基于模糊自适应卡尔曼滤波的移动机器人定位方法*

针对移动机器人定位过程中噪声统计特性不确定的问题,提出一种模糊自适应扩展卡尔曼滤波定位方法。利用模糊理论和协方差匹配技术对扩展卡尔曼滤波算法中的观测噪声协方差R进行自适应调整,实现定位算法性能的在线改进;同时采用传感器故障诊断与修复算法来监测传感器的工作状态,提高定位算法的鲁棒性。将该方法用于观测噪声统计特性未知情况下的移动机器人定位。实验结果表明,该方法可以有效地降低观测噪声先验信息不确定的影响,提高机器人定位的精度。     

基于噪声缩放的自适应UKF-SLAM算法

针对扩展卡尔曼滤波(EKF)算法在移动机器人同时定位和环境建模(SLAM)中的缺点,即非线性系统简单线性化所导致的系统状态方程的不准确性、雅克比矩阵的计算所导致的计算复杂化以及噪声模型不确定性所导致的滤波稳定性降低等问题,提出一种对噪声自适应的UKF-SLAM算法。该算法通过对噪声缩放进而改变噪声模型,利用观测残差序列准确估计观测噪声模型协方差,运用预测的新息协方差和IAE开窗法求其系统状态噪声缩放因子,从而准确估计系统状态噪声模型协方差,实现对不确定的噪声模型能够自适应UKF-SLAM算法。UKF的Sigma点采样策略是比例对称采样。实验结果证明,该方法相对EKF算法和UKF算法具有较高的定位精度和自适应能力。     

改进曲率驱动模型的敦煌壁画修复算法

针对敦煌壁画裂纹形状复杂、划痕不规则,采用CDD曲率扩散算法修复时易出现假边缘、阶梯效应以及修复时间长的问题,提出一种改进曲率驱动模型的自适应敦煌壁画修复算法.首先对CDD算法中梯度消失问题进行改进,使扩散项更加合理;然后引入自适应控制策略,壁画破损区域曲率不同时能够选择不同的修复模型进行动态自适应控制修复;最后利用光滑函数进行角点扩散修复,达到去噪和保护边缘的目的.对真实敦煌壁画进行数字化修复的实验结果表明,该算法较好地解决了CDD算法的边缘过渡不自然以及修复时间过长的问题,在PSNR和修复时间评价指标上均优于其他对比算法.     

基于两幅模糊与噪声图像的图像交替修复算法

针对一幅模糊图像和一幅噪声图像的图像修复问题,提出了一种结合TV-L~1模型与TV模型的新交替修复算法.该算法首先利用TV-L~1模型对噪声图像进行去噪;然后利用TV模型,把去噪结果作为迭代初始值,对于模糊图像去模糊;最后,把去模糊结果作为迭代初始值,再利用TV-L~1模型对噪声图像进行去噪……,如此交替进行.实验效果表明,该新算法不仅继承了TV-L~1模型与TV模型能保持轮廓和细节的优点,同时也有效地克服了这两种模型会降低对比度和出现"重影"的缺点.     

过程检测控制系统中的自适应噪声抵消法

文中分析了经典LMS噪声抵消法的局限性,讨论了过程检测系统信号和噪声的一般模型,并针对强噪声情况,提出了一种可行的噪声抵消法——基于建立相关模型的方法,该方法是利用自适应横向滤波算法。     

基于稀疏结构噪声检测的指静脉图像去噪算法

针对携带污染噪声的指静脉图像中背景区域、静脉区域和噪声区域的稀疏特性,提出一种改进的指静脉图像去噪算法。利用指静脉稀疏结构特性建立鲁棒主成分分析（RPCA）模型,通过交替方向乘子法求解RPCA模型获得含稀疏目标的前景图像并对其进行阈值分割以提取噪声分布图,同时根据提取结果建立修复优先度规则和自适应选择性滤波模板,实现指静脉图像的去噪处理。实验结果表明,与自适应非局部均值去噪算法和基于分数阶微分梯度噪声检测的去噪算法相比,在零误识情况下该算法处理后的带噪指静脉图像拒识率平均降低5.95%和3.64%,有效提升了带噪指静脉图像的识别性能。     

基于IMM-UKF的组合导航算法

为解决非线性动态系统滤波的非线性和噪声不确定等问题,设计了一种基于交互多模型(IMM)的Unscented卡尔曼滤波器(UKF),针对噪声变化情况建立一组非线性模型,与每个模型对应的UKF可以达到二阶以上的滤波精度.IMM-UKF滤波器的输出为各滤波器的概率加权融合,因此,根据噪声变化而调整的模型概率使系统输出对噪声变化具有自适应能力.利用该算法对组合导航系统进行了仿真试验,该算法精度高,模型切换速度快,能适用于动态系统.     

