一种基于噪声估计的彩色噪声滤除算法

在视频处理中，为了提高电视画面的清晰度，不但需要对亮度噪声进行滤除，对色度噪声的滤除也是必不可少的。文章的滤波算法是：先基于块操作对图像的噪声情况做一个大概的估计，然后根据估计的噪声情况对图像进行降噪或者不作处理。降噪的时候。对彩色脉冲和高斯噪声分别选择不同的阵噪算法。文章着重介绍了彩色脉冲噪声的滹除，该算法综合了线性和非线性矢量滤波，降噪效果明显,对高斯噪声采用矢量均值滤波。     

一种基于频域的运动模糊视频复原方法

视频广泛使用于日常生活、公共安全和空间探索等领域。摄像机抖动和物体运动都会引起采集到的视频发生运动模糊现象。模糊的视频不仅会影响视觉感受,而且会影响对视频中信息的提取和辨识工作,因此需要对模糊视频复原。采集到的运动模糊视频中的模糊具有随机性,对于同一个物体,可能在某些视频帧中是模糊的,但是在另一些视频帧中可能是清晰的。根据这一特征,提出一种基于频域的运动模糊视频复原方法。该方法通过在频域中利用曲波变换融合多个相邻视频帧,获得清晰视频。该方法不需要估计模糊核和迭代求解模型,具有较快的运算速度。曲波变换具有很强的方向敏感性和各向异性特征,有助于模糊视频中边缘信息的复原。实验结果证明,提出的复原方法与现有的复原方法相比具有较好的复原效果。     

基于高斯模型的运动目标检测方法研究

提出了一种改进的基于单高斯背景模型运动目标的检测算法。该算法用四帧差分法确定运动目标区域,用单高斯模型对背景进行更新,然后通过(r,g,I)特征空间去除阴影,从而提取运动目标。实验结果表明,该算法能在变化的场景中对背景进行实时更新,能快速检测出运动目标,算法的运算量小。在室内环境和背景较为稳定的室外环境中都具有较好的应用价值。     

一种基于FPGA的高斯白噪声信号发生器

文章以FPGA为主控制器,设计了一种高斯白噪声信号发生器。该噪声信号采用FPGA查找表和随机存取寄存器的方法实现Box-Muller算法,产生具有高斯分布特性的随机数据,经数模转换以及滤波放大电路,输出幅度可调的、符合高斯分布的高斯白噪声信号,并将产生的随机数据通过串口发送到Labview图像化用户控制终端,进行显示分析及验证。     

基于改进的混合高斯模型的红外运动目标检测

传统混合高斯模型中背景容易留下运动“虚影”,同时在噪声或目标区域对比度低时会导致提取目标区域时出现断裂和空洞的现象,针对这些问题在混合高斯方法中赋予图像中运动和静止区域不同的背景更新速率,并充分利用混合高斯模型中的背景和前景信息,将背景减除的结果与高斯建模中的前景图像按照一定比例融合获得目标图像。实验结果表明：改进后的混合高斯模型运动目标检测方法,能够克服传统高斯模型目标检测中存在的问题,从复杂的背景中较完整的提取出运动目标,且具有一定的抗噪能力。     

一种基于归一化峰度的抗非高斯噪声语音VAD检测方法

在多媒体会议房间中,鼓掌、咳嗽等非高斯干扰噪声常会严重影响语音处理系统的性能.为了有效地抑制非高斯干扰噪声,本文提出了一种基于线性预测残差域高阶统计量的语音VAD检测方法.该方法利用语音信号线性预测残差的归一化峰度表征语音和非语音信号在谐波数量上的差异,构造判别准则进行VAD检测,并通过预估高斯背景噪声的能量,削弱了背景噪声对VAD算法性能的影响.仿真实验结果表明,该方法能够有效地区分高斯背景噪声下的语音和非高斯噪声.     

一种基于高斯混合模型的运动目标检测改进算法

在运动目标检测方法的研究中提出一种基于高斯混合模型的运动目标检测的改进算法。首先利用颜色信息对背景建立高斯混合模型;其次在模型更新阶段．为了模型的自适应性和尽量逼近真实信号量,在传统学习率基础上提出一种加权思想,即对均值与方差分别给出一个不同的加权值。最后应用中值滤波及物体空间连通性进行后处理。实验结果表明,与传统高斯混合模型方法相比,改进的方法能更加有效地检测出运动目标,具有较好的鲁棒性。     

一种视频运动区域检测的方法

在镜头不动的情况下,提出了一种基于累积帧差分割技术的视频运动区域检测方法,这种方法对传统累积帧差法作了改进采用相邻帧差和隔帧差结合并对图像累计相加．实验结果表明：这种方法不仅能很好的消除视频图像的噪声,且可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出比较完整的运动区域轮廓．     

基于Matlab的高斯模糊图像去噪方法研究

在医学图像处理、遥感图像处理、图像修复等图像处理中,总希望能得到清晰的图像,从而更准确的理解对象的特征。但在实际过程中由于环境和系统本身的缺陷,通常捕获到的图像总是和受到不同程度噪声污染,因此如何去除图像中的污染噪声就成了图像预处理中的重要步骤[1]。本文以Matlab语言为基础用各种方法对图像进行去噪处理,并且对于处理结果进行比较、分析,从而得出各自的特点以备在图像处理中可以方便的选择。     

