基于自相关函数的自然纹理图像分形维数的估计

提出了一种估计分形维数的新方法,并利用该方法估计自然纹理图像的分形维数.分形维数是描述图像粗糙程度的主要参数.将分数布朗运动推广到离散情况,研究离散高斯噪声的自相关函数的性质.根据自相关函数的性质,获得估计分形维数的自相关函数方法.合成分形图像和自然纹理图像被用来检验该方法的准确性,并与计盒方法进行了比较,结果显示自相关法是准确的和有效的.      

基于模糊和最小二乘的SAR图像线特征提取

针对合成孔径雷达(SAR, Synthetic Aperture Radar)图像的特点,提出一种线特征提取算法.该算法首先抑制相干斑噪声,然后对SAR图像进行模糊变换和增强,再基于假设的SAR图像灰度模型,用最小二乘法设计出低通和高通滤波器,最后检测出线特征散点,并进行连接,得到SAR图像的线特征图.实验证明本算法抗噪声干扰,边缘定位精度达到1个像素.     

基于自适应判决反馈均衡器的盲图像复原算法

自适应判决反馈均衡器(ADFE,Adaptive Decision Feedback Equalizer)是横向均衡器的改进型式,它用判决输出信号组成一个延迟线,用一部分抽头系数加权求和后送回输出端求和,可有效地抵消码间干扰.由于退化图像可以看作是像素点之间的干扰,该方法被引入到二维退化图像盲复原中,算法中采用了Lee滤波器去除噪声,由于反馈滤波器的引入,允许前馈滤波器的系数选择上有更大的自由度,并不需要是退化模型的倒数,可以避免噪声的过分放大;另外在判决器的设计中采用了阈值分割方法确定图像的支撑域.实验证明,该算法具有很强的抗噪声干扰能力,是一种有效的盲图像复原方法.      

一种小天体旋转参数估计方法

小天体旋转参数是科学数据，也是小天体测绘，着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型，表示小天体在相机坐标系中的姿态变化；然后定义小天体旋转的状态方程，推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪，利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中，在仿真相机与小天体相机100 km距离上，分析了相机坐标系小天体坐标系之间的四元数初值，图像上特征点跟踪精度，相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明，提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.     

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.     

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

一种基于核回归的改进型图像去噪方法

为了消除图像处理中的噪声,同时尽可能地保留图像细节,提出了一种基于核回归的图像去噪算法。该方法的基本思想是在经典方法以像素位置决定权值的基础上,引入像素灰度值。即核函数在计算权值时考虑两个因素:空间距离和灰度距离。通过计算控制核来做到自适应,最后引入一个迭代过程。实验结果表明该算法能够在滤除图像中的高频噪声的同时尽可能保留了图像的细节特征,获得了较为理想的去噪效果。     

基于模板匹配整帧屏幕视频帧内无损编码方法

当前主流的视频压缩标准,如H.264、HEVC等,主要是针对摄像机拍摄的视频而设计的.而屏幕内容(SC)的视频是由计算机生成的,无噪声,要求更高的压缩效率,同时与摄像机拍摄的视频相比包含更多的结构相似性.提出了一种利用屏幕视频中相似性的模板匹配帧内编码方法,采用由21个像素点组成的模板,以像素点为最小单位对整帧进行模板匹配,并使用哈希函数实现高效的模板查找,最后对残差图像进行熵编码.实验结果显示,与标准的HEVC扩展方法相比,该方法在无损编码上压缩率可以提高一倍,编码时间减小了近一半.      

基于预测滤波的捷联惯导任意双位置对准方法

针对捷联惯性导航系统(SINS,Strapdown Inertial Navigation System)在大失准角情况下的初始对准问题,建立基于加性四元数误差模型的非线性滤波方程,并提出一种基于模型预测滤波(MPF, Model Predictive Filter)与扩展卡尔曼滤波(EKF, Extended Kalman Filter)相结合的地面任意双位置初始对准方法.该方法将部分惯性器件误差作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,并克服了将模型误差假设为高斯白噪声的局限性.半物理仿真结果表明,该方法有效提高了SINS姿态误差角的估计精度,而且也降低了系统状态变量的维数,提高了对准解算的实时性.      

