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。     

自适应窗口形状的中值滤波

中值滤波去除噪声的同时,难免出现含有线形图像的边缘轮廓信息跟随丢失的情况。为了达到滤除图像噪声最大化,有用信息损失最小化的目的,根据图像边缘特征选择或设计了适当大小和形状的窗口来进行中值滤波等操作。一方面,创新性地提出将Hough变换应用到车轮裂缝CT图像的滤波窗口形状的选择上,针对单一方向轮廓的图像,利用Hough变换检测出裂缝的方向,从而采用与裂缝形状相应的窗口对裂缝进行有针对性滤波,将该方法与传统方法进行了对比实验,并将60层滤波后切片图像堆栈得到了三维图像;另一方面,针对含有多个方向轮廓的图像,为了进一步改善滤波效果,提出根据像素梯度设计斜向滤波器,对多方向的线对进行滤波,数据显示经改进方法滤波后图像的峰值信噪比(PSNR)较传统的中值滤波提高了4~6,结构相似性(SSIM)提高了1%~2%左右,最后用683层荞麦切片CT图堆栈得到三维图像,对比滤波前后图像,可知该方法滤波效果良好。     

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.     

集中式多传感器概率最近邻域算法

本文以对算法实时性要求较高的实际场合为背景研究了集中式多传感器多目标跟踪问题,理论分析了该环境下现有经典算法的优缺点;在此基础上,研究了基于概率最近邻域算法的集中式多传感器多目标跟踪算法:提出了并行处理结构的集中式多传感器概率最近邻域算法,该算法首先利用概率最近邻域算法中最近邻量测源自目标的概率完成多目标数据互联,在各传感器送来的观测数据中获取一个与各目标航迹统计距离最小的量测,然后利用各个量测的统计距离以及其源于目标的概率将这些量测整合为一个等效量测,最后获得融合中心的状态估计;提出了顺序处理结构的集中式多传感器概率最近邻域算法,该算法利用离目标最近的量测源于目标的概率判断各传感器是否应参与融合中心的状态估计过程,降低了计算量。蒙特卡罗仿真结果表明:与经典的顺序多传感器联合概率数据互联算法相比,上述两种算法的耗时降低了50%以上,且在跟踪背景杂波适中的情况下能够有效跟踪目标。为了进一步验证上述两种算法的有效性和实用性,本文采用实测数据对算法进行验证,实测数据的处理结果表明在对算法实时性要求较高的实际场合下并行和顺序两种处理结构的集中式多传感器概率最近邻域算法的性能均优于顺序多传感器联合概率数据互联算法。     

用概率假设密度滤波实现同步定位与地图创建

针对杂波环境中传统同步定位与地图创建(SLAM)算法无法有效表达传感器多种信息以及容易发生错误数据关联的问题,提出一种基于概率假设密度滤波的SLAM算法。该算法将每一时刻传感器的观测信息和环境地图表示为随机有限集,建立联合目标状态变量;通过概率假设密度(PHD)滤波对机器人位姿和环境地图状态进行同时估计,并利用粒子滤波实现PHD滤波。在进行目标状态提取时,为避免聚类算法引入的误差,对粒子集进行时滞输出。提出的SLAM算法能准确表达观测的不确定性、漏检以及杂波引起的虚警等多种传感器信息,且避免了数据关联过程,使系统状态估计更接近真实值。仿真实验结果表明:与传统SLAM算法相比,新算法的机器人定位及环境构图精度提高了50%以上,为杂波环境下SLAM问题的研究提供了新的途径。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

传感器阵列预测空域多信号分类目标定位跟踪

目标定位跟踪技术广泛应用于军事民用领域,是当前研究的热点与难点.提出了一种空域多信号分类-自回归粒子滤波(multiple signal classification autoregressive particle filter,MUSIC-ARPF)方法,定位跟踪地面目标.该方法使用多信号分类(multiple signal classification,MUSIC)算法估计目标波达方向(direction of arrival,DOA)并计算目标信号源位置,利用自回归(autoregressive model,AR)模型和粒子滤波(particle filter,PF)算法预测信号源下一时刻位置,进而自适应选择通带与阻带扇面进行空域滤波,同时调整MUSIC算法中谱峰搜索区域,提高DOA估计的分辨率,减少目标定位的扫描域.实验结果表明,空域MUSIC-ARPF方法能够减少目标定位时间,提高目标跟踪精度.     

