一种改进的快速中值滤波算法

对多种中值滤波算法的去噪效果和耗时进行了研究,提出一种改进的快速中值滤波算法。先采用二分法删除第一列数据,插入窗口第三列数据来求得中值,接着对该像素点进行噪声的确定,然后根据判断结果进行中值滤波处理。此算法将中值滤波算法的排序比较次数降低了一半,使得滤波的速度提高了3．5倍;同时减少了图像细节信息的丢失,提高了中值滤波算法的信噪比。     

中值滤波的一种快速算法

本文提出一种中值滤波的快速算法，在中值滤波过程中，本算法除了第一个中值要用排序算法求得，以后的中值可通过对排序得到的有序序列运用对分查找算法和内插操作得到，本算法可在现有的中值滤波算法基础上进一步提高运算效率。     

图像平滑的快速算法

根据权矩阵的结构特点，提出了矩形窗口加权平滑的快速算法，充分利用相邻窗口相同运算的中间结果，显著减少了窗口运算的乘法和加法次数，提出了中值滤波的快速算法，利用已滤波的上一窗口和左一窗口的排序信息，缩短了排序过程，大幅度地减少了比较运算次数。     

基于均值查找的快速中值滤波算法

针对传统中值滤波算法时间复杂度高、运行速度慢,难以满足大型图像数据实时处理的问题,提出了一种快速中值滤波算法,将确定中值元素的过程由排序运算转换为基于均值对集合的二分查找,算法不依赖于滤波窗口的形状以及相邻窗口的相关信息,有效提高了中值滤波的执行效率,使传统中值滤波算法的时间复杂度由O(nln n)下降至O(n).实验中,该算法应用于大型图像序列的滤波处理,其运算速度提高到传统中值滤波算法的3倍以上,并且算法运行时间仅随滤波窗口大小线性增长,可以满足大尺度滤波窗口对大型图像数据实时处理的需求,具有显著的实际应用价值.     

基于FPGA快速中值滤波算法的硬件实现

针对传统中值滤波排序量多、速度慢的缺点,充分利用FPGA并行性的特点,采用以资源换取速度的思路,提出了一种基于FPGA的改进中值滤波算法。通过2个FIFO和7个寄存器可以形成包含9个像素的3x3移动窗口。窗口中的每一个数据独立运算,每一个数据均有两个变量,小于该数的个数以及等于该数的个数。结合中值在有序序列中处于中间位置这一特殊性判断该值是否为中值。独立运算的优势在于彼此间的计算互不关联,根据每个数据的两个变量值判断该值是否为中值。实验结果表明:该算法将计算中值的时钟周期数降至1个,从而达到了快速抑制噪声的目的。该设计对于实时图像预处理具有一定的工程参考及应用价值。     

中值滤波算法的研究及其FPGA实现

对已有的传统中值滤波算法、快速中值滤波算法进行了基于FPGA设计实现.在此基础上提出了快速中值滤波的一种改进算法,并进行了设计.3种中值算法都利用Verilog HDL进行编程,通过对比仿真结果,表明了改进算法在达到较好的滤波效果的同时在硬件实现上的优越性.     

改进的自适应中值滤波算法及其应用

针对自适应中值滤波在窗口迭代过程中存在像素点重复参与运算导致算法复杂度较高的问题,提出了一种改进的中值滤波算法.首先依据有效像素点与窗口中心点间的坐标距离来快速确定最佳滤波窗口尺寸,避免了窗口迭代造成的像素点重复排序;之后对窗口内的有效像素点进行取中值操作,有效削弱了噪声点的干扰,进一步提升了图像滤波的质量.经实验验证,与自适应中值滤波算法比较,复杂度显著降低,峰值信噪比(peak signal to noise ratio,PSNR)值平均提高10 d B左右.和同类文献比较在算法复杂度和图像降噪效果间做出了一个较佳的权衡.最后将该算法应用于Kinect深度图降噪上获得了不错的效果.     

改进自适应中值滤波算法在图像去噪中的应用

针对自适应中值滤波在窗口迭代过程中存在像素点重复参与运算导致算法复杂度较高的问题,提出了一种改进的中值滤波算法. 首先依据有效像素点与窗口中心点间的坐标距离来快速确定最佳滤波窗口尺寸,避免了窗口迭代造成的像素点重复排序;之后对窗口内的有效像素点进行取中值操作,有效削弱了噪声点的干扰,进一步提升了图像滤波的质量. 经实验验证,与自适应中值滤波算法比较,复杂度显著降低,峰值信噪比(peak signal to noise ratio,PSNR)值平均提高10dB左右. 和同类文献比较在算法复杂度和图像降噪效果间做出了一个较佳的权衡. 最后将该算法应用于Kinect深度图降噪上获得了不错的效果.

     

基于FPGA的中值滤波算法研究与硬件设计

本文以FPGA为平台,使用VHDL硬件描述语言设计并实现了中值滤波图像处理算法.在设计过程中,通过改进算法和优化结构,在合理地利用硬件资源的基础上,有效地挖掘出算法内在的并行性,采用流水线结构优化算法,提高了处理速度.文中提出了一种快速中值滤波算法,可以大大节省硬件资源,同时提高了处理速度.     

