一种快速消除彩色图像高脉冲噪声的方法

针对彩色图像脉冲噪声的分布特性,提出噪声检测和滤波复原的2步算法。该算法通过长针统计检测技术判断脉冲噪声位置,用改进适应性中值滤波技术复原图像。实验表明,与已有算法相比,该算法能有效去除彩色图像中的高水平脉冲噪声,噪声密度大于80％时仍有良好性能,且算法实时性好,适宜于在线处理。     

组合导航自适应卡尔曼滤波改进算法研究

针对常规卡尔曼滤波由于噪声的统计特性与实际情况不相符而引起滤波误差增大的问题,提出了一种新的在线估计系统噪声和量测噪声的自适应滤波算法.新算法通过新息序列自适应量测噪声,对Sage-Husa滤波算法进行改进以估计系统噪声,该算法在噪声统计特性未知的情况下能进行滤波计算.最后对改进的新算法与常规卡尔曼滤波算法作了对比试验...     

邻域统计检测的双树复小波图像去噪

针对现有的脉冲噪声去除算法在去噪性能和计算效率上的缺陷,提出了基于邻域统计检测的双树复小波图像去噪算法。根据噪声的灰度特征、邻域像素的多数原则以及灰度偏差等统计特性进行噪声检测,充分利用双树复小波变换的优秀特性,在双树复小波域中用光滑可导的阈值函数以及自适应阈值对噪声图像进行去噪处理,最后用去噪图像中的像素,替换噪声图像中对应的噪声像素以得到最终的去噪图像。实验数据证明,所提出的方法优于部分最新提出的算法,具有较好的去噪性能和快速的计算效率。     

严重噪声污染图像边缘的统计检测算法

提出了一种适用于受多种噪声严重污染图像的边缘检测算法。该算法包括边缘统计判决及边缘检测两部分。统计判别部分包括三大类１３种平行统计检验方法。利用顺序统计量，使之不仅适合于含有白噪声干扰图像的边缘判决，而且适合于含有脉冲噪声和椒盐噪声的图像区域，利用加权表决的方法检测出边缘，可以大大减少计算。实验结果表明，本算法是行之有效的。     

点云模型的噪声分类去噪算法

针对三维点云模型数据在去噪平滑过程中存在的不同尺度噪声和算法计算耗时问题,提出了点云模型的噪声分类去噪算法。该算法根据噪声点分布特性,将其分为大尺度和小尺度噪声,先利用统计滤波结合半径滤波去除大尺度噪声;然后使用快速双边滤波对小尺度噪声进行平滑,实现点云模型的去噪和平滑。与传统的双边滤波相比,利用快速双边滤波对点云模型数据进行平滑,有效地提高了计算效率。实验结果表明,该算法对点云噪声进行快速平滑去除的同时又能有效地保持被扫描物体的几何特征。     

遥测地形数据中粗差的自动滤除

对于地形遥测数据中引入的脉冲噪声（粗差）,传统的滤波算法往往需要选择滤波门限、自适应能力不强,或者不能在滤除噪声的同时有效地保护信号数据。针对以上问题,提出了一种新颖的脉冲噪声自适应滤除算法,该算法基于数理统计和模糊数学思想,对局部数据（滤波窗口）进行均值和方差估计,并根据估计结果自动选择检噪门限,进而实现噪声检测和平滑。实验结果显示,在脉冲噪声密度小于5%时,该算法的滤波信噪比增益远高于常用滤波算法和其它同类算法;算法对平稳信号的处理效果较好。     

PLC脉冲噪声下的选择性合并算法*

电力线通信因其建设成本低、覆盖范围广等优势,近年来受到了更多研究人员的关注。然而,电力线信道中存在着幅值波动很大的脉冲噪声,这种噪声会扩散到频域所有的子载波上,严重影响接收端数据符号的判决。针对此问题提出了一种选择性合并算法,通过检测脉冲噪声出现的符号位置,只对没有受到脉冲干扰的符号进行合并。该算法利用了电力线系统的分集拷贝特性,虽然牺牲了一些分集增益,但性能上却有明显提升。仿真结果表明,即使在脉冲环境极其恶劣的情况下,所提合并算法也能达到很好的性能。     