未知噪声统计下多模型概率假设密度粒子滤波算法

针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.

     

变步长比例归一化子带自适应滤波算法研究

针对欠定模型条件下定步长比例归一化子带自适应滤波(PNSAF)算法收敛速度和稳态误差之间的矛盾,提出了一种变步长VSS-PNSAF算法。该算法将系统干扰噪声和欠定模型噪声对系统性能的影响考虑进滤波器系数更新过程中,利用后验误差对其进行补偿,根据先验误差与后验误差之间的联系,导出了一种适用于比例归一化子带自适应滤波算法的步长调节方法。该算法综合了子带自适应滤波、比例自适应算法及变步长方法的优点。仿真结果表明:与定步长比例归一化子带自适应滤波算法相比,所提算法具有更低的稳态误差和更快的收敛速度。     

抗差自适应Sage滤波及其在组合导航中的应用

针对卡尔曼滤波需要精确已知状态数学模型及其统计特性的问题,提出一种抗差自适应Sage滤波算法.该方法以Sage滤波为基本框架,吸收了抗差估计和自适应滤波的优点,利用Sage滤波开窗法求得观测残差向量和新息(预测残差)向量的协方差阵,由抗差估计方法确定观测噪声协方差矩阵,利用自适应因子调整动力学模型噪声协方差矩阵,以控制观测异常和动力学模型噪声对导航精度的影响.将提出的算法应用到捷联惯性导航(SINS)/合成孔径雷达(SAR)组合导航系统中,并与Kalman滤波和Sage滤波进行比较分析,仿真结果表明,提出的新算法不但能有效地控制观测异常和动态模型异常对状态参数估值的影响,而且能够抵制状态扰动,提高组合导航系统的滤波精度.     

基于互相关模糊长度估计的图像复原

为提高含噪运动图像的复原质量,提出一种基于互相关原理的运动模糊长度估计算法。根据图像的Radon变换得到运动模糊角度,提取模糊中心各模糊路径上的像素灰度值,通过互相关计算确定模糊长度,采用Lucy-Richardson迭代算法对观测图像进行复原。实验结果表明,该算法的抗噪性较好,迭代收敛速度较快。     

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题.基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法.在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像.实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊.     

基于Z变换及模糊加权均值滤波的匀速运动模糊图像恢复

针对相对匀速运动造成的图像模糊问题,假设目标在像平面内并行于X轴方向作匀速运动;在较严格数学推导下建立基于Z变换的退化及恢复模型,将差分方程转化为简单的代数方程求解;针对算法容易造成噪声积累使复原图像质量下降的问题,在算法中加入模糊加权均值滤波算子,并给出了完整的算法实现。仿真结果表明,提出的恢复算法在提高模糊图像恢复速度的同时,能有效地抑制噪声、防止噪声的不断扩散,使复原图像的质量得到明显的改善,算法对模糊宽度的变化不敏感,较维纳滤波恢复算法有一定的稳健性及优越性。     

非零边界旋转运动模糊图像的恢复算法

具有非零灰度边界的旋转运动模糊图像的恢复是图像处理的一个热点研究问题。为了在离散情况下能够沿模糊路径上快速提取像素的灰度信息，将Bresenham算法思想引入到旋转运动模糊图像的恢复工作中，并在此基础上，提出了一种基于模糊路径频域滤波去卷积的恢复算法，同时，为了有效地恢复非零边界区的图像信息，又提出了一种基于邻域知识引导的最小代价恢复算法。这样就可将非零边界旋转运动模糊图像的恢复过程分为两个阶段，即先后用该两个恢复算法分别进行处理，由于使整个恢复过程避开了迭代计算和一些复杂的费时运算，从而加快了恢复速度。为验证该算法的效果，在微机上，对该恢复算法与现有的算法进行了对比实验和一系列的验证实验，实验结果表明，该算法十分有效，且具有一定的抗噪能力。     

Convolutional neural network-based restoration method of basketball contour image

Basketball image restoration is the process of taking damaged / noise images and predicting clean, original images. The vulnerability can take many forms such as motion blur, noise and camera misfocusing. Image Reconstruction Performed by this imaging point source, which is activated by converting blurred image, the so-called point diffusion function (including line) using the dot source image to recover the lost blurring process image information. The traditional outline tracking algorithm for basketball shooting dynamic hand image is vague, has poor stability and takes a long time. Recurrence nest tracking algorithm based on the dynamic boundary. The motion that the camera arm monitors are used to determine the target of the curve. The effective stiffness matrix is ​​obtained by initial calculation, as well as by using the characteristic curve recurrence calculation. The system image will then be applied to the dynamic boundary, where the energy is reduced to the target boundary. The purpose of basketball image restoration technology is to reduce noise and restore image processing technology's resolution loss in one of the image domain or frequency domains. Image restoration for basketball is performed on the frequency field except for the most direct previous art. It is computed by Fourier image and PSF, and the presence of convolution transforms the resolution loss caused by the blur factor. The probability sample is representing the entire population of sub-normal distribution with a Gaussian mixture model. The hybrid system, under normal conditions, which belongs to a subset of the data point seems obvious that this is a graded without learning is a subfield     