基于支持向量机方法的噪声图像分割

图像分割是计算机视觉领域的关键技术之一。支持向量机方法被认为是好的学习分类方法之一,特别在小样本、高维情况下,具有较好的泛化性能。针对噪声图像的分割,提出了模糊权重支持向量机方法。分割实验表明,与经典支持向量机方法相比,模糊权重支持向量机方法具有更强的抗噪性。     

用FPGA产生高斯白噪声序列的一种快速方法

介绍了用FPGA快速产生高斯白噪声序列的方法、原理和实现步骤。根据均匀分布和高斯分布之间的映射关系，提出了适合在FPGA中实现的折线逼近方法（以折线逼近映射关系曲线），从而实现了高斯白噪声序列的快速实时生成。     

一种改进的高斯混合模型海上红外图像运动目标检测

本文提出一种改进高斯混合模型海上红外图像运动目标检测算法。首先采用帧差法把目标图像的背景和感兴趣区域区分开来。为了保证背景图像准确快速的更新,其次采用高斯混合模型更新背景图像。更新过程中对目标在前后两帧中覆盖区域采用不同的更新率。通过实验结果表明,本文算法在保证图像背景平稳更新的同时,能够准确快速的提取图像中感兴趣目标区域。     

一种考虑实际运动约束的高斯过程运动规划方法

基于梯度优化的高斯过程运动规划器GPMP2的算法运行时间短,通过概率推理来优化机器人轨迹,可得到平滑的无碰撞的轨迹。然而该算法并未考虑轮式机器人如四轮车辆等的最小转弯半径等运动约束,使规划出的轨迹在轮式机器人实际行驶中受限,为此,该文提出一种加入最小转弯半径等运动约束于GPMP2算法的运动规划方法,以规划出考虑机身尺寸的机器人运行轨迹。实验结果表明,该文算法的路径规划成功率提高了4.5%,所规划的轨迹与实际运行轨迹符合度较好。     

一种窄带高斯白噪声的生成与实现方法

本文主要研究了窄带高斯白噪声的特性,根据高斯分布、均匀分布和瑞利分布的特征提出了一种产生窄带高斯白噪声的方法,利用MATLAB仿真了产生该噪声的过程,并分析该噪声样本,实现了一种基于均匀分布和瑞利分布的窄带高斯白噪声.     

基于浮选图像的高斯-椒盐噪声滤波算法

浮选图像采集和传输过程极易受到高斯-椒盐混合噪声的污染,严重了影响后续图像识别的精度.针对此种情况,结合多种传统滤波算法,提出一种去除高斯-椒盐混合噪声的有效算法.实验结果表明:提出的算法在去除浮选图像的混合噪声上要明显优于传统算法,且能够满足实时性需求,在滤除混合噪声上具有很好的参考价值.     

一种基于PandaBoard的运动物体检测系统设计

设计了一种基于PandaBoard的运动物体检测系统。该系统的主要组成模块及其功能简要描述如下:利用USB摄像头进行视频帧的采集,基于嵌入式的PandaBoard开发板运行运动物体检测的视频帧处理算法,采用USB无线鼠键进行检测系统的启动或关闭,最终通过HDMI显示器进行检测结果的显示。其中,嵌入式PandaBoard开发板上运行的帧间差分运动物体检测算法基于上位机Simulink进行设计,设计完成后直接下载到PandaBoard开发板上运行。该系统可以脱离上位机及Simulink开发环境独立运行,具有设备简单、成本低、算法可拓展性强等特点,具有良好的应用前景。     

基于运动向量模型的车辆检测

提出一种算法,它针对动态背景和运动车辆运动向量的各自特征分别进行相应建模,再利用图像的帧内信息修正模型参数,并使用贝叶斯准则检测出运动车辆,实验结果表明,此方法具有更高的车辆检测准确率.     

一种非高斯噪声中未知参数的信号的检测方法

研究了非高斯噪声中具有未知参数的信号的渐进最优检测，应用非高斯噪声中线性模型信号以及随机信号的Rao检验，导出了Rao检测的解析式，并与广义似然比检验的性能做比较。仿真结果表明，该检测器性能大大优于传统的能量检测器和高斯噪声假设下的广义似然比检测器。     

一种改进的混合高斯模型运动目标检测算法

针对传统混合高斯模型使用固定学习速率所带来的问题,提出了一种改进的运动目标检测算法。该算法采用自适应的学习速率调整策略,在背景建模初期,采用较大的学习速率加快初始背景的建模,使得模型能更快地适应背景的变化;背景形成以后,根据目标运动的快慢动态调整学习速率,从而能够及时更新背景,消除运动目标的残留和拖影;最后利用基于HSV颜色空间的阴影检测算法消除运动阴影。实验结果表明,改进算法优于传统混合高斯模型,可以更准确地检测出运动目标,更好地消除阴影,并具有较好的自适应性和稳健性。