循环中值平均滤除遥测地形粗差

对于地形遥测数据中引入的脉冲噪声,传统的滤波算法往往需要选择滤波门限,自适应能力不强,或者不能在滤除噪声的同时有效地保护信号数据,或者运算复杂。针对以上问题,文中提出了一种快速的脉冲噪声自适应滤除算法,该算法基于数理统计思想,对局部数据(滤波窗口)进行均值和方差估计,并根据估计结果自动选择检噪门限,进而实现噪声检测和平滑。实验结果显示,在脉冲噪声密度小于5%时,该算法的滤波信噪比增益远高于常用滤波算法和其他同类算法;对平稳变化信号的处理效果较好。     

有效去除图像中脉冲噪声的新型滤波算法

提出一种基于局部极值噪声检测的迭代中值滤波算法．该算法集中了minrnax算法与PSM算法各自的优势，并将两种算法有机地结合起来．经过实验仿真并与其他滤波算法进行比较表明，该算法可以有效地去除图像中的脉冲噪声，尤其是在噪声密度非常大的情况下表现了很好的性能。     

简化型PCNN 的混合噪声图像滤波算法研究

针对脉冲噪声和高斯噪声构成混合噪声的特点,提出了一种基于简化型脉冲耦合神经网络( Pulse Coupled Neural Network,PCNN) 滤波算法,利用了简化模型的几个技术特性,适当的选取参数,并在算法中结合了形态学方法、中值滤波和维纳滤波,该算法相对于均值滤波和中值滤波算法来说具有更好的抑制混合噪声干扰的能力,能较好地保持图像的边缘和细节信息。通过大量实验证实,应用简化型PCNN 滤波算法对滤除灰度图像所受混合噪声的效果较好。在与其他算法的比较中,该算法优于传统的滤波算法,不但能有效地滤除混合噪声,并且计算量适中,具有较好的实时性,同时随着图像受混合噪声污染程度的增大,优势更加明 显。     

激光雷达点云数据的滤波算法述评

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对它所获取的点云数据的滤波过程就是将LIDAR点云数据中的地面点和非地面点分离的过程。主要对数学形态学的滤波算法、基于坡度的滤波法、基于TIN的LIDAR点云过滤算法、基于伪扫描线的滤波算法、基于多分辨率方向预测的LIDAR点云滤波方法等几种较为重要且实用的激光雷达点云数据滤波算法进行介绍和讨论,评价对比了各自算法的优势和不足,初步探讨了每种算法缺陷及其改进方向。     

An efficient k-means clustering algorithm: analysis andimplementation

In k-means clustering, we are given a set of n data points in d-dimensional space R^d and an integer k and the problem is to determine a set of k points in Rd, called centers, so as to minimize the mean squared distance from each data point to its nearest center. A popular heuristic for k-means clustering is Lloyd's (1982) algorithm. We present a simple and efficient implementation of Lloyd's k-means clustering algorithm, which we call the filtering algorithm. This algorithm is easy to implement, requiring a kd-tree as the only major data structure. We establish the practical efficiency of the filtering algorithm in two ways. First, we present a data-sensitive analysis of the algorithm's running time, which shows that the algorithm runs faster as the separation between clusters increases. Second, we present a number of empirical studies both on synthetically generated data and on real data sets from applications in color quantization, data compression, and image segmentation     