混合特性正则化约束的运动模糊盲复原

目的 为了提高运动模糊图像盲复原清晰度,提出一种混合特性正则化约束的运动模糊盲复原算法。方法 首先利用基于局部加权全变差的结构提取算法提取显著边缘,降低了噪声对边缘提取的影响。然后改进模糊核模型的平滑与保真正则项,在保证精确估计的同时,增强了模糊核的抗噪性能。最后改进梯度拟合策略,并加入保边正则项,使图像梯度更加符合重尾分布特性,且保证了边缘细节。结果 本文通过两组实验验证改进模型与所提算法的优越性。实验1以模拟运动模糊图像作为实验对象,通过对比分析5种组合步骤算法的复原效果,验证了本文改进模糊核模型与改进复原图像模型的鲁棒性较强。实验结果表明,本文改进模型复原图像的边缘细节更加清晰自然,评价指标明显提升。实验2以小型无人机真实运动模糊图像为实验对象,通过与传统算法进行对比,对比分析了所提算法的鲁棒性与实用性。实验结果表明,本文算法复原图像的标准差提升约11.4%,平均梯度提升约30.1%,信息熵提升约2.2%,且具有较好的主观视觉效果。结论 针对运动模糊图像盲复原,通过理论分析和实验验证,说明了本文改进模型的优越性,所提算法的复原效果较好。     

Restoration of images degraded by motion blur and noise

This paper considers the restoration of images degraded by a motion blur in the presence of noise. Based on a two-dimensional separable autoregressive image model, a one-dimensional horizontally causal vector state space model with multiple delays is derived. By the discrete sine transform, the one-dimensional vector state space model is decomposed into a set of nearly uncorrelated scalar subsystems, to which the Kalman filter is applied to obtain an approximate recursive computationally efficient restoration algorithm for motion degraded images. The same technique is also applied to a semicausal minimum variance image model in order to derive a related recursive restoration algorithm. The computational efficiency is accomplished by the discrete sine transform and the transform data compression technique. Numerical results are presented to show the applicability of the algorithms developed. Finally, the possible extension of the present method to the case of general blur is suggested.     

强噪声彩色图像空域恢复方法

为了解决基于RGB颜色模型的强噪声彩色图像空域恢复方法的丢失细节问题,依据分解彩色图像得到的三个分量在相关处理后可合成为彩色图像的理论,采用图像的基于像素点的空域处理理论,研究了受强噪声污染的彩色图像的点处理恢复方法。设计了基于RGB颜色模型的彩色图像分量的点处理恢复算法,给出了根据噪声强度调用该算法依次恢复R分量、G分量和B分量的过程。实验结果表明,与经典的空域滤波器比较,基于像素点的空域处理具有保持图像细节的优点,适用于解决基于RGB颜色模型的强噪声彩色图像的恢复问题。     

无人机侦察图像运动模糊复原方法研究

无人机具有体积小、使用方便以及战场生存能力较强等优点,在军事领域中应用越来越广泛。无人机进行情报侦察时,成像设备与拍摄物之间存在相对运动,使得拍摄到的图像出现模糊,严重影响后期的情报处理,因此如何提高模糊图片的质量成为无人机情报处理中的重要课题。介绍了在无人机侦察这一背景下图像运动模糊的降质机理及成像特点,对运动模糊复原领域中图像非盲复原与盲复原两类方法进行研究,从算法原理和实际应用两方面对每种算法的优缺点进行了总结。最后对无人机侦察图像运动模糊复原算法的发展趋势做出展望,实时性、适用性与智能性将成为算法的主流发展方向。     

一种基于模糊函数的自适应平滑约束图像复原算法

为了在抑制噪声的同时保护图像的细节,提出了一种基于模糊函数的自适应平滑约束图像复原算法。该算法首先用模糊函数对图像局部区域内线元素的数量和方向进行评价,然后根据评价结果使用不同的高通滤波器构造平滑约束条件,同时使平滑约束条件随着图像复原的迭代过程不断更新,以便自适应地在图像平坦区域抑制噪声,而在存在物体边界的区域则保护细节信息。对比实验表明,此方法具有更高的收敛速度,更好的客观评价指标和主观视觉效果。