基于直方图滤波的浅海声源测距算法研究

针对浅海移动声源的测距,提出了基于直方图滤波的水下测距算法。该算法以声传播过程中传播损失和目标运动参数以及接收信号作为先验知识,对声源位置函数形成的状态向量进行更新,从而实现浅海声源的测距,并用SwellEx-96实测海试数据库进行了算法的实验验证。结果表明:对移动声源的测距深度误差较小,而探测的水平距离在10 km范围时,水平距离最大测距误差在±10 m,并且可以通过改善目标运动参数等先验知识提高对声源测距的精度,验证了直方图滤波算法可较好地实现对水下移动目标的测距。

直方图加权均值滤波器

本文提出了一种适合于消除图像盐椒噪声的滤波器———直方图加权均值 (HWM)滤波器 .该算法以加权均值滤波器为基础 ,利用被污染图像的直方图函数作为权值进行加权运算 .实验表明 ,对于噪声率在 5 %到 90 %的的噪声图像 ,HWM滤波器具有良好而稳健的去噪效果 ,当噪声率超过 70 %时 。

高噪声率红外图像直方图加权滤波算法

针对高噪声率红外图像,提出一种基于邻域相关度量的滤波算法(HWF).以图像灰度相关理论为基础,分析了盐椒噪声对红外图像灰度分布和灰度差分布的影响.盐椒噪声改变红外图像灰度直方图的相对幅值,但不改变其基本形状,高噪声率红外图像直方图保留了原始图像的灰度分布信息.定义了邻域相关系数以描述像素作为有效信号点的概率.用邻域相关系数作为滤波处理的强度指数,自适应调整处理窗内各像素在邻域加权滤波算法中的权重.灰度直方图体现了对原始信息的保留,邻域相关系数体现了对有效信号和噪声信号的识别和区别处理.实验表明,对于高噪声率红外图像,HWF算法具有良好去噪效果和细节保持能力.

岩体尺度信息提取探索

利用边界检测、直方图滤波等图像处理技术作为对破裂岩体或含节理、裂隙岩体的图像(数码照片)信息处理的基础,建立表征岩体中块度分布的二值化图像.通过对二值化图像的逐行和逐列扫描统计得到岩体块度分布的表征岩体多尺度特征的分维指数和特征块度.

基于TM遥感图像的预处理分析

TM遥感图像预处理的目的主要是对遥感图像进行噪声滤除,更好的利用预处理后的遥感图像所反映的地物目标波谱特性进行反演、统计和分析。文章用ENVI软件截取合适的TM遥感图像研究区域,并用直方图最小值法校正遥感图像,然后又介绍多结构元素形态滤波方法,与传统的中值滤波和均值滤波进行了对比,信噪比高。这些方法很适合试验区的分析,效果很好。

单水听器浅海声源被动定位方法研究

针对浅海隐蔽低耗平台对目标探测的需求,将贝叶斯估计理论应用于水声定位领域,建立以概率密度函数为声源状态描述的水声定位模型,克服浅海环境非稳定和声场模型失配问题;采用直方图滤波法求解贝叶斯滤波问题,解决声源状态后验概率估计过程中积分求解的问题;提出分级网格划分直方图滤波法,有效提高迭代算法的效率;SWellEx-96实测数据和仿真结果表明,在浅海环境条件下,深度200 m,距离10 km的范围内,深度定位精度达到35 m,距离定位精度达到0.69 km,算法效率可以提高N1/2倍。

基于混合编码的天文序列图像无损压缩算法

提出了一种将时间和空间双维度预测与混合熵编码结合的图像无损压缩算法,应用于星体定点成像的天文序列图像.时间与空间双维度预测可以消除天文序列图像的时间相关性和空间相关性.混合熵编码融合了高熵编码与低熵编码算法,充分利用预测误差分布的稀疏性,进一步提升压缩效率.针对星体的天文序列图像,该算法首先在时间维度上进行帧间预测,去除时间相关性,再对帧间预测后的图像在空间维度上进行直方图滤波和上下文预测,去除空间相关性,最后将预测误差送入熵编码器进行编码.实验结果表明,本文所提出算法的压缩效果优于JPEG-LS,平均压缩比提升约15%.该算法结构简单,计算复杂度较低,易于硬件实现,适合星载天文图像的无损压缩.

一种基于兴趣点的图像检索方法

提出一种基于兴趣点的图像检索方法。此方法主要有兴趣点检测、基于兴趣点的特征描述和相似度度量 3个步骤。先使用一个自适应滤波器平滑图像 ,然后提取兴趣点 ;设计一个包含兴趣点局部灰度变化、兴趣点相互位置关系和兴趣点分布的 3D直方图来表征图像特征 ;用图像间 3D直方图距离来测量图像间的相似程度。在含有 32 0 0幅图像的数据库上的大量实验结果证明 :本文提出的算法是有效的。

一种结合改进ORB视觉特征的智能汽车激光SLAM算法

针对地下车库场景中SLAM定位不准的问题,文章提出一种基于视觉和雷达信息融合的SLAM算法,将三维ICP算法IMLS-ICP(Implicit Moving Least Square-Iterative Closest Point)进行二维化,并融入入PL-ICP(Point to Line-Iterative Closest Point)和N-ICP(Normal-Iterative Closest Point)的内容,使得IMLS-ICP更加适合于二维环境,获得更好的点云匹配效果。然后,从图像中提取ORB(Oriented FAST and Rotated BRIEF)特征点进行特征匹配,并针对于地下车库场景亮度不稳定的特点,对图像进行了直方图均衡化滤波处理,并用BRIEF(Binary Robust Independent Elementary Feature)描述子进行约束,使得ORB特征点的提取与匹配更具精确性和鲁棒性,并对得到的结果进行了局部的BA(Bundle Adjustment)优化。应用加权最小二乘法进行位姿融合。通过实验对位姿进行了分析,与主流2DSLAM算法进行对比,验证文章算法的有效性。

ADAPTIVE HISTOGRAM-BASED FILTER FOR IMAGE RESTORATION

A novel filter for image restoration is proposed in this paper. The filter estimates histogram of original image via input image. It gets a membership function through the histogram, and the membership function contains a lot of information of original image. Then a weighted fuzzy mean filter is established based on this membership function; meanwhile, the filter adaptively adopts different filter scale according to the character divergence of image region and intensity of impulsive noise. Experimental result shows that new filter gives superior performance to conventional filters and currently used fuzzy filter.

基于核密度估计的城市动态密集场景激光雷达定位

城市环境中的精确定位是自动驾驶领域的重点和难点,现有的激光雷达定位算法虽然能够在多数情况下保持较高的精度,但在一些比较复杂的城市动态场景中仍存在问题。针对这类场景中遮挡导致的全球定位系统定位精度下降,以及运动目标和环境变化导致的有效点云特征减少的问题,提出一个新的概率定位框架;该框架使用核密度估计的方法对改进后的多层次随机采样一致性算法和直方图滤波算法进行融合,以有效克服多层次随机采样一致性算法在部分场景中的定位波动问题,以及直方图滤波算法在位姿误差较大时的效率低下和局部最优问题。结果表明:所提框架在保证定位精度的前提下,提升了对动态密集场景的适用性,能够在现有算法容易出错的场景中实现更加稳定精确的定位,并能够容忍更大的初始位姿误差。