自对偶层叠滤波器统计特性分析

本文在层叠滤波器一般性理论基础上,对自对偶层叠滤波器的输出分布进行了研究.结果表明:自对偶层叠滤波器的输出在中值意义上是统计无偏的,并且给出了自对偶层叠滤波器输出分布的一种表达式.     

克隆粒子群算法的镜像层叠滤波器的优化设计

层叠滤波器是一种具有层叠性和阈值分解性的滑动窗非线性数字滤波器.层叠滤波器的优化设计过程关键就是对正布尔函数优化.本文利用了克隆粒子群优化算法的全局寻优能力和免疫系统的免疫信息处理机制,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法进化过程中的收敛速度和精度.仿真实验的结果也表明,该算法在正布尔函数的优化效果得到了显著改善,收敛加快,试验结果表明该算法设计的层叠滤波器具有良好的细节保持能力和去噪声能力,有效地改善了滤波性能.     

自适应邻域加权模拟退火层叠滤波器

图像处理问题的研究中,层叠滤波器的优化设计实际上是寻找最优正布尔函数的过程,如何有效地获得最优正布尔函数是优化设计的难点问题,为了改进层叠滤波器的优化方法,提出在自适应邻域加权平均绝对值(ANWMAE)准则的基础上建立数学优化模型,设计层叠滤波器,算法相对遗传算法优化时间较短,同时将邻域像素点的影响考虑在内,通过在迭代过程中得到最优正布尔函数.在传统阈值分解的基础上,构建自适应邻域加权模拟退火层叠滤波器(ANWSA)和自适应邻域加权递归模拟退火层叠滤波器(RANWSA).对最优ANWSA和RANWSA进行了性能分析,结果表明,层叠滤波器在有效地滤除噪声的同时,能更好地保持图像的细节信息.     

层叠加权中值滤波器

利用层叠滤波器的阈值分解特性，提出了一种基于阈值分解结构的滤波器－层叠加权中值滤波器。该滤波器结构简单，易于并行处理和通过ＶＬＳＩ实现。图象处理仿真实验表明，其具有良好的滤波效果。     

基于层叠处理的多级自适应WOS滤波器

基于层叠处理的ＬＰ算法求解最优非线性滤波 缺陷在于：⑴必须掌握信号和噪声的先验统计知识,⑵计算量随滤波窗增大呈超指数增加,根据层叠滤波器理论,所有ＷＯＳ滤波器正布尔函数都是线性可分离的,在此基础上,提出了一种多级自适应ＷＯＳ层叠滤波器,从有效地克服了传统ＬＰ算法的缺点,它尤其适合于图象处理领域。     

模糊加权中值滤波器

本文介绍了一种模糊加权中值滤波器,该滤波器由模糊布尔函数和滤波加权确定。本文用S型函数逼近模糊布尔函数。此外,用模糊理论领域中使用的S型函数逼近所滤波的加权。模糊加权中值滤波器只由4个参数确定。所提出的滤波在均方误差准则下能够由最小均方算法导出。图像复原的实验结果表明,本文介绍的模糊加权中值滤波方法既能去除脉冲噪声和平滑高斯噪声,又能同时有效地保持边缘和图像细节,漠糊加权中值滤波器明显优于加权中值滤波器,也优于Wiener滤波器。     

模糊加权均值滤波器

主要研究了受混合噪声污染图象的降噪滤波问题,运用模糊数学思想提出了一种基于模糊隶属度的加权均值滤波器。该算法利用模糊隶属度函数的概念,对均值滤波器的权值加以优化,使其不仅在降低高斯噪声的能力方面较均值滤波有所提高,而且对于脉冲噪声及混合噪声也有很好的抑制能力。     

一种自适应的加权均值滤波器

提出了一种基于灰度值相似度和空间临近度的自适应加权均值滤波器.滤波器充分利用处理的像素点的局部信息,以区分图像局部的变化是由于噪声引起的还是因图像特征的变化(如边缘等)所引起.经仿真试验表明,文中方法在噪声的去除和边缘保存上,与其他几种图像去噪的方法相比,更为简单有效,且易于硬件实现.     

