基于排序统计的图像边缘增强滤波

主要研究了如何对受混合噪声污染的模糊图像进行边缘增强滤波，并提出了一种基于排序统计的图像边缘增强滤波算法．该算法将输入样点集划分成两个具有不同灰度值的子集，通过子集的运算值之差判断边缘是否存在．如果边缘存在，则通过判断滤波窗位于边缘的哪一侧来选择某个子集的输出运算值以增强边缘的梯度；如果边缘不存在，则考虑进行噪声的平滑．计算机模拟实验表明，基于排序统计的图像边缘增强滤波器在增强边缘的梯度的同时，能较好地消除高斯噪声和脉冲噪声的影响，效果优于其它边缘增强算子．

基于区域生长的噪声图像细节保护滤波器

本文提出了两种同时受脉冲噪声和高斯白噪声污染图像的基于区域生长的细节保护滤波器。本方法由于利用了图像的空间结构信息及像素的幅序信息，因而能较好地解决图像细节保护与噪声滤除的矛盾。在区域生长算法中采用了自适应阈值，能自适应地确定参与滤波运算的像素。文中还给出了模拟实验的结果。

脉冲噪声污染图象中的数学形态边缘检测器

深入地研究了数学形态学在边缘检测领域中的应用，系统地给出了形态差分算子的定义。同时，还研究了在受脉冲噪声污染的情况下，如何用形态差分算子准确地提取图象的边缘，并提出了几种具有抗噪能力的数学形态边缘检测算子。计算机模拟实验表明，正确使用数学形态的４种基本运算，将使数学形态边缘检测算子能较好地消除脉冲噪声对边缘的影响。

边缘检测器性能的客观定量评价

本文提出了一种新的边缘检测器的客观评价方法。该方法既能反映边缘检测器对图像轮廓的检测性能,又能对图像细节处的边缘检测能力进行正确的评价。由于该方法将整个测试图区分成三个不同性质的区域,不同的区域用不同的参数来反映边缘检测器的不同性能。因此,能准确反映噪声对边缘检测器的影响。同时,它将整个边缘检测器的性能分解成边缘提取能力和噪声抑制能力两部分,便于我们全面、准确和客观地评价不同特性的边缘检测器,以适应不同应用场合的需要。

受噪声污染图象中的基于排序统计的非线性边缘检测器

本文主要研究了如何对受混合噪声污染的图象进行边缘检测，并提出了一种基于排序统计的非线性边缘检测算子。该算子将输入样点集划分成两个具有不同灰度值的子集，通过子集的运算值之差判断边缘是否存在。子集的划分和输出形式的选择是减少噪声对边缘检测器影响的关键。计算机模拟实验表明，基于排序统计的边缘检测算子能较好地同时消除高斯噪声和脉冲噪声对边缘检测器的影响，并且能精细地提取图象的边缘，效果优于其它边缘检测算子。

估值型自适应图象细节保护滤波器(英文)

提出一种新型自适应图象细节保护滤波器．它从不同方向或不同区域对滤波象素点的灰度值进行估计，通过比较各估值的差异，判断是属于灰度均匀区还是属于细节区，以采取不同的滤波方法．该滤波器的计算量小，尤其适用于同时受高斯噪声和脉冲噪声污染的图象，其噪声滤除性能和细节保护能力优于多层中值滤波器．

落地式多绳摩擦提升机天轮安装

介绍落地式多绳摩擦提升机天轮安装预调整和质量检验方法

语音识别中的语音信号特征提取及分析

语音信号特征的提取是语音信号处理（语音识别、语音合成、语音压缩）的基础，而线性预测分析（ＬＰＣ）又是目前较为流行的一种分析方法，所以本文就如何利用ＬＰＣ的分析方法来提取一组简洁而准确的语音特征参数的问题进行了研究，同时还详细地论述了语音特征提取的全过程。