基于改进形态学滤波的电压暂降实时检测方法研究

电压暂降已被认为是最常见的电能质量问题,快速准确检测电压暂降的典型特征量,是补偿和治理电压暂降的重要前提。提出一种求导αβ-dq变换结合改进形态学滤波的电压暂降实时检测方法,该方法在求导αβ-dq变换的基础上,引入改进形态学滤波,通过改造腐蚀运算和膨胀运算,提高形态学滤波的实时性,并结合微处理器缓存区数据更新过程,简化形态学滤波过程计算量,实现电压暂降实时快速检测。最后,仿真分析与实测数据验证该方法的准确性与实时性,结果表明,所提出的方法能快速精确地检测暂降深度与相位跳变,准确性与实时性皆满足电压暂降实时检测的需求。该方法计算量小,准确性高,适用于电压暂降检测与治理装置,具有实际工程应用价值。     

基于广义形态滤波的图像去噪方法研究

针对现有去噪方法在噪声强度大时存在去噪效果差等不足,通过对形态学腐蚀和膨胀两个算子进行改进,提出了一种改进的广义形态滤波方法。该方法首先利用灰度值是否是3×3邻域的最大值或最小值来确定该像素是否被噪声污染,然后对被噪声污染的像素进行改进的广义形态滤波,而对没有被噪声污染的像素不进行处理。仿真结果表明,在噪声污染严重时提出的方法的峰值信噪比（PSNR）值比常用的中值滤波法可提高约4 dB以上。     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

概率加权质心跟踪算法研究

针对目前图像跟踪器跟踪不稳定、跟踪精度不高及不能满足实时性要求等问题,提出了一种概率加权的质心跟踪算法.该算法首先对波门内的像素进行阈值分割,摒弃灰度低于阈值的背景像素,保留目标像素的灰度值,然后计算波门内目标区域的质心.实验结果表明:基于概率加权的质心跟踪方法能够有效降低复杂背景和噪声干扰,增强跟踪系统的抗干扰能力,减少传统跟踪系统中使用大量灰度梯度值带来的巨大计算量,从而提高跟踪器的精度和稳定性.创新点在于通过引入概率加权的方法,在计算初始时刻的目标质心时使用贝叶斯概率作为权重,而没有设置离散的阈值来分辨目标,减少了传统跟踪系统中使用大量灰度梯度值产生的计算复杂度.     

基于最简视觉显著性的红外目标快速提取方法

在红外深空目标跟踪系统中,为了能够从深空红外图像中快速提取微小目标,通过分析红外深空图像的特点,提出一种基于最简视觉显著性的红外目标快速提取方法。该方法在传统的视觉显著性的基础上,通过计算局部灰度最大值和目标像素的灰度平均值与邻域像素的灰度加权值的对比度组成特征向量,构造显著性模型,抑制背景并凸显目标,使之不但能够减少运算耗时,而且能够保证提取精度。通过对红外深空图像进行处理,实验结果表明该算法的运算时间仅为传统的视觉显著性算法的28%,且有较好的处理结果,证明了该算法的有效性。     

一种检测红外小目标的图像阈值分割算法

针对红外目标检测中经常遇到目标比背景小很多造成目标分割失败的问题,以及常用阈值选取方法仅依赖于图像直方图的概率信息而未直接考虑类内灰度分布的均匀性,提出一种基于目标与背景面积差和修正灰度熵的阈值分割算法.算法首先采用自适应中值滤波和均值滤波进行图像预处理,以减除噪声干扰.然后给出了修正灰度熵公式,该公式能很好地解决熵计算中出现的无定义问题,并利用目标与背景面积差较大的特点,构造得到最终的阈值选取公式.最后,在直方图上采用优化搜索策略,进一步降低算法的计算复杂度.实验结果表明,与Otsu法、最大熵法相比,该算法抗噪性能好,能有效实现红外小目标的分割,且运算时间至少减少了80％左右.     

一种基于神经网络的形态滤波器优化设计方法

给出了一种利用神经网络实现灰度形态滤波器参数的优化设计方法。文中首先简述了形态滤波器的基本理论,并设计出了灰度形态学的两种最基本运算(膨胀和腐蚀)的神经网络结构,其网络权值即为形态运算的结构元素值。然后,按照d学习规则,自适应地对结构元素(形状和数值)进行学习训练,以获得最佳的灰度形态滤波器参数。该方法设计简便,实用性强且易于推广,对提高形态滤波性能效果显著。     

红外弱小目标的单帧捕获

提出了基于背景预测的单帧检测弱小目标改进算法.该算法采用改进的最大值背景预测算法.为了能同时检测点目标和小目标,预测背景的四个预测窗的位置与目标点之间保持一定的距离,保证预测窗中的像素能准确反映当前像素灰度中的背景灰度信息.为了保证单帧的较低的虚警率,同时结合多方向多极梯度算法,对背景预测初步检测出来的可能目标点进一步检测,以排除绝大多数的虚假目标.经实验证明,该算法在单帧图像上能很好的检测出弱小目标来,并能满足实时性的要求.     

基于局部对比度的自适应Top-Hat红外小目标检测

Top-Hat的检测性能受限于固定单一的结构元素，导致对复杂背景的抑制能力差。针对该方法的不足，提出两种具有递进关系的改进Top-Hat算法。首先依据小目标与其邻域灰度值差异，改进了Top-Hat变换，提出了一种具有双结构元素的Top-Hat算法，分别为膨胀和腐蚀操作设计了各自的结构元素，并且调整了开运算的运算顺序，以提高对红外小目标的检测性能。在此基础上，又提出一种基于局部对比度的自适应双结构Top-Hat红外小目标检测方法，通过计算局部对比度得到显著图，获得先验信息，自适应地改变双结构元素的大小，利用目标区域及其邻域的灰度值差异来抑制背景和增强目标。与同类方法和非同类方法进行对比实验研究，结果表明，所提基于局部对比度的自适应Top-Hat方法在5种评价指标中均表现突出。     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.