基于e1范数的新型脉冲噪声数字滤波器

旨在研究非线性数字滤波器设计问题.基于稳健统计理论和双边滤波思想,首先提出稳健的图像复原统一框架,并由此导出一种数字滤波器的统一设计框架,简洁地建立了非线性数字滤波器与最优能量泛函框架之间的理论联系.基于统一设计框架,随后提出了一种新型脉冲噪声滤波器,即双边e^1滤波器.双边e^1滤波器赋予噪声点的权重相对于图像信息的权重接近于零,更好地抑制了噪声点对滤波过程的影响,比中值滤波器具有更为鲁棒的滤波机制.实验结果验证了双边e^1滤波器抑制脉冲噪声的有效性.     

基于l~1范数的新型脉冲噪声数字滤波器

旨在研究非线性数字滤波器设计问题。基于稳健统计理论和双边滤波思想,首先提出稳健的图像复原统一框架,并由此导出一种数字滤波器的统一设计框架,简洁地建立了非线性数字滤波器与最优能量泛函框架之间的理论联系。基于统一设计框架,随后提出了一种新型脉冲噪声滤波器,即双边l1滤波器。双边l1滤波器赋予噪声点的权重相对于图像信息的权重接近于零,更好地抑制了噪声点对滤波过程的影响,比中值滤波器具有更为鲁棒的滤波机制。实验结果验证了双边l1滤波器抑制脉冲噪声的有效性。     

M-估计耦合双边滤波的正则化超分辨率重建

在正则化超分辨率重建框架下,基于M-估计理论和双边滤波思想,建立了一种鲁棒的超分辨率重建统一能量泛函。该能量泛函融合了M-估计的鲁棒性处理机制和双边滤波的双重异性加权机制,提高了算法的鲁棒性和边缘保持特性。鉴于采用最小二乘估计的CLS算法和采用最小一乘估计的Farsiu重建算法在边缘保持特性方面存在的不足,在算法实现时选用了Huber稳健M-估计。不论是视觉效果还是峰值信噪比(PSNR),实验结果都表明该算法的有效性。     

数字双边全变差滤波及非线性去噪

为了更好地滤噪,在研究基于数字滤波器的图像去噪问题的基础上,首先简洁地建立了双边滤波与最优能量泛函之间的理论联系,同时导出一类广义双边滤波器;然后基于双边滤波在阶数大邻域中的双重异性加权滤波机制,推广了Chan提出的数字全变差(TV)模型,提出了一种数字双边TV模型;随后,建立了基于数字双边TV模型的最优能量泛函,并且导出了适于高斯噪声和脉冲噪声两种情形的非线性数字双边全变差滤波器。实验结果显示,无论是在视觉效果方面,还是去噪后图像的峰值信噪比方面,双边全变差滤波都是对双边滤波和全变差滤波极为合理而有效的推广。尤其对于脉冲噪声,该双边全变差滤波的去噪性能明显优于中值滤波器,具有重要的实用价值。     

基于广义Huber-MRF图像建模的超分辨率复原算法

超分辨率图像复原是当今一个重要的热门研究课题.鉴于双边滤波优良的噪声抑制性和鲁棒的边缘保持性,提出一种双边滤波导出的广义MRF(Markov random field)图像先验模型.广义MRF模型不仅继承了双边滤波在阶数大邻域中的双重异性加权机制,且简洁地建立了双边滤波与Bayesian MAP(maximum a posterior)方法之间的理论联系.同时,由广义MRF模型导出了一种各向异性扩散PDE(partial differential equation)的改进数值解法.随后,在MRF-MAP框架下分别考虑高斯噪声和脉冲噪声两种情形,提出一种基于广义Huber-MRF模型的超分辨率复原算法,理论上保证具有严格全局最优解,并且利用半二次正则化思想和最速下降法求解相应的最小能量泛函.不论是视觉效果方面,还是峰值信噪比(PSNR)方面,实验结果都验证了广义Huber-MRF模型在超分辨图像复原中具有更强的噪声抑制性和边缘保持能力.     

