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。     

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.     

基于局部直方图的加权均值滤波器

针对受椒盐噪声不同程度污染的灰度图像滤波问题,提出了一种基于局部直方图的加权均值滤波算法。该算法针对椒盐噪声特点,对含噪图像进行噪声检测,建立噪声标记矩阵;对标记为信号的像素不做处理,标记为噪声的像素依据其邻域像素污染程度采取不同窗口尺寸的加权均值滤波,像素权值由噪声点所在区域的局部直方图确定。对不同噪声率污染的测试图像仿真结果表明,该算法在有效抑制噪声的同时能较好地保持图像的细节信息。最后,通过与中值滤波和其他一些改进算法的滤波效果比较,证明了该算法的有效性。     

Myriad革新你的设计流程

Myriad是文档处理、绘图、2D/3D CAD模型浏览程序。它能使你在工作团队内部安全地浏览和共享所有的文档系统。它适用于企业网络协作产品商务和基于Intranet的文档系统,广泛应用于工程、设计、制造、建筑等领域。Myriad能提高修改指令的沟通效率,提供查看文档、2D图形和3D模型的     

图像快速自适应加权中值滤波

中值滤渡由于可对随机噪声起到良好的去除效果因而在信号恢复中得到了较为广泛的应用.本文提出了一种新的快速自适应加权中值滤波算法以提高中值滤波算法的性能.该算法通过噪声检测确定图像被污染的程度.再根据污染情况选取不同的加权值.为提高中值滤波的速度,作者基于数组分布范围有限这一特征提出一种多级分阶的统计直方图中值求解方法.实验证明该算法在抑制噪声的同时也能较好地保护细节信息,并且能有效地提高标准中值滤波的速度.     

基于局部空间像素特征的自适应加权滤波算法

提出了一种新的基于局部空间像素特征的椒盐噪声自适应加权滤波算法。该算法首先对含噪图像逐点进行噪声检测,把所有像素分为含噪像素点和信号像素点;然后采用自适应加权滤波方法,对检测到的噪声点进行滤波,滤波权重由确定的数学公式来确定,自适应于滤波窗内临近像素的局部特征。实验结果表明,该算法不仅可以有效地除去椒盐噪声,又可以较好地保持图像边缘细节,尤其在噪声密度较大时,效果明显优于传统的中值滤波算法。     

图象中心加权中值滤波的改进与应用

中心加权中值滤波具有较好的边缘保持特性及快速实现的特点，但滤噪能力低于其它中值滤波。此文探讨对中心加权中值滤波的改进方法，提出了中心权分级实现的思想，使之同时具有边缘保持，快速滤波和噪声去除的理想效果。     

结合相似度的新型加权网络模型

许多实际复杂网络都可以采用加权网络模型描述.现有加权网络多以节点强度作为择优连接的概率,而未考虑节点之间内在属性的相似也会增加两个节点连接的概率.基于典型的BBV加权网络模型,提出一个结合相似度的新型加权网络模型,改进了已有模型的连边增长方式和择优连接机制,提出了一种权重自适应演化机制.通过提出节点之间相似度的概念,网络演化中同时兼顾节点强度与相似度进行择优连接.网络增长时,既考虑了新节点与已有节点之间增加连边,又考虑到两个已有节点之间增加连边.理论分析和实验结果表明,该网络模型具有无标度特性和小世界特性,节点度和节点强度均具有幂律分布规律,具有更广泛的应用场景.     

自适应加权镜像阈值层叠滤波器

与传统的阈值层叠滤波器相比,镜像阈值层叠滤波器不仅具有低通滤波的特性,还具有带通和高通的特性。但由于镜像阈值层叠滤波器比传统的阈值层叠滤波器的正布尔函数长度有显著增加,从而使计算量增加,为解决这一问题,提出了一种镜像自适应加权（MAW）算法。该方法充分考虑了镜像阈值分解的特点,并通过引入自适应领域加权误差准则建立了代价向量,在迭代过程中,对代价向量的层叠性进行快速约束,并判断其收敛性,最终获得了基于最优正布尔函数的自适应加权镜像阈值层叠滤波器（AWMSF）。为了验证该滤波器的滤噪性能,对最优AWMSF进行了性能分析,结果表明,AWMSF在滤除噪声的同时,能更好地保持图像的细节信息,并可减少迭代次数,从而使计算复杂度大大降低。     

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。     

基于旋转不变像素相关性的加权中值滤波器

作为一种典型的非线性滤波器,加权中值滤波器可以通过权值系数调整图像的滤波性能。但是在传统加权中值滤波器中,模板内各个像素都对应唯一的权值系数,没有考虑到滤波模板下像素之间的相关性。因此,将权值与模板下两两像素间相关性对应,提出一种新的加权中值滤波模型。同时考虑到图像旋转、翻转情况下滤波的稳定性,进行对称性设计,降低权值模型复杂度,采用差分进化算法对权值进行寻优。对不同滤波器进行权值寻优实验可以看出,基于旋转不变像素相关性的权值模型具有更好的收敛性;灰度图像和彩色图像脉冲噪声的滤波实验结果表明,其在抑制图像噪声,细节和边缘保护以及彩色图像的色调保持方面,优于传统加权中值滤波算法。     

