基于引导图像的边缘噪声滤波算法

由于通常的邻域运算会改变图像边缘点的灰度值,使图像的边缘变得模糊,为了改善这一现象,提出了一种基于引导图像的边缘噪声滤波算法。该算法由局部线性模型推导而来,将原始图像或其他变换形式定义为引导图像。通过对引导图像进行分析,并调节正则化参数,利用引导图像掩模对图像的边缘进行平滑处理,有效地去除了噪声。通过与其他四种常用的滤波算法进行对比实验,表明该算法的均方误差MSE仅为0.0015,峰值信噪比PSNR为28.26,远远优于其他四种常见滤波算法,不仅对图像进行了平滑去噪,在很大程度上还保护了图像的边缘信息。     

一种引导滤波自适应双阈值优化边缘检测算法

边缘检测是图像处理的重要环节之一,传统的边缘检测主要包含基于模板匹配和基于图像梯度两类方法。为了克服模板匹配方法边缘信息丢失较多和图像梯度方法易受图像噪声影响的缺点,该文给出了一种引导滤波自适应双阈值并改进Kirsch算子的优化边缘检测算法。针对图像局部信息特征,在图像的不同边缘位置动态生成引导滤波函数,从而保持和增强边缘的效果;同时对Kirsch算子复杂的运算量进行简化,根据图像边缘区域自适应地选择两个阈值,二者有效结合可大幅提高边缘检测算法的准确度和运算效率。实验结果表明,与传统边缘检测Kirsch算法和Sobel算法相比,该文算法的边缘定位和运算速度较优,能检测出精细的真实边缘,对图像的处理速度是传统算法的4倍以上。     

基于自适应引导滤波的全景图像增强算法研究

虚拟实景漫游系统中的全景图像细节比较多,因天气、拍摄技术等原因导致图像场景不清晰而需要增强,增强的目的是为了突出全景图像的美景细节信息,提高场景视觉效果。为了增强全景图像的场景细节,本文提出了自适应引导滤波算法AGIF（Adaptive Guided Image Filter）。该算法利用具有较强细节提取能力的加权最小二乘滤波器WLS （the Weighted Least Squares）构建引导图像,对已有的引导滤波GIF（Guided Image Filter）进行改进,通过引入梯度值偏移量进行像素值自适应,突出全景图的图像边缘,使得全景图像的细节进一步增强。实践表明,增强后的全景图用于虚拟漫游系统,提高了旅游场景的用户体验。     

基于边缘方向改进的自适应窗口Lee滤波算法

为克服自适应窗口Lee滤波算法对图像边缘方向不敏感的弊端,提出了一种改进方法。其基本思路是先对图像纹理区进行分类,然后在方向上使用改进的四向模板获取方向窗口,分别对不同的方向使用不同的窗口增长方式对图像进行滤波。实验表明,改进后的算法相比传统算法在有效去除噪点的同时保存了大量的边缘与细节信息。     

基于区域增长的自适应窗口立体匹配算法

针对基于区域的立体匹配算法支持窗口难以选择的问题, 提出一种新的自适应窗口区域立体匹配算法. 该区域增长的方法可以动态地获得形状和大小均具有自适应特性的支持窗口, 并通过区域视差范围估计、核心窗口视差近似、动态搜索步距调整等方法使算法得到改进. 研究结果表明: 该算法对于视差不连续和遮挡区域都有着良好的适应性;采用该算法获得的视差图像的准确度高达95%, 且计算时间缩短到5 s以内.     

基于边缘和像素类型标记的立体匹配算法

提出一种基于边缘图像特征和像素类型标记的立体匹配算法,利用边缘信息及视差在边缘和非边缘区域的分布特征,指导有效初始视差在扫描线方向的传递。并且根据标记值对部分不可靠的像素点进行反向赋值和边缘内中值滤波处理,达到视差精化目的。实验证明这种方法对于整体视差范围不太大的远距离图像,能够获得较为精确的稠密视差图。     

基于控制点约束及区域相关的立体匹配算法

立体匹配是计算机视觉的关键问题.为了得到准确匹配的稠密视差图,通过对基于特征和基于区域立体匹配算法的讨论,结合这两种算法的优点,提出一种新的基于控制点及区域相关的立体匹配算法.该方法首先在利用Harris角点检测算法检测出角点的基础上,对角点进行立体匹配得到精确的匹配点对即控制点,然后在控制点的约束下对非角点像素进行基于区域相关的立体匹配,得到整体稠密的视差图.这样既缩小了匹配搜索空间,又保证了匹配的可靠性.     

