基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于SAR图像去噪.在分析目前流行的空频域去噪方法优缺点的基础上,提出了1种小波域SAR图像去噪方法.为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和...     

利用α稳定分布的小波域SAR图像降斑算法

提出了一种改进的合成孔径雷达(SAR)图像α-MAP降斑算法,通过采用厚尾α稳定分布和引入噪声方差调整系数的方法,可以获得更好的降斑和纹理保持效果,同时应用平稳小波分解来解决Gibbs效应引入的伪噪声问题。最后通过对实际SAR图像的降斑处理,对本文的算法与最新的小波软阈值算法以及传统的局部自适应滤波器在性能参数和滤波效果上做了全面的比较。试验表明本文的算法更具适应性,实现了降斑与纹理保持更有效的综合滤波,在性能参数和复原图像效果上都有较好的表现。     

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。     

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.     

一种基于高阶统计量的SAR图像自聚焦算法

 提出了一种基于高阶统计量分析的相位误差估计算法,用于SAR 图像自聚焦。该算法从复图像域出发,通过循环移位及加窗处理孤立强点目标,利用高阶累积量对高斯噪声的抑制能力,在距离压缩相位历史域估计相位误差。由于避免了对加性噪声及干扰很敏感的差分运算,相位误差的估计结果有很好的鲁棒性。仿真及实测数据的处理结果证明了该算法的可行性。     

基于高斯混合概率假设密度滤波的扫描型光学传感器像平面多目标跟踪算法

高斯混合概率假设密度(GM-PHD)滤波是一种基于随机有限集理论的次优贝叶斯多目标跟踪方法,本文研究了该算法在扫描型光学传感器像平面的多目标跟踪问题.针对典型的锥扫模式和推扫模式,根据其扫描特性建立目标的运动模型和测量模型.介绍高斯混合概率假设密度滤波的基本原理.针对原算法在强杂波环境中的低效率问题,借鉴传统多目标跟踪...     

基于变分理论的局部自适应高保真图像去噪算法

针对现有的图像去噪模型不能很好保留图像边缘及纹理的缺点,在变分理论的基础上提出了改进的局部自适应图像去噪算法,该算法基于图像局部特性计算保真参数,利用小波变换进行噪声方差估计,采用小的自适应窗确定保真参数,并利用该高保真去噪算法对叠加高斯噪声的图像进行了降噪处理,结果显示比全局变分采用最速下降自动选择保真参数的去噪效果要好,峰值信噪比(PSNR)在不同高斯噪声背景下都有0.2-0.5dB的提升。     

基于可逆提升小波变换和上下文预测的SAR图像无损压缩算法

 结合可逆提升小波变换和上下文预测技术 ,提出基于可逆提升小波变换和上下文预测的合成孔径雷达 (SAR)图像的无损压缩算法。分析了基于提升小波的无损压缩算法和基于上下文预测编码的无损压缩算法的优缺点 ,联合两种体制 ,提出先用提升小波变换去除整幅图像的冗余 ,再用边缘保留预测器和子预测器联合技术进一步消除子带内系数间的空间冗余性 ,最后采用自适应上下文建模技术对残差进行分类自适应熵编码。除具有常规小波变换编码的优异性能外 ,该算法的压缩率优于即将推出的国际标准JPEG2000。     

基于图像域分块的条带SAR 自聚焦算法

文章针对条带合成孔径雷达,提出一种基于图像域分块的自聚焦算法。该算法在图像域进行方位向分子 块,采用图像偏移(MD)算法减小相位误差梯度的拼接误差,实现条带SAR图像的自聚焦处理。给出了算法流程, 讨论了算法的主要步骤及原理,并利用实测数据对算法进行了验证。实测数据处理结果表明该算法能有效改善条 带SAR图像质量。     

基于方向可控金字塔的图像融合算法

为克服传统正交小波变换在进行图像融合时存在的不足,提出了一种基于方向可控金字塔的图像融合算法。首先对待融合图像进行方向可控金字塔分解,对分解后的低频分量采用平均和选择相结合的方法进行融合,对各方向的高频分量则使用像素绝对值选大的规则进行融合,最后对融合后的低频分量和高频分量进行方向可控金字塔重构得到融合图像。仿真试验表明算法能够得到质量较高的融合图像,同时,熵、平均梯度和空间频率等客观评价指标也较平均法和基于小波变换的图像融合算法有所提高,是一种有效的图像融合算法。     

Cycle-slip Detection of GPS Carrier Phase with Methodology of SA4 Multi-wavelet Transform

That cycle-slips remain undetected will significantly degrade the accuracy of the navigation solution when using carrier phase measurements in global positioning system (GPS). In this paper, an algorithm based on length-4 symmetric/anti-symmetric (SA4) orthogonal multi-wavelet is presented to detect and identify cycle-slips in the context of the feature of the GPS zero-differential carrier phase measurements. Associated with the local singularity detection principle, cycle-slips can be detected and located precisely through the modulus maxima of the coefficients achieved by the multi-wavelet transform. Firstly, studies are focused on the feasibility of the algorithm employing the orthogonal multi-wavelet system such as Geronimo-Hardin-Massopust (GHM), Chui-Lian (CL) and SA4. Moreover, the mathematical characterization of singularities with Lipschitz exponents is explained, the modulus maxima from wavelet to multi-wavelet domain is extended and a localization formula is provided from the modulus maxima of the coefficients to the original observation. Finally, field experiments with real receiver are presented to demonstrate the effectiveness of the proposed algorithm. Because SA4 possesses the specific nature of good multi-filter properties (GMPs), it is superior to scalar wavelet and other orthogonal multi-wavelet candidates distinctly, and for the half-cycle slip, it also remains better detection, location ability and the equal complexity of wavelet transform.     

