基于阿尔法均值算法和马氏距离的图像自适应滤波

针对数字图像容易感染噪声的问题,提出一种基于阿尔法均值滤波算法和马氏距离的图像自适应滤波算法。该算法充分结合了阿尔法均值滤波器的优点和马氏距离的特性,首先利用阿尔法均值滤波器确定参考序列,然后计算参考序列与滤波窗口内比较序列之间的马氏距离,并根据距离的大小确定滤波窗口内各像素点的权系数,最后将加权结果作为滤波输出。实验结果表明:该算法对受到高斯噪声、椒盐噪声以及混合噪声感染的图像具有较好的滤波效果,同时可以较好地保持原始图像的细节信息。

带修正因子的均值和中值滤波算法研究

大部分自然图像同时包含高斯噪声和椒盐噪声,简单的运用传统的滤波算法不能得到理想的滤波效果。为了解决混合噪声图像的滤波问题,分别针对以高斯噪声为主的混合噪声图像和以椒盐噪声为主的混合噪声图像,提出了带修正因子的均值滤波算法和带修正因子的中值滤波算法。这两种算法是在修正后的阿尔法均值滤波算法的基础上做了两方面的改进:首先,提出在图像邻域内为不同灰度值的像素点给出归一化的权值,用这些权值和其对应的灰度值共同决定滤波输出。其次,所设计的权值可以用修正因子来进行微调,来获得理想的滤波效果。实验证明,其处理效果优于传统滤波算法和修正后的阿尔法均值滤波算法。

基于暗通道补偿和透射率修正的图像去雾算法

针对传统暗通道去雾算法应用于含有天空区域的有雾图像时出现的色彩失真以及细节缺失的问题,提出一种基于暗通道补偿和透射率修正的图像去雾算法。使用均值滤波替代最小值滤波,对暗通道进行补偿,利用补偿的暗通道对大气光值的预估方法进行优化;根据像素点与大气光点距离的远近对图像的初始透射率进行了修正,并使用快速引导滤波进一步细化图像的透射率;通过大气散射模型将透射率图像恢复为无雾图像。实验结果表明,该算法得到的复原图像具有较好的色彩保真和细节保持能力,在峰值信噪比以及结构相似性上都取得了提升,同时该算法在执行时间上缩短为原来的一半。

K均值聚类自适应零速检测人员定位技术

零速区间检测准确度直接制约着零速修正算法对于改善人员定位系统提供位置精度的能力。针对现有零速检测方案存在阈值设定以及训练模型准确性等问题,提出一种基于加速度幅值滑动方差开展行走步态零速区间检测方法,采用K均值聚类方法自适应纠正初始检测结果中的误检状态,构造Kalman滤波器并在零速区间以惯性系统解算的速度信息为观测量进行量测更新来限制导航误差积累。开展人员多种运动状态下的行走测试,实验结果表明K均值聚类自适应算法能对零速区间进行有效地检测,获取的位置解算误差小于2%。

基于阿尔法均值滤波和信息散度的图像滤波研究

光学图像感染噪声是一种非常常见的现象，为了克服传统图像滤波方法不可避免带来的图像边缘模糊和奇异值影响，提出了一种基于阿尔法均值滤波算法和信息散度的图像自适应滤波算法。该算法充分利用了信息散度的特性和阿尔法均值滤波算法的优点，采用信息散度自适应的确定滤波窗口的加权系数值。实验结果表明，该算法可动态的确定滤波窗口内像素点的取值，具有较好的自适应性，同时与现有的中值滤波和均值滤波算法相比，对于受到高斯噪声、椒盐噪声以及混合噪声感染的图像，具有比较好的滤波效果，并可以很好地保护图像细节信息，具有提高图像清晰度的功能。

有效的图像滤波算法

利用灰色关联度的特性和阿尔法均值滤波算法的优点,提出一种基于改进灰色关联度和阿尔法Alpha均值滤波的噪声图像的自适应滤波算法。该算法采用灰色关联度自适应地确定滤波窗口的加权系数值,改善算法的滤波性能。实验结果表明算法对受到高斯噪声和混合噪声干扰的图像进行去噪能取得较好的滤波效果,同时还保护了原始图像的细节信息。

数据异常值检测及修正方法研究

针对雷达测量数据中存在的异常值,对数据中的时间参数根据其变化规律的等差性进行异常值检测。对雷达发射功率、角度、距离参数异常问题,基于邻近去最值均值滤波原理,采用滑窗方式进行检测并修正。实验结果表明,提出的检测方法能够有效检测并修正数据中的异常跳变点且不改变正常值。

混合噪声图像的去噪算法研究及FPGA实现

针对数字图像中常见的混合噪声以及边缘轮廓模糊的问题,提出一种修正的阿尔法均值滤波与边缘增强算法相结合的图像预处理算法。修正的阿尔法均值滤波算法首先对像素矩阵中的像素值统计排序,其次去除定量的最大值和最小值,再次求取像素矩阵中剩余像素点的均值,最后用求取的均值代替原始中心点的像素值从而实现图像去噪。边缘增强算法首先使用Sobel算子定位图像边缘信息,提取图像的边缘后,将边缘叠加于去噪图像,最终实现图像的边缘复合增强。经验证,随着噪声密度的不断增加,该算法相比于传统算法始终保持着较小的均方误差值,且均方误差的增长率约为31%。结果表明,该算法有效滤除了数字图像的混合噪声,增强了边缘信息,同时满足图像降噪系统的实时性要求。