一种用于图像边缘检测的自适应指数滤波器

本文提出一种用于图像边缘检测的自适应滤波器,利用它既可滤除图像噪声,又可获取精确度高的图像边缘。文中比较详细地分析了这种滤波器,并给出了递归实现算法。理论分析和实验结果表明,自适应指数滤波器的性能优于高斯滤波器。     

一种正交镜像滤波器的优化设计

子带编码中,广泛采用正交镜像滤波器(QMF)消除各子带谱的混叠。文章在加权均方最小基础上提出一种新的、有效的QMF最优设计方法。通过均方最小加权函数的适当选择,以使整个系统的频率响应近似为1,产生权值最小正交镜像滤波器。并给出具体设计例子。     

基于改进阈值函数的自适应图像去噪方法

经典的BayesShrink通过软阈值函数对小波系数进行修正,使得原小波系数和修正小波系数存在恒定偏差,降低了去噪图像质量。文章利用噪声系数幅值随小波系数幅值的增大而相对减小的特点,构造了具有伸缩性的自适应阈值函数,该方法克服了软阈值函数产生的恒定偏差,依赖小波系数幅值对原始系数和修正系数间的恒定偏差自适应调节。伸缩因子m根据不同图像特点采用二分法自适应寻得最优值。实验结果表明改进后的阈值函数相比经典软阈值函数去噪效果较优。     

自适应对比度阈值SIFT算法研究

SIFT(Scale Invariant Feature Transform)算法剔除掉对比度小于给定阈值的候选特征点,认为这些点是不稳定的,但是并没有普遍适用的阈值;固定对比度阈值SIFT算法提取的特征点数目,随着图像对比度的降低而急剧减少,并且整幅图像采用一个固定的阈值,会造成特征点的分布不均匀,无法满足图像高精度匹配的需求;因此需要根据图像人工调整对比度阈值;但是人工调整阈值不能够实现图像的自动匹配,满足不了无法进行人工干预的场合。因此为了提高基于SIFT图像匹配算法的精确性和自动化水平,提出了一种根据特征点局部邻域内的灰度信息,确定对比度阈值的方法,用于改进SIFT算法,并将改进后的算法用于图像匹配;实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,能够很好地适应图像对比度的变化,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性。     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

一种自适应模糊阈值区间的图像分割方法

针对图像分割边缘不准确的问题,研究了一种基于模糊理论的阈值区间的图像分割方法。在首先介绍的模糊阈值分割的基本原理上,提出了一种分层分割图像的思想。根据图像具有模糊的性质,利用模糊阈值法得到一个图像分割的调和阈值,再将每一层根据像素统计直方图信息得到一个本层次的阈值区域,最后用模糊阈值法得到的阈值调和阈值区域,使最终的分割阈值区间更精确。最后,根据相邻层相连背景像素相似的原则,逐层分割图像。实验结果表明该方法具有较好的分割效果。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesSbrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果。     

快速地址计算的自适应栈高速缓存

随着存储系统的访问速度与处理器运算速度的差距越来越显著,访存性能已成为提高处理器性能的瓶颈.通过对程序的访存行为进行分析,提出快速地址计算的自适应栈高速缓存方案.该方案将栈访问从数据高速缓存的访问中分离出来,充分利用栈空间数据访问的特点,提高指令级并行度,减少数据高速缓存污染,降低数据高速缓存失效率,并采用快速地址计算策略,减少栈访问的命中时间.该栈高速缓存在发生栈溢出时能够自适应地关闭,以避免栈切换对处理器性能的影响.栈高速缓存标志中增加进程标识,进程切换时不需要将数据写到低层存储系统中,适用于多进程环境.SPEC CPU2000程序运行结果表明,采用快速地址计算的自适应栈高速缓存方案,25.8%的访存指令可以并行执行,数据高速缓存失效率平均降低9.4%,IPC值平均提高6.9%.     

基于小波变换的图像自适应阈值去噪算法

针对传统小波阈值去噪算法的不足,提出了一种新的自适应阈值去噪算法.该算法引入了一个新的阈值函数,利用GGD模型对小波子带内的系数进行建模,再根据小波子带系数的局部邻域信息进行方差估计,从而得到自适应最优阈值.实验结果表明,该算法在峰值信噪比和主观视觉效果上都比传统小波阈值去噪算法具有明显改善.     

一种用于彩色图像目标识别的自适应阈值分割方法

机器人视觉系统利用颜色、形状等信息来识别环境目标,但是难点在于识别的鲁棒性和实时性的保证。采用移动机器人做平台,提出一种基于颜色学习的实时目标识别系统,并提出了一种目标颜色学习和分割算法,该算法基于自适应阈值分割图像,考虑环境的光照变化进行调整,改善了系统的实时性和鲁棒性。     

基于δ算子的滑动窗自适应格形滤波器

本文利用最小二乘几何投影方法详细推导了一种基于滤波器δ算子的滑动窗自适应格形滤波算法，瘩深入讨论了这种滤波器在系统辨识和参数变化检测中的应用。