基于小波萎缩法的非线性自适应数字滤波器的设计

本文中,将小波萎缩法应用于非线性自适应数字滤波器的设计,介绍利用基于离散正交小波变换的小波萎缩迭代滤波方法,设计出非线性自适应小波萎缩滤波器的模型.文中给出了非线性自适应小波萎缩滤波器的一个消噪实例,证实了非线性自适应小波萎缩滤波器鲁棒性好的特性.     

基于小波萎缩法的非线性自适应数字滤波器的设计

本文中,将小波萎缩法应用于非线性自适应数字滤波器的设计,介绍利用基于离散正交小波变换的小波萎缩迭代滤波方法,设计出非线性自适应小波萎缩滤波器的模型文中给出了非线性自适应小波萎缩滤波器的一个消噪实例,证实了非线性自适应小波萎缩滤波器鲁棒性好的特性。     

有色量测噪声下的改进求容积卡尔曼滤波器

为解决标准求容积卡尔曼滤波器在有色量测噪声条件下滤波精度退化的问题,提出改进求容积卡尔曼滤波器及其平方根形式.首先利用一阶马尔科夫模型白化非线性离散随机系统中有色量测噪声,将有色量测噪声下非线性离散随机系统转化为白噪声下非线性时滞系统.然后根据所得非线性时滞系统推导其高斯域的贝叶斯滤波框架,最后基于3度Spherical-Radial规则将该滤波框架近似为改进的求容积卡尔曼滤波器和其平方根形式.机动目标跟踪仿真试验结果表明两种改进求容积卡尔曼滤波算法在标准白噪声条件下与标准求容积卡尔曼滤波算法的估计精度相同,而在有色量测噪声背景下滤波精度和鲁棒性更优.     

基于非线性滤波的边缘检测算法*

线性滤波对于边缘检测的去噪处理存在着使边缘模糊、边缘检测定位精度降低的问题。为解决这个问题,分析了两种非线性滤波,即各向异性扩散滤波和双边滤波,分别将两种滤波应用在边缘检测的滤波过程。通过对比实验结果表明：非线性滤波方法可以提高边缘检测的准确率,得到更有效的边缘信息。     

NLTV:非局部数字全变差滤波算法

在图像平滑处理过程中,如何设计保持图像边缘和纹理细节的数字图像去噪滤波器一直是人们关注的热点问题。本文在统一描述数字全变差滤波算法（DTV）和数字双边全变差算法（DBTV）的滤波机制的基础上,利用图像像素间的近-远程相关性,分别定义近程相关性和远程相关性两个度量,建立了一种非局部图像滤波自适应双边加权机制,提出一种同时适合高斯噪声和脉冲噪声的非局部数字全变差滤波算法（NLTV）。实验验证了新算法在抑制噪声的同时具有较好的边缘细节和纹理保持性能。     

协作过滤研究概述

协作过滤分析用户兴趣 ,在用户群中找到指定用户的相似 (兴趣 )用户 ,综合这些相似用户对某一信息的评价 ,形成系统对该指定用户对此信息的喜好程度的预测。其协作过滤具有推荐新信息的能力等多种优点 ,介绍了其现状与发展趋势。     

堆栈滤波的递归实现

堆栈滤波器是一类能够有效滤除脉冲类噪声,同时能较好地保护图象边缘与细节的非线笥滤波器,它所具有的 阈值分解和堆栈两个重要性质保证了滤波过程可以在二进制域并行实现,虽然ＭＡＥ（平均绝对误差）准则下最优堆栈滤波器可由ＬＭＡ（最小平均绝对误差）算法给出,但直接推导得到的滤波有属于非递归型滤波器,基于此,提出了ＭＡＥ准则下最优堆栈滤波器的递归实现方法,该方法不仅采取直接递归和最递归两种方案实现递滤波器的噪     

A class of adaptive directional image smoothing filters

The gray level distribution around a pixel of an image usually tends to be more coherent in some directions compared to other directions. The idea of adaptive directional filtering is to estimate the direction of higher coherence around each pixel location and then to employ a window which approximates a line segment in that direction. Hence, the details of the image may be preserved while maintaining a satisfactory level of noise suppression performance. In this paper we describe a class of adaptive directional image smoothing filters based on generalized Gaussian distributions. We propose a measure of spread for the pixel values based on the maximum likelihood estimate of a scale parameter involved in the generalized Gaussian distribution. Several experimental results indicate a significant improvement compared to some standard filters.     