基于帧差和Otsu的红外行人分割算法

针对红外图像中行人与环境对比度较低,直接进行分割易产生误分割问题,提出一种基于帧差和Otsu的红外行人分割算法.首先选取红外视频序列中时间间隔较短的2帧图像求其帧差图像,对帧差图像采用Otsu分割得到运动目标的部分区域;然后对基准帧也采用Otsu方法分割,并将帧差图像分割结果与基准帧分割结果相乘,得到目标区域的种子像素;最后在基准帧分割图像上,通过连通性判断得到最终的行人分割区域.实验结果表明,该算法很好地克服了环境带来的干扰,鲁棒性强,能有效实现红外行人目标的分割.

鱼眼星图中的水天线自动提取算法

鱼眼星图中水天线的检测是实现小型化舰载天文导航系统和海面目标侦测系统的关键技术,然而夜间拍摄的鱼眼星图背景复杂,整体灰度值较低,使用传统的边缘检测算法无法准确提取水天线。本文提出一种鱼眼星图水天线自动提取算法,分为预处理和水天线自动提取两部分。预处理策略中,针对背景复杂问题,设计了四边框分块法,简化图像中水天线所在区域的背景;针对噪声问题,引入了修正的阿尔法均值滤波器对分块之后的图像进行平滑处理。水天线自动提取中,针对水天线为单向弧段的特点,设计了特定的线状模板进行卷积以获得连续的水天线;针对水天线上舰船灯光等小目标的干扰,采用设定阈值的方式剔除异常特征点以获得准确的水天线。在此基础上,拟合估计出实测鱼眼星图中的水天线检测精度。基于多种复杂实验条件下的拟合结果表明,水天线的检测中误差平均值为0.77像素,能够满足舰船天文导航和海面目标侦测对水天线提取的精度需求。

基于时域特性分析的红外运动小目标检测算法

为了有效地检测复杂背景下的红外运动小目标,提出了一种基于时域特性分析的目标检测算法。首先,利用修正后的阿尔法均值滤波器对含有多种噪声的红外图像进行有效的预处理。然后,把空域上每个位置的取值看成是时域上的函数,则受运动目标影响和不受影响的函数曲线具有完全不同的形状,通过检测这种形状差异来完成目标的检测任务。最后,基于形态学的后处理可以有效地去除虚假目标。实验结果表明:该算法能具有较好的鲁棒性。

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。

基于融合的红外图像预处理技术

介绍了一种基于图像融合的红外图像预处理技术。分析了红外成像过程中引入的噪声类型,采用修正的阿尔法均值滤波方法来抑制噪声并利用边缘检测来增强目标的边缘成分,通过融合的处理方法来合并处理后的红外图像。实验表明该方法能够有效地增强复杂背景下的红外图像,从而有利于后续的目标识别处理。

一种基于恒定统计的红外图像非均匀性校正算法

对红外焦平面阵列成像系统而言,基于场景的非均匀校正技术是处理固定图案噪声的关键技术。现有的非均匀校正算法主要被收敛速度和鬼像问题所限制。提出一种新的基于恒定统计算法的自适应场景非均匀校正技术。利用红外图像序列的时域统计信息结合提出的α修正均值滤波来估计探测器的参数,通过减少样本的渐进方差估计,完成成像系统的非均匀性校正。通过模拟和真实的非均匀性图像对算法的性能进行评价。实验结果表明,在继承恒定统计算法快速收敛的同时,图像峰值信噪比较恒定校正法及常系数α校正算法分别有44.5%和32.9%的提升,图像鬼像问题有明显改善。

基于噪声检测的激光光斑图像去噪方法

基于受污染图像的噪声检测,提出了一种有效的椒盐噪声图像混合滤波算法。首先利用可自适应变化的矢量窗口检测噪声,并对检测到的噪声进行分类,然后采用所提出的伪加权中值滤波和伪加权均值滤波两种算法对图像进行混合滤波,最后加入背景阈值和孤立噪点修正量对滤波后的图像进行灰度修正。提出的方法对不同椒盐噪声强度下的激光光斑图像均体现出优异的滤波性能,去噪和边缘保持性能得到了较大提高,优于传统的中值滤波、均值滤波及其一些改进算法。

无人机图像增强方法的研究与实现

以无人机采集的低照度图像为研究对象,提出了一种改进的低照度图像增强算法.获取无人机采集图像的灰度直方图,计算灰度像素的均值和方差,通过计算亮度系数划分亮暗区域;根据滑动窗口的像素均值与设定的阈值进行计算得到修正系数,完成图像亮度的修正;为减小时间复杂度使用三次快速均值算法替代高斯滤波进行去噪.结果表明,本文的算法能够有效地改善图像局部亮度、提高图像对比度和保留轮廓边缘纹理信息.