一种改进的自适应窗口滤波的SAR图像去噪算法

SAR的广泛应用及其距离、方位上的高分辨率,使其受到人们越来越多的重视。但是SAR图像中的斑点噪声却严重地制约了它的进一步的应用。根据SAR图像的成像过程提出了一种改进的抑制SAR图像中斑点噪声的算法——自适应窗口空间域平滑算法。它根据窗内像素点的统计特征自适应调节窗口大小,并通过门限来决定是否需要改变窗的尺寸,达到在同性质区增大窗口来抑制斑点噪声,同时在异性质区减小窗口以最大限度地保护图像细节的目的。对实际SAR图像的验证,说明它在抑制斑点噪声和保存图像细节信息方面较之原方法有了一定的改进和提高。

图像去椒盐噪声滤波器的研究

在图像平滑过程中,如何滤除噪声同时保护图像的细节是一个研究热点。本文提出并设计一种将十字窗和叉形窗有机结合的多窗口自适应中值滤波器(MWMF滤波器),可根据窗口内图像自身的形状,自适应地选择十字窗和叉形窗。在比较多窗口自适应中值滤波和形态滤波这两种滤波器的优缺点之后,还提出并设计了非线性组合滤波器。实验表明该滤波器滤除椒盐噪声的效果优于单独使用中值滤波或形态学滤噪,在椒盐噪声概率超过0.2时优势尤为明显。

改进的Gabor指纹图像增强算法

算法采用按方向计算的灰度曲率,并将它归一化后用来作为衡量块内方向是否一致的标准,并通过此参数和指纹图像的平均频率共同调节滤波窗口的大小.实验结果表明,该方法不仅可以很好的消除粘连和连接断线,而且可以缓解因方向图求取不准确而对图像增强造成的不利影响,同时还增加了滤波器本身的稳定性和适用性.

基于优化FAEMD-OSELM的WSN流量预测算法研究

针对无线传感器网络(WSN)组合流量预测算法自适应性低、计算复杂度高等不足,提出一种基于优化FAEMD-OSELM的WSN流量预测算法。算法利用快速自适应经验模态分解(FAEMD)将信号分解为一系列本征模态函数和一个残余函数,通过设计自适应滤波窗口提高信号分解过程的自适应性。进一步,采用在线贯序极限学习机(OSELM)对信号分量进行训练、预测,运用奇异值分解(SVD)理论优化神经网络的参数和拟合过程,降低计算复杂度。同时,结合样本选择器进一步控制预测误差范围,保证算法的预测精度。实验结果表明,算法在分解效果、耗机时间、预测精度等关键性能指标上具有较为明显的优势。

改进型多项式匹配图像去噪算法的研究与应用

为进一步改善常规多项式匹配算法的去噪能力,针对常规多项式匹配算法容易模糊图像边缘/纹理等细节问题,提出一种基于边缘保护的改进多项式匹配滤波的算法。该方法在常规多项式匹配算法基础上,改进滤波窗口的选择方式,沿着图像纹理走向方向提取自适应滑动滤波窗口,选择具有最小匹配误差的窗口进行匹配滤波并作为最终输出结果。然后分别在灰度图像和实际CT图像进行测试,经数据验证表明,该方法在有效压制噪声的前提下能够保持边缘/纹理信息,峰值信噪比平均提升80%以上,均方根误差减少80%以上。认为和常规多项式滤波方法、中值滤波方法、双边滤波方法、边缘保持滤波方法、三维块匹配去噪算法和去噪卷积神经网络方法相比,改进方法能够有效提升图像视觉效果,满足图像应用要求,具有良好的应用前景。

智能车路径识别算法研究

基于恩智浦智能车,对路径识别算法进行了研究。首先针对图像的光照不均匀现象,通过直方图判断分类,提高算法对图像的适应性。接下来对分类的图像进行预处理,引入窗口自适应滤波算法代替传统的中值滤波对"椒盐噪声"进行处理,并采用动态阈值算法对图像进行二值化分割。最后对图像分割并应用改进的Canny算法进行图像中线提取及拼接,边缘阈值是以灰度值期望和方差为基础,以正态分布来求取高低阈值,不需人工参与。实验结果表明本文提出的图像预处理算法可以很好地去除噪声,并消除"灰度白"现象准确得到中线信息。

基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法

针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF(Improved Bilateral Filtering algorithm based on Background Homogeneity),并将其应用于SAR图像斑点噪声抑制。BH-IBF以传统双边滤波作为基本框架,并利用了双边滤波器中的双边核函数描述像素灰度值之间的相似性以及相邻像素间的几何空间信息。然而,传统双边滤波存在不能有效地滤除强斑点噪声的缺点,并且SAR图像又因成像原理的缺陷导致强斑点噪声普遍存在。针对这些问题,BH-IBF设计了一种根据背景窗口的匀质性进行自适应样本截断的方法,并根据描述背景匀质性的指标自动获取样本截断的截断深度。此外,本文将自适应滤波窗口尺寸以及权重核修改的方案应用到BH-IBF中,以增强匀质区域的斑点噪声平滑强度以及异质区域的边缘信息效果。最后,使用自适应截断后的样本作为已调整权重核的双边滤波器的输入。实验数据显示,BH-IBF能够在有效保留SAR图像纹理信息的同时,获取较好的斑点噪声平滑性能。

基于图像分割的稠密立体匹配算法

提出一种基于图像分割的稠密立体匹配算法,该算法将灰度-梯度算法与零均值归一化互相关(ZNCC)算法相结合生成匹配代价,利用SLIC(Simple Liner Iterative Cluster)算法对图像进行分割,基于视差图和超像素更新了匹配代价。在视差后处理阶段,基于左右一致性检验(LRC)、孔洞填充和十字交叉自适应窗口加权中值滤波的方法减小视差图的误匹配率。利用Middlebury数据集的4组图像进行测试,测试结果表明,平均误匹配率为4.99%。