应用特征估计的距离图像多尺度滤波

为了提取含有噪声的激光扫描距离图像中的特征,提出了一种多尺度自适应滤波方法.该方法由特征估计和多尺度滤波两部分组成.利用无嗅卡尔曼滤波器构建白适应特征估计器,估计扫描点间的几何拓扑关系,并用估计过程中所获得的Mahalanobis距离构建扩散滤波核,对原始距离像进行多尺度滤波处理.为了能够仅依靠单一模型实现对环境中不同...     

反求工程中一种数据平滑的方法

逆向工程中测量获得的点云数据中存在一定的噪声点，必须对其进行数据平滑处理。在比较弦高比阈值滤波、均值滤波和中值滤波的基础上，提出一种数据平滑的方法。该方法充分利用数据点间的相关性和位置信息，对数据点和噪声点采取不同的处理方式，避免了噪声的传播。实验研究表明，该方法既能较好地滤除噪声点又有较好的保边性。     

基于LabVIEW的中值滤波算法在剔除尖脉冲干扰中的应用

试验设备在运行时会受到各种电磁干扰使采集数据失真,尤其是受到尖脉冲干扰时会产生比实际值高达100多倍的粗大误差,造成错误的报警停机,严重影响了试验设备的正常运行。本文阐述了中值滤波的算法原理,详细介绍了中值滤波算法在LabVIEW中实现的过程,并将其用于基于LabVIEW设计的试验设备油箱油温控制采集系统当中。从系统运行的情况可以看出中值滤波可以有效的将采集数据中的尖脉冲干扰剔除,数据采集结果真实准确,整个系统运行稳定可靠。     

基于粒子滤波的彩色图像跟踪算法的研究

摘 要;在以往的视频跟踪中,目标检测和跟踪常常需要两个计算法则,过程比较复杂,实现耗时较多。为了实现序列彩色图像的实时检测与跟踪,本文以目标有无信息和目标位置信息为变量建立联合状态向量,利用粒子滤波方法实现目标检测及跟踪。此外为了减少计算量并且充分考虑到跟踪区域各像素的权重,建立基于颜色信息的特征直方图作为观测向量,用于后验估计。实验证明本文提出的方法能够在14.37ms内检测并跟踪目标,并且对目标的旋转变化和尺度变化具有一定的鲁棒性     

基于时间序列匹配的过山车定位法

针对过山车难以精准定位的问题,本文提出了一种基于时间序列匹配的过山车定位方法。该方法首先使用动态时间规整(DTW)对惯性测量单元(IMU)的实测与仿真数据进行序列匹配,得到位置估计结果。之后将估计结果作为观测量,在误差状态卡尔曼滤波器(ESKF)中修正IMU预测结果,得到精准的定位结果。为了提高估计结果的准确度,本文提出了分段重组动态时间规整(SRDTW)算法,解决了DTW的匹配失真问题。使用本文方法对过山车进行了定位实验,结果表明,使用Z向加速度和俯仰角进行序列匹配可得到较为准确的估计结果;ESKF滤波后的平均定位误差可达0.24 m,较估计结果的定位误差减小45.6%。     

基于单目视觉的工业机器人目标识别技术研究

为实现工业机器人能在多个目标的工作环境下自主识别指定的目标,提出了一种基于单目视觉技术的解决方法.主要采用中值滤波和最大类间方差法对初始图像分别进行滤波和分割,给出一种新的统计矩阵标记区域算法,利用目标本身的几何特征达到识别目的,选取质心标记法实现目标物体的定位.实验结果表明,该方法在较复杂的环境下能够获得较好的识别定位指定目标的效果,为工业机器人抓取目标提供了必要的信息.     

