一种新的ASL图像去噪方法研究

动脉自旋标记（ASL）MR图像信噪比低,需要重复采集多次以获得高质量的血流（CBF）图。临床中通常使用3D高斯滤波降低噪声但效果不佳。鉴于此,提出了新的基于非局域均值滤波（NLM）的ASL图像去噪方法,利用图像内部块相似度加权,降低噪声并提高血流图的计算精度。实验证明：与高斯滤波的结果比较,采用新方法得到的血流图和真实结果更接近,实现了在较少采集次数的情况下,得到精确的血流图像的目标。     

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

基于二级修复的多方向加权均值滤波算法

针对目前算法不能有效去除高概率的椒盐噪声并保护图像边缘和细节特征的缺点,提出了一种基于二级修复的多方向加权均值滤波算法。在噪声检测阶段,首先利用一个方差参数判断当前像素点与其邻域像素点之间的灰度差异程度,再通过将方差参数和灰度极值相结合的方法检测出图像中的椒盐噪声点。在噪声修复阶段,提出一种二级修复方法来修复噪声点的灰度值。首先利用改进的自适应中值滤波器对椒盐噪声点进行第一级噪声修复;然后利用方差参数将第一级修复后的噪声点划分为两类,并采用不同的修复方法对这两类像素点进行第二级噪声修复,一类像素点采用均值滤波器进行再修复,另外一类像素点采用多方向加权均值滤波器进行再修复。数值实验结果表明,所提算法的滤波性能和边缘保护能力均优于当下很多先进的滤波器。     

非线性自适应平方根无迹卡尔曼滤波方法研究

针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法--自适应平方根无迹卡尔曼滤波（NASRUKF）方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波（SRUKF）算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。     

OFDM系统中DCT-IDCT插值信道估计算法

针对低信噪比条件下导频信道响应LS估计值中存在较大噪声干扰的问题,引入变换域滤波思想,并提出一种改进的方法,基于DCT变换域的滤波方法。通过仿真系统参数变化对改进算法性能的影响,分析和验证了改进算法的有效性。     

图形用户界面系统MiniGUI的IAL输入引擎开发

MiniGUI是一种面向嵌入式系统的图形用户界面支持系统，它采用分层设计的层次结构，定义了便于移植的图形抽象层GAL和输入抽象层IAL。本文针对网络故障测试仪触摸图形界面的开发与参数获取，介绍了MiniGUI的IAL接口，详细讲解了特定嵌入式系统输入引擎的开发过程，并对触摸屏坐标转换校正的方法进行了分析，给出相应的解决方案。     

第五讲 多变量系统的预测控制（一）

第五讲多变量系统的预测控制（一）电子科技大学（成都）周云钟现代工业过程往往是复杂的多输入／多输出系统，即多变量系统。多变量系统由于输入、输出之间存在着耦合，因而控制要复杂得多。对多变量系统的预测控制也由于预测与误差校正的复杂而导致控制系统设计的复杂性...     

基于Android平台红外触摸屏驱动的开发

通过对Android操作系统的Input子系统架构及USB协议分析,开发了基于Android input子系统及USB的红外触摸屏驱动,实现了多点触摸数据的上报。在开发过程中,根据USB协议配置红外触摸屏触摸数据的上报格式,实现了触摸屏与Android系统之间的通信。在装有红外触摸屏的Android电视上,通过串口监视到了触摸点数据上报到Android系统的过程。     

Microchip推出2D多点触摸和3D手势开发平台

正Microchip公司推出针对2D多点触摸和3D手势的开发平台——3DTouchPad全新PC外设,进一步扩展旗下人机界面输入传感解决方案的产品系列。3DTouchPad为投射电容式多点触摸新增了自由空间手势识别功能,赋予输入传感全新定义,使其成为一款极具吸引力的开发平台和参考设计。3DTouchPad是专注于PC/外设市场的融合2D多点触摸功能和3D空中手势感应输入功能的开发平台,通过采用能够检测10cm范围内3D     

基于GF（28）域相似函数的椒盐噪声滤波算法

针对数字图像采集及处理过程中广泛存在的椒盐噪声,基于GF（2⁸）有限域,提出一种具有噪声点精确检测能力的改进型噪声滤波算法。根据图像相邻像素相关性,构建了GF（2⁸）域上的相似函数,并据此提出了GF（2⁸）域上的图像自适应椒盐噪声检测算子,可对噪声点准确定位;结合中值滤波算法完成数字图像的椒盐噪声自适应滤除。实验表明提出算法对噪声点定位准确,在图像的恢复和保护图像细节方面对比其他算法有较大提高,对强噪声污染图像的恢复也有较好效果。     

图像去噪算法的研究

主要针对图像的高斯噪声和椒盐噪声的去噪算法进行研究,分别使用到中值滤波、均值滤波和维纳滤波三种滤波算法。实验结果表明中值滤波对于椒盐噪声有更好的去噪效果;维纳滤波对高斯噪声有明显的作用,相比中值滤波和均值滤波,维纳滤波对高斯噪声有很好的抑制效果,与此同时,维纳滤波却容易丢失边缘信息且对椒盐噪声几乎没有去噪作用。     

A novel adaptive SVR based filter ASBF for image restoration

In this paper, a novel adaptive filter ASBF based on support vector regression (SVR) is proposed to preserve more image details and efficiently suppress impulse noise simultaneously. The main idea of the novel filter ASBF here is to employ a SVR based impulse detector to judge whether an input pixel is contaminated or not by impulse noise. If this case happens, a median filter is employed to remove the corresponding impulse noise. This judgment procedure is executed by regressing the filter window of an input pixel using SVR and then judging the input pixel by its regression distance. Huber loss function is used in SVR regression, due to its excellent robustness capability. The distinctive advantage of the filter ASBF over the latest Support Vector Classifier (SVC) based filter is that no training for the original noise-free image is required in our approach, which is well in accordance with our visual judgment way. Experimental results for benchmark images demonstrate that our filter ASBF here outperforms the extensively-used median-based filters and the SVC based filter.     