基于全相位算法的自适应滤波算法

为减小实时信号的自适应处理时间,改善系统性能,在全相位数据空间概念的基础上,提出一种全相位自适应信号处理方法,并通过仿真对该算法在不同原始信号、不同噪声干扰的情况下进行了性能分析．在对该算法和经典的自适应算法在不同原始信号、不同噪声干扰的情况下进行了性能对比之后,提出了该算法的改进方案来改进输入信噪比小于0时的性能．结果表明,改进方案的输出误差性能达到甚至优于理想状态下的经典自适应算法, 从而验证了该算法及其改进方案的可行性和优越性．     

基于和声搜索的自适应滤波算法

针对子空间辨识方法,从状态空间模型向I/O差分方程转化的取向,使有关矩阵的维数增加,计算复杂度增大的问题,提出了用和声搜索算法辨识CARMA(Controlled Auto-Regressive Moving Average)模型子阶、时滞和参数的方案.该方案基于所提出的输入输出模型转化为状态空间模型的定理,使相应的状态空间模型在CARMA模型辨识之后也被辨识.以油井热洗为例,进行了自适应滤波估计.估计结果表明:该算法有较高的滤波和预报的精度,滤波和一步预报的误差方差的最大值在0.01以内,与子空间辨识方案相比,本方案的计算量约为前者的五分之一.     

基于HEVC的自适应插值滤波算法

为进一步提高自适应分像素插值算法的视频图像质量,降低计算复杂度,提出一种基于HEVC(high efficiency video coding)的自适应插值滤波算法.该算法首先在新一代视频编码标准H.265/HEVC框架下进行编码,以提高视频编码效率;其次通过滤波器系数对称优化,降低码流所需滤波器系数和解码计算的复杂度.复杂度分析结果表明,与其他算法相比,该算法乘法复杂度最高降低229%,加法复杂度最高降低245%.仿真结果表明,与其他算法相比,该算法对不同分辨率视频序列均具有较好的编码性能及鲁棒性.     

基于满意滤波的自适应阈值算法

针对发动机小偏离线性系统模型,建立模型参数摄动的伪正态分布"软边界"概率模型。从诊断决策的阈值计算着手,基于满意滤波原理,通过引入信号的2-范数和相应传递函数的∞-范数,利用线性矩阵不等式法(LMI),求解最优的残差上界。最终结合目标虚警率,并通过残差分布的概率模型确定阈值。仿真结果表明:这种阈值具有一定的自适应能力,能够增强发动机数控系统(FADEC)故障诊断系统诊断决策的鲁棒性。同时保证了故障检测的准确率。     

基于边缘检测的高斯噪声滤波算法

针对传统去噪方法在滤除高斯噪声时导致图像边缘细节模糊的情况,提出一种基于边缘检测的去噪算法。先用Canny算子检测图像边缘,对边缘部分用K近邻平滑滤波器去噪,再对非边缘区域像素用改进的加权均值滤波器去噪。该算法具有较好的边界保持效果,与同类去噪算法相比具有更高的峰值信噪比。     

基于SIFT描述子的自适应聚合权重立体匹配算法

针对传统局部立体匹配算法在深度不连续区域和低纹理区域匹配精度不高的问题,提出了一种基于SIFT描述子的自适应聚合权重立体匹配算法.算法首先采用梯度域的幅值和相位获取初始匹配代价;然后利用相似性区域判决准则获得各个中心点的自适应矩形聚合窗口,并利用各点SIFT描述子的L1范数进行自适应聚合权重计算.仿真实验结果表明,该算法能够有效地提高低纹理区域和深度不连续区域的立体匹配精度,获得较高精度的视差图.     