基于转子加速度控制的起动数据数字滤波方法分析

本文简单介绍了基于转子加速度的起动控制的概念及其优点,并阐明了对转子加速度数据进行数字滤波的必要性,通过一阶惯性滤波和五点三次平滑两种典型的数字滤波方法对某航空发动机地面起动过程的转子加速度数据进行了数字滤波和比较分析。结果表明,采用一阶惯性滤波的方法相对适合且不会降低控制品质。     

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。     

Strapdown gyrocompass algorithm for AUV attitude determination using a digital filter

The strapdown gyrocompass can provide attitude by measuring the Earth’s gravity vector. In practical applications, there usually exists unwanted disturbance accelerometers that will distort the accelerometer measurements, hence a filtering out procedure is essential. Current attitude determination method based on pendulum cutting off technology has the limitation for vehicle moving mode. This paper proposes a new strapdown gyrocompass algorithm via processing the accelerometer measurement with Butterworth low-pass filter (LPF) to remove the high frequency dynamic disturbance components. When the gravity variation in inertial frame is regulated, LPF can be applied to properly get the gravity even in the presence of acceleration disturbances, and subsequently can be applied to calculate the strapdown gyrocompass attitude. The proposed algorithm does not require declination information and inertial element biases estimation. The field test has been conducted and the results verified the effectiveness and reliability of the proposed AUV attitude determination method and have also shown that the gravity is proportional to the latitude and altitude of AUV.     

基于卡尔曼滤波算法的光谱共焦测量精度的提升方法

为减少待测物体位置变化时光谱系统受到的噪声干扰以及峰值定位误差,基于卡尔曼滤波算法原理,提出一种将Voigt寻峰定位的结果作为观测误差并进行最优估计来提升共焦系统测量精度的方法。先进行标定实验,确定光谱共焦系统的测量范围及精度;再依次对比中值滤波、Savitzky-Golay滤波以及快速傅里叶变换滤波等对光谱信号去噪的处理情况,并选用高斯、洛伦兹以及Voigt拟合等方法寻峰定位。同时,分析了Voigt拟合中的峰值提取、高斯宽度、洛伦兹宽度以及幅值误差对拟合精度的影响。实验结果表明,系统的测量范围可达3 mm,中心光斑半径增大了近1.79倍,采用卡尔曼滤波算法能够降低系统中的噪声引起的定位误差且系统精度能够提升11倍,满足高精度的测量需求。     

Railway track geometry determination using adaptive Kalman filtering model

The Kalman filter has been widely used to solve different filtering problems especially in tracking and estimation applications. Besides its simplicity, robustness and optimality, the application of Kalman filter to nonlinear systems can be complicated. The most common method is to use extended Kalman filter which linearizes the nonlinear model so that the standard Kalman filter can be applied. In this paper, a new adaptive Kalman filtering algorithm is designed and applied to a railway track geometry surveying system which has been designed in the scope of a research project at Yildiz Technical University/Turkey. Track gauge, super-elevation, gradient and track axis coordinates which are the railway geometrical parameters can be instantly determined while making measurements by using adaptive Kalman filtering algorithm integrated surveying system.     

Autonomous dynamic displacement estimation from data fusion of acceleration and intermittent displacement measurements

Addressing the importance of displacement measurement of structural responses in the field of structural health monitoring, this paper presents an autonomous algorithm for dynamic displacement estimation from acceleration integration fused with displacement data intermittently measured. The presented acceleration integration algorithm of multi-rate Kalman filtering distinguishes itself from the past study in the literature by explicitly considering acceleration measurement bias. Furthermore, the algorithm is formulated by unique state definition of integration errors and error dynamics system modeling. To showcase performance of the algorithm, a series of laboratory dynamic experiments for measuring structural responses of acceleration and displacement are conducted. Improved results are demonstrated through comparison between the proposed and past study.     

基于粒子群的信道估计方法

针对非线性信道精确估计的问题,将随机集和粒子群理论技术应用到信道估计算法中,提出了基于离散二进制粒子群的信道估计方法,并利用Matlab对该算法进行了仿真与评价.仿真研究结果表明,该算法能够获得较为精确的信道估计,同时,该方法适用于任何能用状态空间模型以及传统卡尔曼滤波表示的非线性系统.