基于模糊理论的图像边缘检测算法研究与实现

针对模糊边缘检测算法迭代次数过多、计算量过大、实时性不好等缺陷,提出一种快速改进图像边缘检测算法,包括定义隶属函数、模糊增强处理、模糊平滑及模糊边缘检测,通过实验,改进算法速度快,性能好,效率高。     

基于散射滤波的改进分水岭算法

分水岭变换是数学形态学中用于图像分割的一种经典方法,但由于噪声及微小区域的影响会使其产生严重的过分割现象.针对这一问题,引入了一种多尺度的方法--各向异性散射滤波.这种方法能够在保持区域之间分界线不受影响的同时,平滑区域内部的细节部分.实验结果表明,它作为图像的预处理方法,可以有效地简化图像,从而有效地抑制分水岭的过分割现象.     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果。算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM-IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10%和23%。     

多帧PML规整化湍流退化图像复原算法

从湍流退化图像中有效地恢复出原目标图像,是空间目标成像观测亟待解决的问题。为解决强模糊实际观测湍流退化图像的复原问题,本文提出了多帧PML规整化图像复原算法。该算法主要利用非线性规整化项在点扩散函数和目标图像的估计过程中进行平滑。为验证算法的有效性,针对强噪声退化图像进行了恢复实验,实验结果证明,该算法对于强噪声湍流退化图像的复原是非常有效的。     

基于多方向多尺度的强噪声图像边缘检测算法

在噪声图像中如何有效地提取边缘是图像分析中的难点,至今还没有得到圆满解决。本文在修正的广义形态边缘检测算子的基础上,提出了基于多方向多尺度的强噪声图像边缘检测算法。该算法既能检测出具有方向性的边缘,还能有效抑制无方向性的噪声。为验证算法的有效性,针对强噪声图像进行了边缘获取实验,实验结果证明,该算法对获取强噪声的图像边缘是非常有效的。     

基于提升小波和形态学的图像边缘检测算法

基于提升小波变换和形态学的基本理论,提出了一种提升小波和形态学相结合的图像边缘检测算法,算法充分利用了提升小波变换相对于传统小波变换快速而有效的完成小波分解和重构的算法优势。形态学运算在图像处理中具有独特的优势,利用其对图像膨胀和腐蚀的差运算来获取图像的边缘,取得了很好的效果。实验结果表明,算法边缘定位准确,抗噪能力强,检测出的图像边缘连续、平滑,是一种有效的边缘检测方法。     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响,对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点,提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合,并且对小波包系数运用一种新的阈值去噪方法。实验结果表明,该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。     

噪声检测自适应窗口滤波算法

脉冲噪声的存在,从视觉上影响图像的质量。为了去除图像中的脉冲噪声,提出了利用相似邻居数对图像中的噪声像素进行标记并建立相应矩阵,接着根据噪声的污染程度自适应的选择滤波窗口,最后对噪声像素进行自适应均值滤波去除图像中的脉冲噪声。实验结果表明,算法能有效降低图像中的脉冲噪声,对图像的边缘与细节保持较好。     

基于Canny的改进图像边缘检测算法

边缘检测是图像处理领域中最重要的关键技术之一。针对经典边缘检测算法抗椒盐噪声性能较差及阈值选取适应性不强等问题,提出了一种基于Canny的算法架构,结合自适应中值滤波(Adaptive Median Filtering,AMF）、大津法(Otsu）以及最大熵法(Maximum Entropy Method,MEM）的改进图像边缘检测算法。该算法首先结合改进自适应中值滤波对图像降噪,从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用基于Otsu和MEM提出的改进双阈值选取方法,获取自适应的高低阈值对图像边缘进行检测,边缘检测准确度可以达到96%以上。实验结果表明,本文算法在椒盐噪声干扰下针对背景复杂的图像有更好的边缘检测效果。     

一种基于Curvelet变换的红外图像去噪方法

针对红外图像中目标与背景的对比度差、边缘模糊、纹理信息缺失等特点,提出了一种基于Curvelet变换的红外图像去噪方法。算法原理简单,易于实现,具有较高的实时性。试验结果表明,算法能够有效去除红外图像中的噪声和杂波。     

A Novel Speckle Filter for SAR Images Based on Informationtheoretic Heterogeneity Measurements

Most adaptive speckle filters are based on the local coefficient of variation, which serves to measure the heterogeneity of synthetic aperture radar (SAR) images. However, the sensitivity of the measurements to speckle and noise of SAR images would greatly deteriorate the speckle reduction. This article, based upon the information theory, presents a novel parameter for the heterogeneity measurement as a general index to quantitate the SAR image heterogeneity. Further, as a new speckle reduction algorithm based on the aforesaid quantitative heterogeneity measurements, it puts forward a heterogeneity-based speckle reduction filter (HBSRF), which uses the information-theoretic heterogeneity measurements as a criterion to classify the SAR images as belonging to homogeneous or heterogeneous regions. Then the finite iteration procedure and edge detection algorithms are adopted to strike the best balance between speckle reduction and edge preservation. The results from the computer simulation have demonstrated that the proposed effective method is superior to the conventional speckle filters based on the local coefficient of variation both in textural preservation and speckle reduction.     

