商标图像平滑滤波算法研究与应用

为了更加准确的完成商标图像的自动检索,在预处理过程中,针对商标图像中存在的噪声,研究了图像平滑滤波算法,分别利用均值滤波、中值滤波和改进的中值滤波方法对商标图像进行了滤波去噪处理.实验结果表明,改进的中值滤波算法在实现去除噪声的同时,既克服了均值滤波处理后图像边缘模糊和图像色变的缺点,也克服了中值滤波法处理后图像形变的不足.     

工程扫描图的一种新型的自适应中值滤波算法

工程扫描图平滑处理常采用的中值滤波器能够有效去除噪声，但也会引起图像中诸如细线、角点等重要细节信息的丢失和破坏。提出基于多个子窗口的自适应的中值滤波算法，在处理每一个像素时，把多个方向的子窗口同时作用于该像素，比较这些子窗口的灰度一致性，然后选择灰度一致性较高的子窗口的中值，作为处理后的该像素的灰度值。以一种标准测试图像和实际扫描图为例，对标准中值滤波器和所提出的算法进行了对比试验，结果表明后者具有较好的细节保护能力和较强的滤噪特性。     

一种基于噪声连接分量的自适应层次中值滤波算法

针对椒盐噪声污染图像的降噪,提出一种基于噪声连接分量的自适应层次中值滤波算法。首先根据椒盐噪声像素点的邻接关系和分布特点,对噪声定位图像实施标记处理;然后计算各连接分量集合中元素的个数,将噪声定位图像分层,得到层次噪声定位图像;最后按照由低层到高层的顺序,逐层对噪声污染图像进行标准中值滤波处理,而标准中值滤波的窗口大小则依据连接分量自适应地进行调整,最终得到滤波结果。将该算法与标准中值滤波、自适应中值滤波进行仿真实验,并与其他中值滤波算法就指标PSNR进行比较,均表明该算法降噪效果优良。     

改进门限中值滤波算法在水果图像噪声中应用研究

针对目前水果深加工产生水果图像检测算法中存在图片失真的问题,提出了一种改进门限型中值滤波算法;首先,该算法通过恰当改变门限阈值,利用均值和标准差的和,可以有效保留图像的细节和边缘信息,能够有效的去除水果图像的噪声;其次,经过多组仿真实验并对比普通的中值滤波方法,可以明显的观察出改进后的中值滤波算法有较好的效果;最后,根据大量的数据对比分析与比较,结果表明:该算法能有效的去除噪声并且保留了图像细节,比较其他中值滤波更好。     

基于中值滤波和形态学的去噪算法

提出了一种基于中值滤波和灰度形态学的去噪算法。首先利用中值滤波和形态学滤波的方法对原始图像进行去噪处理,而后叠加经过高帽变换的图像以增强边缘信息,改善了传统中值滤波算法易造成边缘模糊和对噪声强度敏感的不足。该算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。     

镀层粉化的自动识别与等级评价

针对传统人工进行合金化镀锌板镀层粉化级别评定的不足，提出基于计算机视觉的镀层粉化评价方法，自行开发了镀层识别与评级系统。通过OTSU阈值分割、中值滤波去除干扰因素影响；通过图像灰度标准差的中值滤波实现粉化区域识别，提取粉化宽度几何与纹理特征，建立了以粉化宽度、颗粒尺寸、粉化比例为衡量标准的镀锌板镀层粉化等级判断准则，实现计算机对镀层粉化图像的理解和自动识别。实验结果表明，该识别方法与等级判断准则有效、可靠。     

用于磁瓦图像的改进的自适应中值滤波算法

为消除磁瓦图像中的脉冲噪声,提出一种改进的自适应中值滤波算法:该算法通过对小窗口内非噪声点的检测来决定是增大滤波窗口还是选择输出,尽可能地减小了滤波窗口,使得图像细节得到更好地保护;同时该算法对位于窗口中心的疑似噪声点进行二次判别,避免了将信号点误判为噪声点;然后将噪声点按改进的中值滤波输出,而信号点灰度保持不变。仿真实验结果表明,该算法能够有效地滤除磁瓦图像中不同水平的脉冲噪声,并较好地保留原始图像细节信息,较标准中值滤波及其它改进中值滤波算法有更优的滤波性能。     

一种便于实时传输的中值滤波算法

为了使图像达到实时清晰化的效果,针对经典中值滤波去除椒盐噪声的不足,提出一种便于实时传输的中值滤波算法。该方法通过改进传统中值滤波的排序方式,能更快地计算出中值,并通过设立阈值鉴别噪声点的方式,更好地去除噪声并保护图像细节。这种新算法设计简单,计算速度快,在硬件上易于实现。     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

