一种消除椒盐噪声的迭代自适应加权均值滤波

针对传统的均值滤波和多种中值滤波不能有效去除高密度椒盐噪声的不足,提出一种迭代自适应加权均值滤波算法。为了能够对图像外围的像素点进行滤波,沿四周进行图像扩展。根据椒盐噪声的极值特性,将像素点分为噪声点和信号点,噪声点采用多轮迭代,利用前次滤波的结果,求取滤波窗口非噪声点灰度值的加权均值,基于与窗口中心像素的空间距离计算加权系数;信号点保持原值。滤波窗口尺寸根据窗口内是否含有非噪声点自适应地由小变大。选用5种不同的算法在噪声密度20%~80%范围内进行仿真对比,验证算法的有效性。仿真结果表明,与其它4种算法相比,在低密度噪声时,该算法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)和结构相似性指数(Structural Similarity Index, SSIM)优势明显,在80%高密度噪声时仍然保持突出效果,PSNR值至少提高4.26 dB,验证了该算法对高密度椒盐噪声具有更好的滤波性能,很好地保持图像的纹理边缘和细节。

基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法

图像脉冲噪声移除是获得高质量图像的关键。本文通过热红外相机成像原理研究,提出了一种基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法。首先,根据相机的调制传递函数计算获取原始图像的最大像素梯度,继而建立相应的像素梯度集合。然后,计算原始图像与对应像素梯度滤波图像的梯度权重均方根误差集合,并将该集合高斯分布的最大值对应的像素梯度确定为最佳像素梯度。最后,根据图像中脉冲噪声的密度和复杂度,确定所提滤波器的自适应窗口大小和迭代次数。大量实验结果表明,所提滤波器对移除8位、16位的单通道脉冲噪声图像展现出良好的鲁棒性。与其他先进方法相比,该方法可以实时移除真实热红外相机采集图像中低密度的随机值脉冲噪声和SAPN,并实现噪声抑制过程中99.5%以上的原始像素不会遭受破坏。除此之外,针对高密度SAPN抑制,该方法获得了具有竞争力的结果,与运行时间较快的滤 波方法相比表现出较好的 PSNR和 SSIM,与 PSNR和 SSIM较优秀的去噪方法相比表现出较快的运行时间。对于极限 SAPN(99%)破坏的图像,也能够恢复有意义的图像细节。

卡尔曼滤波下多源传感器数据互补-加权迭代融合算法

因多源传感器在数据融合过程中,受自身数据差异性影响较大,导致最终的融合结果精准度较低。为此,在卡尔曼滤波算法的基础上,针对多源传感器数据提出一种互补-加权迭代融合算法。建立多源传感器观测模型,找出数据融合过程中的最优加权系数。在多源传感器组合系统中引入卡尔曼滤波算法,结合互补-加权迭代融合算法,建立预测方程、状态方程、滤波互补因子以及估计均方误差方程,实现多源传感器的数据融合。实验结果表明,所提算法可以精准找出最优加权系数,观测误差始终在0.6 m以下,可以实现数据的精准融合。

基于放疗科大孔径CT的自适应迭代重建技术在肺结节穿刺中的应用研究

目的:研究大孔径CT自适应统计迭代重建(ASIR)对肺结节经皮穿刺中图像质量的影响。方法:选取2023年1月—7月于深圳市宝安区人民医院接受大孔径CT引导穿刺的肺结节患者20例。分别应用滤波反投影技术(FBP)和ASIR技术重建图像并评价两组图像质量。主观评价采用Likert评分,客观评价对结节区噪声标准差(SD)、对比噪声比(CNR)和穿刺针针尖位置CT值等资料。结果:图像的主观评价均满足穿刺要求且一致性较好(Kappa值=0.740)。ASIR图像质量随着权重先增加后降低,权重为60%时最佳。和FBP相比,ASIR 60%的Likert评分更高,结节SD和CNR值比较,差异有统计学意义(P=0.004、0.043)。其他统计参数比较,差异均没有统计学意义(P>0.05)。结论:放疗用大孔径CT常规扫描不影响穿刺图像质量,ASIR 60%图像质量更优,可以用于引导肺结节经皮穿刺。