更普适的快速自适应图像滤波算法——近均值滤波

对常见的滤波算法进行分析,在此基础上提出“近均值”的概念,设计相应的滤波算法。对滤波窗口尺寸采用自适应的方式,在排除部分可疑噪声数据后,对剩余数据计算均值。提出三种计算近均值的规则和两种噪声判断方案,组合设计了九种滤波算法。在与均值滤波、中值滤波及部分改进的滤波算法进行实验对比后,确定提出的第七种滤波算法具有更好的滤波效果,能适应不同类型的噪声,其普适性和实用性进一步增强。     

An adaptive window mechanism for image smoothing

Image smoothing using adaptive windows whose shapes, sizes, and orientations vary with image structure is described. Window size is increased with decreasing gradient magnitude, and window shape and orientation are adjusted in such a way as to smooth most in the direction of least gradient. Rather than performing smoothing isotropically, smoothing is performed in preferred orientations to preserve region boundaries while reducing random noise within regions. Also, instead of performing smoothing uniformly, smoothing is performed more in homogeneous areas than in detailed areas. The proposed adaptive window mechanism is tested in the context of median, mean, and Gaussian filtering, and experimental results are presented using synthetic and real images and compared with a state-of-the-art method.     

A new approach for combining content-based and collaborative filters

With the development of e-commerce and the proliferation of easily accessible information, recommender systems have become a popular technique to prune large information spaces so that users are directed toward those items that best meet their needs and preferences. A variety of techniques have been proposed for performing recommendations, including content-based and collaborative techniques. Content-based filtering selects information based on semantic content, whereas collaborative filtering combines the opinions of other users to make a prediction for a target user. In this paper, we describe a new filtering approach that combines the content-based filter and collaborative filter to capitalize on their respective strengths, and thereby achieves a good performance. We present a series of recommendations on the selection of the appropriate factors and also look into different techniques for calculating user-user similarities based on the integrated information extracted from user profiles and user ratings. Finally, we experimentally evaluate our approach and compare it with classic filters, the result of which demonstrate the effectiveness of our approach.     

基于突发事件新闻标题的文本过滤模型

文本过滤是指从大量的文本中寻找满足用户需求的文本的过程。以互联网上下载的突发事件新闻文本为研究背景,提出了基于新闻标题的文本过滤模型,根据示例文本构建标题过滤模板,采用基于关键字的过滤方法对突发事件新闻文本进行过滤。其特点是实现简单,过滤速度快,有一定的实际作用。     

自适应中值滤波算法在图像处理中的应用

为了比较自适应中值滤波相对于传统中值滤波在滤除数字图像中噪声时的优缺点,文章通过Matlab实现了中值滤波和自适应中值滤波仿真,分析了两种算法的滤波效果,从而从主观图像和客观参数上反映了自适应中值滤波算法的优越性,得到了它比传统中值滤波算法具有较好的图像去噪和细节保护性能的结论。     

基于贝叶斯网络的信息过滤模型研究

传统信息过滤模型很难描述对信息过滤结果产生影响的各种因素，如质量、内容、用户偏好之间复杂的关系，也无合适的方法让用户将知识加入到信息过滤系统中，因此，提出了基于贝叶斯网络的信息过滤模型BMIF（Bayesian model of information filtering),BMIF是贝叶斯网络的简化，它描述了信息过滤的基本结构，提供了6种节点用于描述影响信息过滤的事件之间的关系，在此基础上，提供了BMIF的各种使用方法，包括将传统方法使用BMIF描述，将词法知识用BMIF表示，以及将自动学习与手动交互结合，将合作过滤与内容过滤结合等。     

双因子自适应滤波算法在四旋翼上的应用

针对动力学模型的不精准和观测存在误差问题,建立四旋翼的动力学模型和双因子自适应滤波模型,采用两个因子分别调节动力学模型和观测模型对滤波的影响,通过仿真,对比卡尔曼、扩展卡尔曼滤波算法。结果表明：双因子自适应滤波算法在误差与稳定性方面均有所提高。