB)的自适应步长梯度下降姿态解算方法。通过计算正反单边序列通过滤波器时相位偏移大小，补偿MEMS传感器的时延，然后设计自适应步长梯度下降法进行姿态解算。实验结果表明，该方法在多旋翼高速运动时可提供高时效准确的姿态信息，提高控制响应速率。     

基于似然分布自适应调整的SMC-PHDF算法

SMC-PHDF(Sequential Monte Carlo-Probability Hypothesis Density Filter)算法由于不受高斯和线性的限制,在目标跟踪领域有着广泛的应用;然而当系统量测噪声较大,很多样本的归一化权重很小而成为无效样本,最终导致SMC-PHDF算法滤波精度较低;针对这一问题提出似然分布自适应调整的SMC-PHDF算法,通过在更新步骤中自适应调整粒子权值,增加先验密度和似然的重叠区,从而达到提高滤波性能的目的;仿真结果表明:在系统量测噪声较大时该算法比传统SMC-PHDF算法的滤波效果有所提升.     

基于梯度图像法的激光雷达图像融合滤波算法

为了有效消除激光雷达图像斑点噪声的干扰,针对单一滤波算法的不足,提出一种基于梯度图像法的激光雷达图像滤波融合算法。分析激光雷达图像的噪声特点,综合Lee滤波和小波滤波的优势,该算法利用图像的梯度图像来判断斑点噪声隶属于信号区域还是边缘区域,在边缘点采用小波阈值滤波的结果,在信号区域选择Lee算法的结果达到最好的滤波目的。仿真试验的结果表明:该算法具有很强的散斑噪声抑制能力,能够在噪声滤波和图像信息保持2个方面都能达到很好的效果。     

梯度自适应格型滤波联合算法的性能分析

针对在非平稳环境下,以最小均方(LMS)为代表的自适应梯度算法跟踪输入信号的能力不强和稳定性不够的问题,设计了一种以梯度自适应格型算法与线性组合器组成的联合处理器,并在白噪声、车载噪声、粉红噪声三种环境下的性能进行了仿真实验.结果显示该处理器在平稳和非平稳两种干扰环境下都只需要约20次迭代运算达到稳定,相对于横向自适应最小均方算法不仅减少了算法总的复杂度,而且对微弱信号的信噪比改善能力更强.研究表明该算法既满足收敛速度快、精度高、稳定性好等要求,又可以节省硬件资源.     

基于神经模糊建模的自适应噪声抑制

文中由实际工程中经常遇到的耦合噪声滤除这一问题,引出了基于神经模糊建模的自适应噪声抑制方法.简述了模糊逻辑的有关概念,特别是说明了Sugeno型模糊系统的构成与特点;并在此基础上论述了自适应神经模糊推理系统ANFIS的组成及其功能;最后将这一建模方法应用到工程中的自适应降噪系统,取得了良好的效果.     

基于H∞滤波的主/被动雷达模糊自适应融合算法

在主/被动雷达复合制导背景下,提出一种基于H∞滤波和模糊逻辑的自适应融合算法,算法结合了H∞滤波和模糊推理的优点.为了克服卡尔曼滤波对模型和传感器噪声特性的依赖性,应用H∞滤波实现目标的状态估计.与卡尔曼滤波相比,H∞滤波不需要对噪声作任何假设.由于模糊推理方法具有很强的处理不确定性问题的能力,基于协方差匹配技术应用模糊推理方法在线估计每个H∞滤波器的性能,融合中心根据每个H∞滤波器的性能融合来自两滤波器的状态估计值.数字仿真结果表明了算法的有效性.     