压电微动台数据驱动迭代前馈补偿与自适应抑振

为消除压电驱动柔性微定位平台高精控制对平台不确定动力学模型的依赖性,提出了一种数据驱动无模型迭代前馈补偿和自适应陷波滤波结合的控制方法来提高平台的跟踪性能。首先,建立了数据驱动无模型迭代前馈控制器,提高系统对噪声和其他干扰的鲁棒性,同时,证明了在无模型迭代前馈作用下,连续参考输入跟踪误差的有界性和闭环系统的稳定性;其次,构建了自适应陷波滤波器来消除平台谐振的影响,对误差信号进行快速傅里叶变换,并设计谐振频率在线提取算法,实现对陷波滤波器参数的在线实时整定,来进一步提升轨迹跟踪精度;最后,利用所设计的无模型迭代前馈控制器和自适应陷波滤波器对压电微动台进行轨迹跟踪实验。实验结果表明:在跟踪三角波信号时,与单独比例-积分(Proportional Integral,PI)控制和结合自适应陷波滤波器的PI控制相比较,最大跟踪误差分别减小78.25%和70.83%,能够有效提升平台的稳定性和跟踪精度。

基于迭代重加权的子阵级MIMO雷达角度超分辨算法

针对子阵级多输入多输出(MIMO)雷达阵列孔径数量有限带来的高方向图旁瓣问题,构建了子阵级MIMO雷达收发信号和多子阵角度测量模型,提出了基于自适应迭代重加权(AIR)和p-范数约束下迭代重加权最小二乘(p-IRLS)的角度超分辨算法,分析了两种算法的计算复杂度。在仿真实验中验证了两种算法的性能,并对其在单目标和双目标、以及干扰环境检测中的效果进行了比较分析。仿真结果表明,AIR和p-IRLS算法能够有效降低子阵级MIMO雷达的方向图旁瓣电平,同时实现对目标的角度超分辨。和AIR算法相比,p-IRLS算法在低信噪比和邻近目标分辨性能更突出。

基于变量选择比自适应迭代法的近红外光谱变量选择方法研究

近红外光谱分析技术(NIRS)存在信号弱、谱带重叠等问题,为了提高模型预测精度,提出了变量选择比自适应迭代法(PSAI)。通过蒙特卡洛法(MCS)采样,从样本中采集不同样本子集,利用偏最小二乘法(PLS)计算出每个子回归模型以及每个变量回归系数的平均值和标准差并得到初始权重,进而选取出最佳特征变量。结果表明,变量选择比自适应迭代法与自助软收缩法、无信息变量消除法以及竞争自适应重加权采样法相比,小麦蛋白数据预测精度分别提升了14%、21.4%、4.1%;牛奶蛋白数据预测精度分别提升了25%、43.3%、8.7%。所以变量选择比自适应迭代法对于简化预测模型,提高模型预测精度是可行的。

融合迭代平均滤波的RSSI室内定位算法

针对室内定位中,受无线通信距离和环境的影响,紫蜂(ZigBee)观测信号的随机噪声较为显著,导致定位结果的精度和稳定性较弱的问题,提出一种融合迭代平均滤波的RSSI室内定位算法:在数据采集过程中,采用高斯滤波对观测信号进行预处理,并根据接收信号强度指数测距理论建立起路径损耗模型,由此估算出信号接收节点到广播信标节点间的距离;然后,在定位解算过程中,在线性最小二乘算法的基础上融合迭代平均滤波算法,以抑制随机误差对定位结果的影响;最后,采用自研的CC2530 ZigBee模组对算法的可行性和稳定性进行实验验证。结果表明,等权最小二乘算法的点位精度约为0.64m,距离定权后,最小二乘算法的精度提升到0.52m;用等权最小二乘算法融合迭代平均滤波,精度也能达到0.5 m左右,与距离定权最小二乘的精度相当;同时,融合距离定权和迭代平均滤波2种方法的点位精度可以提高到0.35 m左右。

