基于脉冲噪声检测与信号压缩的滤波算法

针对传统滤波算法细节保护能力不强的缺点,提出一种基于脉冲噪声检测与信号压缩的滤波算法。在噪声检测阶段排序检测窗口内的像素点,判定极值附近灰度值落在一定范围内的点为噪声点,并生成噪声模版;在噪声滤除阶段提取滤波窗口内信息点并压缩,进一步排除误检。根据不同噪声密度进行不同滤波,并循环迭代直至整个图像中的所有脉冲噪声点被滤除。实验结果表明,该算法具有较好的噪声滤除和细节保护能力,尤其是在高强度噪声条件下效果更明显。     

基于波束空间的MUSIC超分辨ISAR成像*

研究ISAR成像模型,针对MUSIC（多信号分类）成像算法中运算量大、分辨门限高,且散射点数目难以确定等局限性,提出基于波束空间的MUSIC（BMUSIC）超分辨成像算法。利用新的盖世圆盘方法准确判定散射点数目,通过波束空间处理,有效地降低了计算复杂度,同时抑制了噪声影响。理论分析和仿真结果表明,该方法在提高计算效率的同时,减小了算法对噪声的敏感度,改善了成像质量。     

改进的自适应中值滤波算法

中值滤波窗口大小影响滤波器性能,3×3滤波窗口可以很好地保持图像细节。提出一种新的自适应中值滤波方法。将3×3窗口中心的极值点作为候选噪声点,若候选噪声点仍然是7×7窗口的极值点,则该点即是噪声点。若以噪声点为中心的3×3滤波窗口的中值不是噪声,则噪声用中值替换。重复以上过程,直到没有噪声点被替换。如果图像中仍然存在大的噪声团块,则噪声用相邻的三个信号点的灰度均值替换。实验结果表明,该方法能够有效去除脉冲噪声,并在抑制噪声的同时很好地保护图像的细节。     

光学镀膜宽光谱监控的信号压噪

使用CCD(电荷耦合器)进行光学镀膜宽光谱监控过程中,监测信号受外界杂散光干扰、真空室内背景辐射等因数影响,信噪比低难于准确监控.本文通过对系统前端光路改造以及后期数据数字滤波处理,达到信号压噪目的,使系统在宽光谱膜厚监控过程中具有稳定性好、精度较高、响应速度快等优点.     

基于DSP的光学膜厚监控系统设计

为了提高国产镀膜机自动化程度以获得高性能的光学薄膜,需要在镀膜系统中引入微机控制单元,控制部分包含信号调理、数据采集、数据处理和反馈系统,整体监控界面采用VC++6.0编写,收集数据采集卡实时采集到的反映膜厚变化的数据,传递给DSP芯片进行实时数据处理,实现各种需要的算法处理,将运算结果提供给反馈单元进行自动控制;经过改造,国产镀膜机极大地提高了自动化程度,但实现的算法还比较简单,还不能准确判断极值点,需要进一步改进。     

脉搏波信号时域特征提取与算法的研究

研究脉搏波信号时域特征以及提取算法,针对脉搏波信号中若干有明确生理意义的特征点（如主波、潮波、重搏波等）,提出采用极值法从脉搏信号中提取上述特征点,并根据特征点来计算脉搏周期。仿真实验证明,采用极值法与传统的脉搏信号提取法相比,极值法的脉搏特征提取更简明、准确。     

图像脉冲噪声的自适应长距离相关迭代滤波法

提出一种基于局部极值噪声检测的自适应长距离相关迭代滤波算法.该算法首先采用局部极值法进行噪声检测,然后在一定的搜寻范围内计算信号点与噪声点的背景均方误差值,并以该背景均方误差值为基础采用自适应加权法进行滤波,最后将这一滤波过程进行迭代计算.实验结果表明,该算法滤波效果优于传统的滤波算法,它可以有效地去除图像中的脉冲噪声,并较好地保持图像细节信息,在噪声密度很大的情况下也表现出很好的滤波性能.     

基于双边随机投影算法的光学相干层析成像降噪

为了解决光学相干层析成像（Optical coherence tomography, OCT）系统中的散斑噪声问题,提出了一种基于双边随机投影的光学相干层析成像去噪算法。基于三维OCT图像相邻帧的生物组织结构之间的高度相似性及图像高分辨率的特性,将原始OCT图像信号分解为无噪低秩矩阵、稀疏矩阵以及噪声矩阵;然后采用双边随机投影算法进行求解,提取低秩矩阵,从而去除噪声,恢复无噪图像;在临床数据集上对本文算法进行了测试,并通过信噪比（Signal to noise, SNR）、对比度噪声比（Contrast to noise ratio, CNR）以及等效视数（Equivalent number of looks, ENL）3个指标对降噪效果进行评价。实验结果表明,与稳健性主成分分析算法相比,本文算法在信噪比、对比度信噪比以及等效视数指标上分别提高了1.22 dB、0.84 dB和59.5,能更有效地抑制散斑噪声,且计算复杂度较低。     

基于邻域信息的自适应中值滤波算法

针对图像中普遍存在的脉冲噪声,提出了一种自适应中值滤波算法,该算法在有效去除噪声的前提下能够保留更多的图像细节。首先,根据脉冲噪声灰度值为0或1的特点初步区分图像中的噪声点和信号点;其次,在每一个可疑噪声点周围取一定大小的邻域,通过判断该可疑噪声点与邻域内其他像素点之间相关性的大小进一步判断该点是否为真正噪声点,若为真正噪声点则利用邻域内所有可靠像素点的中值代替,否则输出原信号点。利用可见光及红外图像将所提算法与几种算法（如传统中值滤波算法、极值中值滤波算法,等）进行比较,实验结果表明该方法能够获得最高的峰值信噪比,去噪效果最佳。     

基于极值的椒盐噪声滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保护图像细节,提出一种基于极值的椒盐噪声滤波改进算法.算法首先进行噪声检测,将灰度值为0和255附近的像素点,且不构成5像素或以上直线的点作为噪声点,其余点作为信号点;然后进行噪声滤波,为了保护图像中的边缘、细节或细线,信号点不做任何处理,而对噪声点使用梯度法进行处理.Matlab仿真实验结果表明,新算法不仅能有效滤除椒盐噪声,在保护细节方面也取得了优于传统中值滤波算法的效果.