一种基于高阶统计量的图像混和加权滤波方法

平滑噪声和保持边缘细节是对图像滤波两个方面的要求,如何兼顾和平衡二者是图像滤波要解决的核心问题。根据高斯噪声的特点,该文引入高阶统计量并结合空域滤波的模板法描述图像的纹理信息,提出了一种基于高阶统计量分析的图像混和加权滤波方法。文章利用高阶累积量所描述的图像细节复杂程度对模板进行分类,并分别采用相应的滤波方法,最后通过混和加权而得到其估值,从而既较好地保持了图像边缘细节,又有效地滤除了图像噪声。实验结果表明,相对于几种常见的保细节滤波方法,文章介绍的方法能够得到更好的效果。     

基于三视图的自适应加权迭代匹配筛选算法

针对基于三视图的传统三维重建时特征点匹配后保留正确匹配点对数量过少、由图像噪声、拍摄照片时遮挡和震动等因素引起的匹配误差较大等问题,文章提出了一种自适应加权迭代算法,该算法通过给匹配点对加权进行迭代筛选来实现,可以稳定的获得数量较多、结果较准确的匹配点对,从而精确求解三视图空间约束矩阵三焦点张量.实验证明,文章提出自适...     

基于置信度的加权特征融合相关滤波跟踪

目前机器视觉应用广泛，视频目标跟踪的过程中会遇到各种挑战。为解决单一特征鲁棒性差，模型和尺度更新机制不健全的问题，提出了一种将自适应加权特征融合方法与置信度模型及尺度更新机制相结合的相关滤波目标跟踪算法。算法将互补的梯度和颜色特征进行融合，通过计算各特征滤波响应来决定下一帧在融合特征中各自所占的权重，凸显优势特征，使目标与背景更具区分度。同时引入置信度更新机制，防止模型更新引入遮挡物、相似干扰，提高正确率。最后提出一种新的尺度更新策略，简化冗余代码，使跟踪更精确的同时降低时间代价。实验结果证明，该算法在精度和正确率上都比几种现有相关滤波算法更优，应对相似目标干扰和遮挡情况具有更高鲁棒性。对相关滤波算法进行了改进，加入了特征融合和更新机制，使算法提高了跟踪效果，具有一定的应用价值。     

基于权值优选的改进二阶中心差分粒子滤波算法

针对标准粒子滤波算法难以解决的粒子退化问题和样本贫化现象，提出了基于权值优选的改进二阶中心差分粒子滤波算法。该算法主要从以下两方面进行改进：首先采用二阶中心差分滤波方法通过协方差矩阵的平方根来产生重要性密度函数，从而解决粒子退化问题；然后通过重采样方法的利用权值优选的思想来增加粒子集的多样性，有效避免了样本贫化的现象。仿真结果表明：该算法状态估计结果更加接近目标真实的状态估计，平均均方根误差也更低，跟踪效果更佳，同时保持了较高的运算效率。     

基于相关滤波融合多特征的运动目标跟踪方法

针对复杂环境下仅使用单一图像特征跟踪精度和鲁棒性差的问题,提出一种多特征融合的相关滤波目标跟踪算法。该算法首先从目标和背景区域分别提取方向梯度直方图(Histogram of oriented gradient,HOG)特征、颜色直方图特征和卷积特征,采用固定权重方法融合HOG特征和颜色直方图特征的特征响应图,然后将该层融合结果与卷积特征响应图采用自适应权重融合策略进行融合,基于融合后的响应图估计出目标位置,并采用尺度估计方法解决目标尺度变化问题,最后采用稀疏模型更新策略进行模型更新。在OTB-2013公开标准测试集中验证本文算法性能,并与主流的目标跟踪算法进行了对比分析。实验结果表明,与其中最优算法相比,本文算法的平均距离精度值和平均重叠精度值都有所提高。本文算法由于有效地利用了HOG特征、颜色直方图特征和卷积特征,在复杂场景下目标跟踪的准确性和鲁棒性都优于其他算法。     

一种改进的自适应优化粒子滤波算法研究

粒子滤波算法在非线性滤波领域受到广泛关注,但是该算法存在样本退化问题.为了改进粒子滤波算法的性能,这里结合自适应优化机制对粒子滤波算法的建议分布选择机制及重采样技术进行改进.对于粒子滤波的建议分布选择,提出一种基于自适应退火参数优化的混合建议分布方法.通过混合建议分布不足的分析,利用退火参数来优化控制状态转移先验分布函数和观测似然函数之间的比例,同时,基于自适应参数优化机制来动态调整退火参数的值.对于粒子滤波的重采样,提出了基于部分分层重采样优化算法的自适应重采样技术.通过有效样本大小的评估来执行自适应重采样策略,此外,基于部分分层重采样算法,利用权重优化的思想对其重采样前后权重计算的方法进行优化.通过相关算法的性能比较,所提改进粒子滤波算法的有效性得以验证.     

曲面测量模糊加权均值滤波算法研究

文章提出了一种用于曲面测量中测点数据噪声处理的模糊加权均值滤波方法。该方法利用模糊隶属度思想,通过迭代优化权值以剔除曲面测量数据中的噪声。较之于均值滤波,该方法能更有效地滤掉测量噪声。通过仿真实验验证了该方法的有效性。