迭代自适应权重均值滤波的图像去噪

针对现有滤波方法滤除图像椒盐噪声的性能不理想和耗时长等缺陷,提出了一种迭代自适应权重均值滤波的图像去噪方法(IAWF)。首先,利用图像邻域像素与处理点的相似性采用新型方法构建邻域权重;然后,将此邻域权重与开关裁剪均值滤波结合形成新型权重均值滤波方法,充分利用像素间的相关性和开关裁剪滤波的优势,有效提高了算法的去噪效果,同时采用自适应的方式调整滤波窗口大小,以便尽可能地保护图像细节;最后,采用迭代式滤波方法,即如果上述操作还没有处理完噪声点,则迭代去噪直至噪声点处理完毕,实现自动处理。仿真实验结果表明,在各种不同噪声密度下,IAWF在峰值信噪比(PSNR)、失真度,以及视觉效果等方面均优于现有的几种优秀的滤波算法,且具有更快的运行速度,更适用于实际应用场合。

基于自适应直接快速迭代滤波的滚动轴承故障诊断方法

直接快速迭代滤波(direct fast iterative filtering,DFIF)是最近提出的一种非线性和非平稳信号分析方法。针对DFIF方法需人为设定滤波区间调整参数,且该参数在迭代计算过程中缺乏自适应性等问题,提出了自适应直接快速迭代滤波(adaptive direct fast iterative filtering,ADFIF)方法,该方法基于瞬时频率波动能量差准则,自适应确定DFIF算法外循环每层迭代筛分过程中最优滤波区间调整参数。ADFIF方法能够自适应地将任意非线性和非平稳信号分解为若干个瞬时频率具有物理意义的近似窄带信号和一个趋势项之和。通过仿真信号和滚动轴承故障信号分析,将所提ADFIF方法与原DFIF、自适应局部迭代滤波、变分模态分解、经验模态分解等方法进行对比,结果表明,所提ADFF方法在抑制模态混叠和抗噪性方面具有一定的优势,且能提取出滚动轴承更多故障特征信息。

基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法。首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量输入KFCM得到聚类结果。试验结果表明,与基于EMD,EEMD和KFCM聚类,以及ALIF和FCM聚类的方法相比,ALIF和KFCM方法的分类系数更接近1,平均模糊熵更接近0,聚类效果更好,对滚动轴承各类故障信号具有很高的识别度和良好的分类效果。

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。

自适应模糊加权均值滤波器

为了在滤除退化图像中高斯和冲激混合噪声的同时更好地保护图像的细节 ,运用模糊数学的思想提出了一种基于模糊隶属度的加权均值滤波器。该算法利用模糊隶属度函数的概念和裁剪均值滤波器的思想 ,对均值滤波器的权值加以优化 ,使其不仅在降低高斯噪声的能力和保护图像细节方面较传统的均值滤波有所提高 。

去除椒盐噪声的自适应开关加权均值滤波

提出一种去除椒盐噪声的自适应开关加权均值滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点,对检测出的噪声点采用加权均值滤波进行处理,而信号点保持其灰度值不变直接输出。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改算法有更好的滤波性能。

利用自适应迭代多级中值滤波法分离海上多震源混合波场

多震源激发技术可提高海上地震勘探作业效率,但其混合波场的分离是影响成像的关键因素。伪分离记录中次震源波场在共炮集域之外的其他时域中呈现与主震源波场不同的随机分布特征。本文采用自适应迭代多级中值滤波去噪法以实现海上多震源混合波场的分离,迭代过程中通过自适应减小中值滤波窗口逐步提取波场细节信息。海上实际多震源采集混合炮集记录的波场分离结果表明,分离后的各震源单炮记录清晰,频谱特征相近,证实本文方法具有很好的实际应用价值。