自适应滤波算法综述

基于二阶统计量即相关函数的自适应滤波算法在自适应信号处理中有着 广泛的应用，本文就国内外对这些算法的研究进行了综述。     

基于约束的自适应QoE算法设计

针对任务请求和服务器节点之间进行数值计算存在较大的时延代价问题,构思一种以任务转发频率为约束,全面评估系统可用开销资源的客户体验(QoE)算法。算法以任务交互时延为控制目标,通过设计多个评估参数从整个系统中筛选出具有足够响应能力的节点为终端用户提请的任务计算请求提供解决方案。同时兼顾到任务请求的随机突发特征引发系统节点载荷度失衡,进而导致任务计算迟缓的问题,算法设计了可用资源集合用于动态遍历可用的响应节点。数据统计表明,QoE算法不仅具备全局优化性,也具有良好的自适应能力。     

基于峰度系数方差的加权自适应引导滤波

针对传统局部窗口方差提取有噪图像边缘困难的问题,本文介绍了峰度系数方差准确感知有噪图像边缘,并基于此提出一种加权自适应引导滤波器.自适应调节引导滤波中固定正则化系数,解决边缘模糊、边缘光晕的问题;基于像素的多邻域窗口边缘权重,实现聚合加权滤波,进一步抑制边缘模糊.实验结果表明:本文方法在不同噪声级别下,PSNR、SSIM均值提升率分别大于65%、78%;滤波结果图像在噪声平滑和边缘保持两方面均有更好性能.      

基于置信区间的自适应加权均值滤波算法

为了改善图像滤波的效果,提出1种基于置信区间的自适应加权均值滤波算法。根据高斯噪声的特点以及其对原图像的影响,仅对滤波窗口中处于置信区间的像素求加权均值。同时考虑了灰度相关性与距离相关性,将灰度测度因子和距离测度因子进行线性加权求和,得出加权系数。最后对加权均值滤波后的图像进行折中的灰度均衡化。实验结果证明,相对于标准均值滤波(SMF)算法和自适应均值滤波(AMF)算法,该文算法的滤波图像更加清晰,很好地恢复了原图像,同时保留了图像的边缘和细节;该文算法对应的归一化均方误差明显低于SMF算法和AMF算法。     

基于自适应选择滤波系数的插值算法

针对不同分辨率的视频序列采用相同阶数滤波器进行分像素插值不能进一步提高编码性能的问题, 提出 了基于自适应滤波器的分像素插值算法。 该算法根据设定的 3 个不同分辨率视频序列区域, 自适应选择不同 阶数的插值滤波器; 在 3 个不同分辨率视频序列区域内, 根据像素间相关性将高阶插值滤波器替换为低阶插值 滤波器, 实现滤波器的自适应选择。 实验结果表明, 相对于 HEVC(High Efficiency Video Coding)标准算法, 该 算法使峰值信噪比值平均提高了 0. 14 dB, 比特率平均降低了 0. 37%, 对不同分辨率视频序列都具有较好的编 码性能及鲁棒性。     

基于LMS算法的自适应滤波方法研究

自适应滤波器为一个未知系统的建模提供了一种简单,实用的方法。可以在不知道系统的理论模型的条件下,通过测量和学习,实现对未知系统的最佳拟和。本文简要介绍了自适应滤波在信号处理系统建模中的应用,着重讨论了IIR递推结构自适应滤波器的LMS算法。在此理论基础上阐述了一种改进的LMS算法。新算法利用误差信号的相关值调节算法步长,解决了收敛时间和稳态误差的矛盾,并且不受已经存在的不相关噪声的干扰。     

基于粗神经网络的并行自适应滤波算法

讨论了机动目标跟踪问题，针对机动目标并行自适应滤波特点，结合粗神经网络特有的同一神经元可以双输入的特点，利用全状态反馈，提出了基于“当前”统计模型的粗神经网络并行自适应滤波算法，仿真表明该算法对机动目标具有较强的跟踪能力。