一种改进的基于平面拟合的机载LiDAR点云滤波方法

在分析现有方法优劣的基础上,提出一种改进的基于平面拟合的机载LiDAR点云滤波方法。首先基于区域生长算法对重采样的LiDAR数据图像分割,提取最大连通区域为初始地面,然后基于坡度阈值剔除初始地面内的地物点,最后对筛选后的地面点克里金插值实现滤波。采用国际摄影测量与遥感学会(ISPRS)提供的测试数据进行实验,研究了设置不同坡度阈值对滤波结果产生的影响。结果表明,坡度阈值取0.5时滤波效果最优,整体错误率仅为4.29%。与传统的基于平面拟合的滤波方法相比较,该方法更简单实用。     

基于高程归一化的布料模拟滤波算法

点云的滤波处理是LiDAR数据处理中一个非常重要的环节,即分离出点云数据中的地面点和非地面点,为后续的数据处理打下基础。本文在传统的渐进式数学形态学滤波和布料模拟滤波方法的基础上,考虑到渐进形态学滤波对于地面点分离的效果尚可,也就是能基本保留所有的地面点,但由于其地形的自适应性较弱,高差阈值随着地形坡度的变化也有着不稳定性使得一部分非地面点容易被当成地面点,而布料模拟滤波算法具备运行效率高的优点,且布料模拟滤波在地形平坦地区的滤波效果较地形起伏大的地区滤波效果更好。因此在渐进形态学滤波结果的基础上建立目标区域的粗DEM栅格数据,然后对目标区域点云数据中各点的高程值进行一个归一化处理,消除目标区域中地形有起伏的因素给布料模拟滤波结果带来的影响。最后采用ISPRS官方网站的3组标准数据样本的实验结果表明,相比于传统的渐进式形态学滤波的结果其I类误差降低,相比于未进行归一化过程的布料模拟滤波算法的结果其II类误差降低,而其总误差均降低,达到较好的滤波效果。     

一种新的基于噪声点检测的脉冲噪声去噪算法

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法,但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失,从而使图像变得模糊。基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。该文在此基础上提出了一种新的基于噪声点检测的脉冲噪声滤波算法,该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据。而在滤除被检测到的噪声点时,采用的是迭代的中值滤波算法。从实验结果中可以看到,与其它中值滤波算法相比,该文的算法在去除脉冲噪声时能取得较好的效果。     

先验自适应中值滤波图像增强算法

通过分析传统中值滤波与自适应中值滤波算法的特点,提出了先验自适应中值滤波算法。该算法的思路是先对噪声进行检测与标识,再构造噪声标识矩阵,根据中值滤波算法原理在取中值时排除邻域内噪声点的灰度值。该算法避免了过度滤波,在保证滤波效果的前提下提高了滤波效率。     

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。     

基于像素点聚类分离的滤波算法

为了提高受随机值脉冲噪声污染的图像的滤波效果,提出了一种新的滤波算法。对噪声图像进行初步滤波,分辨出图像中比较明显的噪声;根据图像局部像素点的相似性和噪声点的孤立性,计算出噪声图像的相关矩阵;运用模糊C均值聚类算法对所求相关矩阵进行迭代聚类,分离出噪声点和正常像素点;对噪声点进行中值滤波。实验结果表明,与传统算法相比,该算法能更好地滤除噪声点,保护了更多的图像细节,具有良好的滤波效果。     

基于噪声分类的双边滤波点云去噪算法

针对三维点云数据模型在去噪光顺中存在不同尺度噪声的问题,提出一种基于噪声分类的双边滤波点云去噪算法。该算法首先将噪声细分为大尺度和小尺度噪声,并使用统计滤波结合半径滤波对大尺度噪声进行去除;然后对三维点云数据进行曲率估计,并对现有点云双边滤波进行改进,增强其鲁棒性和保特征性;最后使用改进的双边滤波对小尺度噪声进行光顺,实现三维点云数据模型的去噪、光顺。与单独使用双边滤波、Fleishman双边滤波相比,改进算法在三维点云数据模型光顺平均误差指标上分别降低了50.53%和21.67%。实验结果表明,该改进算法对噪声进行尺度的细分既提高了计算效率,又避免了过光顺和细节失真,较好地保持模型中的几何特征。