基于迭代自适应多尺度形态滤波的滚动轴承故障诊断

针对工业现场强噪声背景下振动信号特征信息提取困难和单尺度形态滤波时尺度选择的盲目性和随意性的问题,基于自适应多尺度形态分析(AMMA)的思想提出了一种迭代自适应多尺度形态分析(IAMMA)的滤波方法。该方法对振动信号进行多尺度形态差值迭代运算,每次采用的结构元素尺度逐渐增大,然后求多次滤波结果的平均值,达到滤除噪声成分的目的。对仿真信号和滚动轴承故障信号进行分析,结果表明,IAMMA较AMMA能够选取更为合适的结构元素尺度,提取更多的故障特征信息,滤波效果更佳,与Hilbert包络解调方法相比处理过程更加简捷,从而为轴承的故障诊断提供了一种有效的方法。

自适应局部迭代滤波与模糊熵在齿轮系统故障识别中的应用

针对齿轮系统实测信号受噪声干扰而不能准确反映故障特征的问题,提出了一种自适应局部迭代滤波与模糊熵相结合的故障识别方法。利用自适应局部迭代滤波可以将齿轮非平稳信号分解为有限个平稳的本质模态函数,由于自适应局部迭代滤波能有效分离出齿轮系统的转频信号,因此,以转频信号对应的本质模态函数为分界,计算前几个本质模态函数的模糊熵,最后,通过计算不同工况振动信号模糊熵的灰色关联度来识别齿轮系统不同的故障类型。结果表明,该方法能够有效地应用于齿轮系统的故障诊断。

基于改进自适应局部迭代滤波的谐波检测方法研究

针对大量非线性负荷及电力电子设备广泛应用导致的电力系统谐波成份非平稳性和复杂性日益突出,难以识别和检测的问题,在引入自适应局部迭代滤波算法的基础上,提出了基于改进自适应迭代滤波与希尔伯特变换的谐波检测方法。改进自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤波筛选获取具有平稳特征的本征模态分量,具有坚实的数学基础,且能够有效地避免经验模态分解算法存在的模态混叠问题。首先利用改进自适应迭代滤波算法分解得到周期分量,对各分量进行Hilbert变换,提取包括频率、幅值、相位在内的谐波特征参数。测试信号及实测数据分析结果证明了所用方法的有效性,与经验模态分解的对比结果充分验证了本方法在电力系统谐波检测中的强适应性。

RLS自适应滤波的迭代信道估计与符号检测算法

在现有的OFDM系统联合迭代信道估计与符号检测算法的基础上,针对高速移动通信信道,利用RLS自适应滤波器在非平稳环境下有效跟踪输入统计量随时间变化的能力,提出了一类基于对迭代初始值进行RLS自适应预测的迭代信道估计算法.通过对每次迭代的初始值进行递归计算提高其有效性,减少了后继迭代次数,并提高了收敛值的准确性.仿真结果表明:和传统迭代算法相比,该算法加快了迭代收敛速度,提高了估计精度.在复杂度适当增加的前提下,降低了系统误码率,提高了系统性能.

神经网络噪声检测的自适应加权均值滤波算法

针对传统滤波方法对纹理比较细腻的图像以及高噪声密度图像的处理能力欠佳的缺陷,提出了一种基于BP神经网络噪声检测的自适应加权均值滤波方法。用训练好的BP神经网络检测出图像中被椒盐噪声污染的像素并对其进行标记,对检测出的噪声点进行自适应加权均值滤波,信号点则保持不变,从而实现了对图像细节的有效保护。仿真表明了该算法滤波性能和细节保护能力均优于各种传统滤波算法。