联合双边滤波器和小波阈值收缩去噪算法研究

针对现有去噪算法去噪不彻底、噪声误判、损害图像边缘和纹理细节信息的缺点,提出一种联合双边滤波器和小波阈值收缩图像去噪算法。首先,使用双边滤波器对含有噪声图像进行分层;其次,对不同分层结果,选择不同滤波器进行去噪:高对比度层采用双边滤波器,低对比度层采用小波阈值收缩去噪方法;最后,融合高、低对比度层去噪图像,实现有效去除噪声的同时,保证图像信息完整。实验结果表明,本文算法的峰值信噪比达到40.99 d B,比非局部均值滤波、双边滤波器、小波阈值收缩和偏微分方程图像去噪算法分别提高了7.79%,3.56%,11.22%和1.91%;与此同时,还能有效保留图像边缘和纹理等细节信息。

改进稀疏表示模型的目标跟踪

针对受到光照、遮挡及姿态变化等引起的目标外观发生变化时,目标跟踪的鲁棒性和准确性较差的问题,将稀疏表示引入到粒子滤波框架进行目标跟踪,提出一种稀疏协同模型。首先,在目标运动定位模型中,使用灰度强度值表示目标对象;其次,判别模型通过训练正负模板集获得最优分类特征,并在生成模型中对目标直方图加权以提高目标生成效率;然后,将分类判别模型和生成模型集成在协同模型中,利用重构误差确定目标;最后,通过各模块独立更新,减少目标外观变化对目标跟踪的影响。实验结果表明,所提方法的平均中心误差仅为7.5像素,且具备良好的抗噪性和实时性。