保持弱细结构特征的SAR图象模拟退火重构方法

模拟退火 ( SA)算法最先由 White R G.用于合成孔径雷达 ( SAR)图象的降斑处理。该算法在重构均匀区域和强结构区效果有很大提高 ,但也有缺点 ,尤其是过分模糊弱细结构。本文提出了一种改进的方法 ,在 SA算法中融入了边沿检测和增强步骤 ,使弱细结构得以增强并在退火过程中保持。为配合此方法 ,采用平稳下降的指数温度规划取代对数形式。通过仔细调整算法过程 ,可使新方法保留 SAR图象中的很多细小结构 ,而不使其他均匀的和强结构场景性能恶化 ,同时也没有引入其他缺陷。改进的算法更加适于中、低分辨率的 SAR图象降斑处理     

Analysis of CFAR performance in Weibull clutter

Recent interest has focused on order statistic-based (OS-based) algorithms for calculating radar detection thresholds. Previous analyses of these algorithms are extended, to determine closed-form approximations for the signal-to-clutter ratio required to achieve a particular probability of detection in clutter environments whose amplitude statistics are modeled by the Weibull distribution, and where the clutter dominates receiver noise. Performance is evaluated in both homogeneous and inhomogenous clutter. The analysis shows that the OS-based algorithm is quite robust against both interference and clutter edges. A method is suggested for improving performance at clutter inhomogeneities for short-range targets     

Identification of a discrete-time dynamical system

A novel generalized minimum variance (GMV) system identification algorithm is developed, and its performance is gauged against the established generalized least squares (GLS) estimation algorithm. The emphasis of the proposed GMV algorithm is on the rigorous treatment of measurement noise for dynamical system identification. A careful analysis of the measurement situation on hand yields a novel fixed-point calculation-based parameter estimation algorithm. The novel and established algorithms are compared in carefully performed and reproducible experiments which include measurement noise. Differences are apparent under small (measurement) sample operation, whereas under sufficient excitation, the algorithms produce statistically similar results     

基于冗余伪观测的自适应滤波算法

现有的二阶互差分(SOMD)算法能够给出与状态估计误差解耦的观测噪声协方差估计，但是需要满足冗余测量的条件，但这一条件往往难以满足。 针对这一问题，提出了一种利用状态预测值构造相邻2个时刻伪观测的方法，将原SOMD算法扩展到具有单测量的系统中。使用目标跟踪问题对该算法的有效性进行验证。仿真结果表明，当采样周期较小时，该算法能够忽略状态估计误差的影响并给出较准确的观测噪声方差，在精度和鲁棒性方面优于其他参考算法。     

基于MAP估计和广义高斯分布的SAR图像边缘比率检测方法

 合成孔径雷达(SAR)图像的低信噪比和乘性相干斑噪声给SAR图像的边缘检测带来了极大的困难.通过引入广义高斯(GG)分布作为局部均值功率的先验分布模型,给出了局部均值功率在最大后验概率(MAP)意义下的最优估计,进而提出一种新的SAR图像边缘比率检测算子.利用以梅林变换为基础的对数累积量(MoLC)方法估计GG分布的参数,在此基础上给出一种局部均值功率MAP估计和GG分布参数估计的联合迭代求解方法.利用SAR实测数据对本文提出的边缘检测算子进行仿真验证,并将其与平均比率(RoA)算子和指数加权均值比(ROEWA)算子进行了对比,结果表明该算子可以有效克服相干斑噪声的影响,边缘定位准确且虚假边缘明显减少.     

An intelligent algorithm for coherent sound source localization based on a strong tracking filter

Background noise is inevitable when sensor arrays are used for aeroacoustic measurements in wind tunnels. The direct removal of background noise, however, would affect the measurement accuracy. In particular, the existing array signal processing algorithms are either invalid or inefficient for removing the noise that is coherent with the signal of interest. In this paper, an intelligent algorithm is developed to localize the coherent sound sources and background noise in real time by iteratively checking the collected data from the array. The proposed method can automatically adjust the suboptimal fading factor to extract useful information as much as possible in residual sequence. This algorithm is tested in simulations and then demonstrated in an experiment.Compared to the two existing methods, the results indicate that the new method has a good phase-shift tracking ability and rapid estimation-error convergence speed, and can achieve an acceptable performance even for low-cost acoustic sensors. Overall, the proposed method should assist array beamforming and hence benefit aeroacoustic measurement.     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中,SAR图像易受斑点噪声的影响,图像匹配的精度对整个导航系统精度的影响十分明显,能够准确地分析SAR图像匹配过程中的误差特性,利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题,在加权Hausdorff距离匹配算法的基础上,对影响SAR图像匹配精度的因素进行了分析,提出了一种基于模糊推理的匹配结果可信度评价准则,经过可信度筛选,将有效的匹配信息与INS进行组合;对合理范围内的匹配误差变化引起量测噪声统计特性发生变化,进而导致Kalman滤波精度下降的问题,研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整,使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证,结果表明,该算法能够在合理的匹配误差范围内,有效地筛选出可信的图像匹配结果,相比常规Kalman滤波算法,显著地提升了INS/SAR组合导航系统水平方向的定位精度。