中值滤波在智能车图像处理中的应用

为了让智能车获取更为准确的道路信息,提出采用中值滤波对图像进行降噪处理,在一定的条件下可有效地克服线性滤波器所带来的图像细节模糊,对滤除脉冲干扰及图像扫描噪声最为有效。实验证明,中值滤波在智能车图像处理中具有很好的降噪效果。     

自适应中值滤波器及其应用

将自适应加权中值滤波器应用于滚动轴承故障信号的故障诊断中。当信号中含有多种噪声时，让信号先通过自适应加权中值滤波器，再通过线性带通滤波器，对降噪后的信号进行包络解调处理，可以克服噪声对包络谱分析的影响。通过仿真和试验信号分析可以看出，自适应中值滤波器在机械故障诊断中具有较好的应用前景。使包络谱分析方法得到更广泛的应用。     

基于模糊神经网络的图像滤波算法

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法.该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点.仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法.     

NOISE AND OUTLIER REMOVAL FROM JET ENGINE HEALTH SIGNALS USING WEIGHTED FIR MEDIAN HYBRID FILTERS

The removal of noise and outliers from measurement signals is a major problem in jet engine health monitoring. Typical measurement signals found in most jet engines include low rotor speed, high rotor speed, fuel flow and exhaust gas temperature. Deviations in these measurements from a baseline ‘good’ engine are often called measurement deltas and the health signals used for fault detection, isolation, trending and data mining. Linear filters such as the FIR moving average filter and IIR exponential average filter are used in the industry to remove noise and outliers from the jet engine measurement deltas. However, the use of linear filters can lead to loss of critical features in the signal that can contain information about maintenance and repair events that could be used by fault isolation algorithms to determine engine condition or by data mining algorithms to learn valuable patterns in the data. Non-linear filters such as the median and weighted median hybrid filters offer the opportunity to remove noise and gross outliers from signals while preserving features. In this study, a comparison of traditional linear filters popular in the jet engine industry is made with the median filter and the subfilter weighted FIR median hybrid (SWFMH) filter. Results using simulated data with implanted faults shows that the SWFMH filter results in a noise reduction of over 60 per cent compared to only 20 per cent for FIR filters and 30 per cent for IIR filters. Preprocessing jet engine health signals using the SWFMH filter would greatly improve the accuracy of diagnostic systems.     

Adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain for scanning electron microscope images

Image processing is introduced to remove or reduce the noise and unwanted signal that deteriorate the quality of an image. Here, a single level two‐dimensional wavelet transform is applied to the image in order to obtain the wavelet transform sub‐band signal of an image. An estimation technique to predict the noise variance in an image is proposed, which is then fed into a Wiener filter to filter away the noise from the sub‐band of the image. The proposed filter is called adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in the wavelet domain. The performance of this filter is compared with four existing filters: median filter, Gaussian smoothing filter, two level wavelet transform with Wiener filter and adaptive noise Wiener filter. Based on the results, the adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain has better performance than the other four methods.     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

应用动态链接库的LabVIEW数字滤波器开发

讨论了数字滤波技术，介绍了在LabVIEW和Visual C＋＋环境下，应用动态链接库（DLL）技术实现数字滤波器开发的方法和步骤，编制了数字滤波器子程度MyFilter．vi。将开发的My Filter．vi与LabVIEW自带的中值滤波器进行比较，发现利用该程序滤波后的数据更加接近了原有的数据采集器采集到的数据。弥补了LabVIEW中数宇滤波器子程序的不足。     

一种改进的转子振动信号消噪方法研究

为提高转子振动信号消噪方法的性能,通过分析噪声成分和对应消噪方法的特点,提出了一种基于改进中值滤波与小波包消噪技术相结合的信号降噪新方法.该方法首先根据信号采样频率计算中值滤波器的窗口宽度,从而可以有效滤除含噪信号中的脉冲噪声和部分白噪声;然后再用阈值及其处理函数都经过改进的自适应小波包消噪方法去除残留在信号中的白噪声,最终得到信噪比提高的振动信号.通过仿真信号和转子实验振动信号的降噪处理,对新方法的性能进行了验证.降噪结果表明,该方法在有效消除混合复杂噪声对振动信号干扰的同时,保留了故障信号的细节特征,比一般的小波域中值滤波降噪方法更为有效.     

运动目标跟踪系统的图像处理单元设计

运动目标跟踪系统的图像处理单元对于系统跟踪的准确性与实时性至关重要.文中将跟踪系统采集到的动态图像序列经过预处理后送入图像处理单元进行中值滤波、边缘检测以及匹配跟踪,实现对运动目标的信息跟踪.该文对传统的中值滤波算法进行改进,同时对Sobel边缘检测算法进行改进,减少了系统的运算时间,使系统的图像处理单元具有更快的处理速度和更高的实时性.