基于正交小波变换的目标检测方法

理论分析表明,独立高斯噪声经过正交小波变换后保持方差和独立性不变。基于Mallat的小波多分辨分析,通过对小波系数进行平方律处理,建立了基于正交小波变换的恒虚警率检测器模型,推导了相应的虚警和检测概率公式,分析了噪声未知情况下小波系数序列长度对检测性能的影响,并给出了合适的长度值。实验结果表明,所提出的检测器能满足不同虚警概率和杂波背景的要求,具有较好自适应性。     

基于加权的可见光与红外光图像融合算法

红外图像所含边缘等细节偏少、可见光又容易受外部环境干扰,融合图像可以提供更全面的信息,符合人或机器的视觉特性,为图像进一步分析、识别等提供基础。提出一种比值与梯度加权的可见光与红外光图像融合算法,结合小波变换在图像分解中的特性及信号集中的特点,将小波变换应用于红外光和可见光图像融合中可以提高融合信息的理解能力。针对分解获得的低频系数主要反映图像细节信息的特点,对低频系数采用比值加权分析融合规则;针对分解获得的高频系数主要反映图像边缘信息特征的特点,对高频系数采用改进边缘检测算子梯度加权的融合规则。选取多组图像进行了不同融合规则实验对比分析,通过客观评价指标进行评价,改进的融合算法可以获得较清晰的融合图像,可以增加图像的互补信息,并能较好地提高融合图像的清晰度。     

基于最优小波包基的信号去噪算法及其应用

提出了一种基于Shannon熵准则的最优小波包基信号去噪算法,并将其应用于某型导弹惯导系统陀螺仪信号的去噪处理中。该算法在最优小波包基的基础上,针对不同频段采用不同的阈值算法,用量化后的系数重构得到去噪后的信号。仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,因而将具有更为广泛的应用前景。     

基于改进SWT模型的FGH96合金低周疲劳寿命预测

针对SWT（Smith-Watson-Topper）模型未考虑材料对平均应力影响的灵敏度以及忽略平均应力对材料塑性变形影响的问题,利用材料的屈服强度和抗拉强度,对Walker指数γ的计算公式进行了改进,并将其引入到SWT模型中对损伤控制参数进行了修正。同时结合M-H（Manson-Halford）模型塑性部分平均应力修正方法对SWT模型中的塑性变形参数进行了修正,从而提出了一种基于改进SWT模型的FGH96粉末高温合金低周疲劳寿命预测方法。利用不同材料的γ试验计算值对改进的Walker指数计算方法进行了验证,计算平均相对误差为10.25%。并利用FGH96合金和其他航空发动机材料的低周疲劳试验数据,对改进SWT模型的寿命预测精度及适用范围进行了评估,并与M-H、SWT和Lv模型进行了对比。结果表明,改进SWT模型对不同材料的预测结果基本位于±2倍分散带之内,其寿命预测能力要高于其他3种模型。     

一种局部自适应内窥镜图像降噪模型

在内窥镜图像处理中,如何消除图像中的噪声一直是个热点问题。由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,二进小波变换的图像去噪效果会好于小波级数变换的图像去噪效果。基于这个思想,文章从二进小波理论入手,提出一种自适应二进小波去噪模型,简称ADWD。该方法利用图像信息、噪声信息与小波系数之间的关系,采用局部自适应的方法识别噪声像素,避免了直接确定噪声门限的困难。实验结果及分析表明该方法对Gaussian噪声和Pepper噪声均有较高的信噪比,且对图像的细节有较好的保持能力。     

基于二代小波的轨迹优化节点自适应加密

针对采用直接法求解轨迹优化问题中精度和效率之间的矛盾,提出了基于二代小波轨迹优化节点自适应加密.采用RK(Runge-Kutta)离散方法将原轨迹优化问题转化为非线性规划问题,并采用成熟的非线性规划算法求解.对控制或状态函数进行小波变换得到小波系数,基于小波系数和二分节点的对应关系,根据小波系数的幅值确定下一个迭代步所使用的节点并进行序列优化.算例结果表明:通过设置合适的小波系数阀值,采用较少的时间离散节点即可使优化结果达到预定的精度.与高斯伪谱法软件相比,节点个数大约减少10%,最优指标的精度大约提高1个数量级.      

基于模糊聚类的模糊神经网络在非定常气动力建模中的应用

建立了一种基于模糊聚类的模糊神经网络模型.该模型利用模糊聚类技术确定系统的模糊空间和模糊规则数,利用BP算法调整模糊神经网络的权系数.应用该模型对某飞机模型做俯仰-滚转耦合运动的非定常气动力进行了辨识.结果表明,基于模糊聚类的模糊神经网络计算速度快,辨识结果与实验结果符合较好.用模糊聚类技术可以解决模糊神经网络的结构辨识问题,基于模糊聚类的模糊神经网络可以很好地用于复杂机动飞行的非定常气动力建模.