基于方向微分的运动模糊方向鉴别的改进算法

对运动模糊方向鉴别受图像中目标形状影响的情况,基于目标不可能同时出现在图像四角的考虑,提出鉴别图像四角替代整幅图像的思想,完善了现有的基于方向微分的加权平均法,扩大了其应用范围。同时,分两次设定方向角的搜索步长,减小了计算量。试验表明,改进后的基于方向微分的加权平均法运行时间为现有方法的29．27％,鉴别结果的均方误差为现有方法的65．98％。     

基于改进的期望值最大化自适应光学图像多帧迭代去卷积算法

为提高自适应光学图像复原的效果,基于期望值最大化理论,提出了一种基于改进期望值最大化（EM）算法的自适应光学（AO）图像多帧联合去卷积算法。通过建立多帧AO图像退化的数学模型,推导出基于相位误差并随时间变化的点扩散函数(PSF)模型,根据图像功率谱密度及约束图像支持域的方法对AO图像进行去噪处理。应用AO成像系统参数与正则化技术相结合对EM算法进行改进,建立多帧AO图像联合去卷积的代价函数及其参数估计的优化模型。利用所建模型对模拟图像和实际观测的AO图像进行图像复原实验验证文中算法的复原效果。实验结果表明,与Wiener迭代盲去卷积、Richardson-Lucy迭代盲去卷积算法相比,文中算法迭代次数减少14.3%,估算精度有了明显提高,辨识出了AO图像的PSF,复原出了清晰的观测目标图像。研究结果对实际AO图像复原有一定的应用价值。     

噪声图像的自适应滤波处理

利用高斯函数得到了图像平滑处理所使用的高斯函数型去噪公式,基于此公式可构造出具有不同处理效果的去噪模板。针对不同的噪声水平,提出了不同去噪模板的选取方法。实验结果验证了自适应滤波处理的效果。     

基于增益调整策略的自适应滤波算法

针对工程实际，采用限定下限的衰减稳态增益滤波算法对Kalman滤波的稳态形式进行了扩展，提出了一种新的实时机动辨识算法和滤波增益的调整策略，减小了自适应的滞后误差，提高了跟踪精度；同时对于航迹起始时的暂态过程进行了特殊的处理，极大地改善了滤波的收敛速度．仿真结果表明，跟踪精度能够满足现实C^3 I系统的工程要求，并且较好地解决了一般自适应算法的精度与先验数据以及算法复杂度之间的矛盾．     

基于遗传算法的自适应机动多目标跟踪算法

根据卡尔曼滤波器池思想。设计一组有不同初始滤波参数组成的具有并行关系的卡尔曼滤波器。通过浮点编码的遗传算法离线对这些滤波参数寻优,找到最佳滤波参数。仿真结果说明机动多目标跟踪的遗传算法具有较强的全局最优搜索能力,自适应好且跟踪精确度较高,这证实了此新方法在自适应机动多目标跟踪下的可应用性。     

图像复原的逆滤波器技术探讨

图像复原是利用退化现象的某种先验知识(退化模型),按退化的逆过程重建图像的技术.其退化模型是原始图像经过算子,或系统经退化因素作用之后和噪声叠加,以形成退化后的图像,即实际得到的图像.逆滤波器复原的原理,是利用已知复原图象和噪声,通过退化函数,经过反傅立叶变换,求出原始图象.同时以Visual C++ 6.0为开发工具,讨论了实现逆滤波复原函数的部分程序.最后给出了对一幅图像进行卷积模糊操作和逆滤波复原的示例.     

神经网络预测控制的航空相机前向像移补偿方法研究

为了对某全景式航空相机所产生的前向像移进行补偿,对前向像移产生的原理进行分析,并对像移补偿的方法进行研究。根据该型相机的工作原理,找到前向像移产生的机理。用神经网络模型（NNM）对系统时域响应的非线性特性进行辨识。根据NNM给出的扫描反射镜补偿角速度的预测值,通过最优算法调整控制信号,使被控对象跟踪理想补偿角速度的性能达到最优。该方法在该型相机前向像移补偿上克服了传统PID控制方法中所存在的不足,即精度低、响应慢、适应性差。实验结果表明：采用神经网络预测控制,扫描反射镜的实际补偿角速度输出跟踪理想补偿角速度的性能良好,优于传统方法。该方法可以应用于该型航空相机的像移补偿中。     

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外 小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵 算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明：该方法适应 性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。