用于图像恢复的基于SVR的自适应新滤波器的研究*

提出了一种用SVR回归器识别脉冲噪声的思想,并将其应用于图像滤波和恢复,形成了用于对脉冲噪声进行滤波的SVR自适应滤波器。这种滤波器在滤波时,先用SVR对待识别像素作噪声识别,再对含噪声的像素作中值滤波。用SVR作噪声识别时,先对滤波窗口作SVR回归,通过待识别像素回归距的大小判断其是否含有噪声。在进行SVR回归时,使用鲁棒的Huber损失函数。由于更充分地利用了待识别像素点的局部背景信息,这种滤波器提高了脉冲噪声识别的正确率。实验表明,在保留原图像的细节信息方面,其滤波效果要优于基于SVC的中值滤波器。     

Identification of ARX systems with non-stationary inputs — asymptotic analysis with application to adaptive input design

A key problem in optimal input design is that the solution depends on system parameters to be identified. In this contribution we provide formal results for convergence and asymptotic optimality of an adaptive input design method based on the certainty equivalence principle, i.e. for each time step an optimal input design problem is solved exactly using the present parameter estimate and one sample of this input is applied to the system. The results apply to stable ARX systems with the input restricted to be generated by white noise filtered through a finite impulse response filter, or a binary signal obtained from the latter by a static nonlinearity.     

基于自适应开关插值算法的图像椒盐噪声滤波*

针对传统中值滤波算法在滤除椒盐噪声时的缺点,提出了一种自适应开关插值算法。该方法根据椒盐噪声的特点,通过极大值、极小值和块均匀度检测来标志噪声,然后根据噪声分布情况,利用拉格朗日插值和自适应中值滤波来滤除噪声。实验结果表明,该方法对椒盐噪声密度为10%80%的测试图像,能更加有效地抑制椒盐噪声并很好地保持了图像的细节信息,滤波性能比传统中值滤波方法更理想。该方法为图像去噪提供了一种新的途径。     

一种改进的自适应中值滤波算法

针对未知脉冲噪声强度的退化图像的去噪,提出了一种新的自适应中值滤波算法,该算法主要基于以下两点：（1）根据模糊数学里的模糊度理论及随机脉冲噪声本身的去噪特点,提出了模糊指标的概念,并通过反向二阶拟合来获得噪声的强度信息;（2）引入了反映图像边缘信息的Prewitt梯度算子,并通过实验来得到合适的梯度阚值,以更好地保持图像的边缘等细节信息.通过将该算法与传统的中值滤波、基于排序阈值的开关中值滤波以及Sorin Zoican提出的改进的中值滤波进行的对比实验表明,该算法对噪声的强度有很好的估计,不仅提高了噪声去除的自适应性,尤其对含噪声多的图像的处理效果更为理想.     

Partition belief median filter based on Dempster–Shafer theory for image processing

A novel median-type filter controlled by evidence fusion is proposed for removing noise from images. The fusion of evidence based on the Dempster–Shafer evidence theory, providing a way to deal with the uncertainty in the evidence fusion, indicates to what extent a noise is considered. The filter proposed here is obtained as a weighted sum of the current pixel value and the output of the median filter, and the weight is set based on the belief value of the input signal sequence. The efficient step-like function is used to partition the belief space, and the least mean square (LMS) algorithm is applied to obtain the optimal weight for each block. Moreover, to improve the performance, the new filter is recursively implemented. Experimental results have demonstrated that the proposed filter can outperform many well-accepted median-based filters in preserving image details while effectively suppressing impulsive noises, and it also works satisfactorily in reducing Gaussian as well as the mixture of Gaussian and impulsive noise.     

一种有效的自适应加权中值滤波算法

针对传统中值滤波算法的优缺点,提出了一种基于相似度函数的自适应加权中值滤波算法。该算法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,再根据相似度大小,巧妙地将滤波窗口内各个像素点按一定的规律自适应地分组并赋予每组像素点相应的权重,最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。计算机模拟实验结果表明：该算法既能有效地滤除噪声,又能较好地保护图像细节,滤波性能比传统中值滤波算法更理想。     

基于中值的自适应均值滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声.但是当图像同时存在高斯噪声和脉冲噪声时,单独用那种滤波方法都不会达到最好的去噪效果.针对该问题,提出了一种基于中值的改进自适应加权均值滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其可以更有效地减少噪声,又可以较好的保持图像的边缘细节信息.实验结果表明,该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

自适应中值滤波算法滤除医学图像脉冲噪声

实现了一种滤除医学图像脉冲噪声的自适应中值滤波算法,用均方根误差和噪声对原图像的毁坏程度两个客观评价指标对该算法及传统均值、中值滤波方法进行了比较与评价。根据设定条件检测滤波窗口中心像素是否为脉冲噪声,采取滤波窗口自适应的算法来滤除脉冲噪声,去除了传统中值滤波对所有像素均用中值代替的弊端,减少了不必要的图像细节损失。基于MATLAB的仿真实验表明,对于较大密度的脉冲噪声,该算法在有效抑制噪声的同时,能较好地保护边缘和细节信息。该算法已应用于虚拟内窥镜系统中,取得了令人满意的效果。