基于Unscented四元数粒子滤波的 微小卫星姿态估计

针对基于微小卫星姿态确定系统精度低和噪声存在非高斯分布的情况,研究了适用于该定姿系统的Unscented粒子滤波(UPF,Unscented Particle Filter)算法.UPF方法结合了Unscented卡尔曼滤波(UKF,Unscented Kalman Filter) 与粒子滤波(PF,Particle Filter)的特点,用UKF得到PF的重要采样函数,从而克服了PF没有考虑最新量测信息、 扩展卡尔曼滤波(EKF,Extended Kalman Filter)和UKF只能应用到噪声为高斯分布的不足.以MEMS(Micro Electronic Mechanical System)陀螺和CMOS APS(Complementary Metal Oxide Semiconductor Active Pixel Sensors)星敏感器为姿态敏感器件,将UPF与基于误差四元数的卫星姿态运动学方程结合,构建了UPF定姿滤波器,并用MEMS陀螺采集的随机噪声数据进行了半物理仿真,对其特性进行了分析与比较.仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法在计算粒子数目相对于PF较少的情况下,可以取得比UKF更好的滤波精度,从而有效地提高了定姿性能.      

四元数UKF超紧密组合导航滤波方法

针对GPS/SINS(Global Positioning System/Strapdown Inertial Navigation Sys-tem)超紧密组合导航系统线性化滤波在高动态、弱GPS信号等环境下性能下降严重的问题,提出了一种以四元数UKF(Unscented Kalman Filter)为基础的GPS/SINS超紧密组合导航系统非线性滤波方法.通过分析GPS与SINS在超紧密组合导航系统中的关系,提出了一种利用SINS信息来估计、修正GPS载波信号的方法,在此基础上建立了组合导航滤波的状态方程和量测方程;以四元数乘性误差模型为基础,提出了一种可应用于UKF滤波的求解四元数加权均值的方法;提出了基于四元数UKF的GPS/SINS超紧密组合导航滤波方法.仿真实验表明:在高动态环境下,四元数UKF滤波方法增强了GPS/SINS超紧密组合导航系统的定位精度和抗干扰能力.     

基于递推自适应权重的快速稠密立体匹配

针对经典自适应权重稠密立体匹配算法计算量大的问题,提出了一种递推自适应权重算法.重新定义相邻像素的权重为距离衰减因子和色彩差异函数的乘积,不相邻像素权重为相邻像素权重的累乘,色彩差异越小、距离越近的像素权重越大;证明了在新的权重定义下,一维空间的匹配代价融合可以通过两次递推完成,真实图像的匹配代价融合可以通过4次递推完成,同时给出相应递推公式;递推匹配代价融合时每个像素每一视差只做4次乘法和8次加法,计算量比窗口大小为35×35的经典自适应权重算法小约两个数量级;基于递推匹配代价融合实现了一种快速稠密立体匹配算法.使用Middlebury大学的测评集测试该算法,证明了递推自适应权重算法的速度和精度均优于经典自适应权重算法.     

汽车动态称重中的一种信号处理方法

为了提高汽车动态称重(WIM, Weigh-In-Motion)系统的称重精度,基于"逆模型"的思想,使用了自适应逆滤波器来充分抑制混叠在重量信号频带内的噪声信号.在有限长冲激响应滤波器的框架下,通过最小均方自适应算法,离线构建了WIM系统的逆系统,并用此逆系统作为一个新型的滤波器使用.而且,为了进一步提高称重精度,同时又采用了低通滤波器,来滤除分布在重量信号频带以外的噪声干扰.经过由自适应逆滤波器和低通滤波器构成的复合滤波器处理后, 称重结果较经参数估计方法处理后得到的结果,在称重精度上有了很大提高.      

基于小波域的图像椒盐噪声密度估计

提出一种基于小波域的椒盐噪声密度估计方法.利用图像信号在小波域的系数具有稳定近似的分布,以及噪声对小波系数影响的特点,定量地分析了含噪图像的系数幅值直方图与原始图像的系数幅值直方图之间的偏离程度随噪声密度的变化规律,揭示这种变化关系对图像具有强的鲁棒性,从而利用这种关系对噪声进行估计.仿真结果表明,相对于目前方法,提出算法性能更佳,能够获得更准确的估计值和更小的估计偏差.