中值滤波方法在数据挖掘数据预处理中的应用

文章讨论了中值滤波方法在数据挖掘预处理中应用问题。简要介绍数据挖掘中的数据预处理及数据清洗中的常见方法。利用中值滤波的特点对中值滤波和平均值法进行比较分析,实现中值滤波在数据预处理中的应用。     

InSAR相位条纹图的加权圆周期中值滤波算法

针对InSAR中干涉相位条纹图的降噪滤波，基于一种改进型中值虑波方法，提出了加权圆周期中值滤波方法，进行了理论分析和计算机仿真，并与几种经典的滤波方法作了比较．结果表明，该滤波方法在滤除高斯和颗粒混合噪声时效果最佳．     

基于客户顾目的聚类协同过滤组合推荐算法研究

通过分析传统协同过滤存在的稀疏性、冷启动及实时性问题的根源后,提出一种改进的基于客户颅目的聚类协同过滤组合推荐算法;算法通过运用聚类技术和基于用户的协同过滤算法来预测计算邻居用户,并给出未评分的目标项目的最终预测评分以得到推荐列表,弥补协同过滤推荐在新项目推荐方面的不足的同时稀疏问题也迎刃而解;在预测评分中增加时间权重...     

小波域内JND数字水印算法的改进

提出了一种鲁棒型盲数字水印算法.在修改基于人类视觉模型的JND阈值基础上,利用契比雪夫多项式迭代所产生的混沌序列作为图像的数字水印,提出了一个新颖的盲水印嵌入与检测算法.实验结果表明,该算法对于常见的图像变换,例如中值滤波、旋转、平移、剪切、JPEG压缩、加噪等都具有较强的鲁棒性,特别是对含有水印的图像在所有角度上的旋转、任意的平移及剪切时,仍能够检测到图像中的水印.     

一种改进的多模式匹配算法

针对WM算法在模式集规模大且最短模式长度小的情况下性能较低的问题,分析了WM算法及其改进的快速WM(QWM)算法的优缺点,在此基础上提出了模式分集思想,并优化了跳跃和确认机制,设计了子集WM(SWM)算法;然后针对该算法在域名过滤中的应用,对hash函数、匹配顺序等进行进一步优化．针对域名过滤的实验结果表明,当模式数量超过10000条时,SWM算法匹配时间是WM算法的8.9％～11.6％,说明SWM算法在模式集规模较大时,匹配速度能显著提高．     

工程车辆自动变速挡位决策的遗传径向基神经网络方法

为了能通过4个挡位的控制使液力变矩器在高效区工作,提高工程车辆自动变速传动系统的效率,利用径向基函数(RBF)神经网络较强的输入输出映射功能提出了一种基于径向基函数神经网络的工程车辆自动变速控制方法。以ZL50E装载机传动试验台换挡控制试验的数据为样本,采用遗传算法对RBF神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:该方法能够根据车辆运行状态确定最佳挡位,从而及时、准确地满足工程车辆自动换挡的要求。     

基于单目视觉的运动障碍物检测

针对室内结构化环境中光照和外界环境的实时变化,提出一种基于单目视觉的改进的运动障碍物检测算法。利用单目摄像头截取图像,进行灰度转换和中值滤波,将混合高斯模型背景差分法和帧差法相结合,并引入面积信息,对二值化后的差分图像进行形态学处理和连通性分析,有效的解决了空洞问题,得到完整的运动目标信息。实验结果表明,该方法能准确快速检测所观测区域内的运动障碍物,实时性,鲁棒性好,对光照等外界条件的变化有很好的适应性。     

在线判别式超像素跟踪算法

针对传统超像素跟踪方法中建模速度慢、目标遮挡易漂移的问题,提出一种新的目标跟踪算法．该算法利用超像素分割,获得大量目标前景和背景的超像素训练数据,通过训练超限学习机,并结合k-d树聚类快速构建目标前景和背景的判别式模型．在跟踪过程中,利用构建的模型和粒子滤波估计目标中心位置．最后结合相关滤波估计目标尺度,实现对目标的鲁棒性跟踪．实验结果表明,所提算法具有可靠的跟踪精确度和较快的跟踪速度．     

在线Lagrangian支撑向量回归

为快速求解在线支撑向量回归算法,给出了一种基于Lagrangian支撑向量回归(LSVR)的在线增量学习算法.LSVR得到的无约束最优化问题可以采用快速迭代算法求解,该迭代算法可以从任何初始点收敛.LSVR求解时,在迭代开始只需要对阶数为输入样本数加一的矩阵求逆.在线增量LSVR学习算法在线性情况下采用S-M-W公式可以明显减少运算时间,在非线性情况下矩阵求逆充分利用了历史学习结果,减少了很多重复计算.通过在多个数据集上进行对比,实验结果表明:该算法与以前算法相比不仅保持了较好的精度,同时训练时间大大减少.     

多特征融合的相关滤波红外单目标跟踪算法

针对红外单目标跟踪问题,提出一种多特征的相关滤波目标跟踪算法。该算法融合了图像的卷积特征和差分特征,使用卷积特征和差分特征分别训练相关滤波模型。在跟踪阶段,对两种特征的相关滤波模型得到的响应图动态融合,利用动态融合的响应图来确定目标的最终位置,使用得到的目标位置分别更新相关滤波模型。在林雪平热红外数据集上进行了实验验证,与一些经典的跟踪算法进行了对比,表明该算法拥有更高的跟踪准确率。     

基于字同现频率的关键词自动抽取

为提高关键词自动抽取的准确率,提出了基于字同现频率的关键词自动抽取算法。根据词的位置和文本长度改进TF/IDF算法,由字同现频率计算词的信息量,运用特征加权计算词的权重,选取权重大的词作为关键词。给出了关键词自动抽取的过程,设计了关键词抽取的对比实验,验证该算法的有效性。实验结果表明该算法在准确率和召回率上具有优势。