基于原子加权稀疏表示的图像融合算法

图像融合一直以来都是图像处理与机器视觉领域中极其重要的研究方向,而稀疏表示(Sparse Representation,SR)是当前应用最为广泛的图像表示理论之一.针对传统的基于稀疏表示的图像融合策略对超完备字典信息利用不足的问题,提出了基于原子加权稀疏表示(Atom?weighted Sparse Represent...     

基于稀疏和冗余表示的图像融合方法

为了产生能提供更多信息的融合图像,提出了一种基于SRR(Sparse and Redundant Represent,稀疏和冗余表示)理论的图像融合方法。该方法首先采用训练所得的冗余字典对原始图像进行稀疏表示,然后对系数矩阵采用1-范数取大融合规则进行融合,最后对融合系数矩阵和冗余字典进行重建以得到融合图像。将该方法与拉普拉斯变换、PCA(Principal Component Analysis,主成分分析)、DWT(Discrete Wavelet Transform,离散小波变换)、CVT(Cur Velet Transform,曲波变换)和NSCT(Non-Subsampled Contourlet Transform,非下采样轮廓波变换)等方法在几组图像上进行比较,实验结果表明,该方法在一定程度上提高了融合图像的质量,在主观和客观上都具有较好的性能。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

相关色噪声下无冗余累积量稀疏表示DOA估计

针对传统均匀线阵中四阶累积量计算复杂度大、对快拍数敏感的问题,提出了一种快速去冗余的高分辨波达方向估计新方法。该方法首先通过构造选择矩阵对四阶累积量矩阵进行第1次降维处理,摒弃传统四阶累积量中大量冗余数据,然后对无冗余累积量矩阵进行矢量化并通过二次降维得到统计性能更优的向量观测模型,最后在相应的过完备基下建立观测模型的稀疏表示进行波达方向(Direction of Arrival,DOA)估计。同时将方法推广到L型阵列2维DOA估计,扩展了其应用范围。与传统的四阶累积量方法相比,该方法大大地减小了计算量,对快拍数要求不高,并且能够有效地抑制相关色噪声。理论分析和仿真实验验证了该方法对1维和2维DOA估计都具有较高的估计精度和分辨率。     

基于CUDA的椒盐噪声自适应中值滤波算法

针对传统中值滤波算法的优缺点,结合椒盐噪声的特征,提出了一种有效的自适应中值滤波算法。首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后根据窗口内噪声点的个数自适应地确定滤波窗口的尺寸,仅对噪声像素进行中值滤波。但随着噪声密度和图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器(GPU)的并行处理特征,并在CUDA平台中实现了算法。实验结果表明,所提出的算法能够有效地去除椒盐噪声、保留边缘和细节,并且能显著缩短计算时间,随着噪声密度和图像规模的增大,最大加速比达到6 000倍。     

基于稀疏表示的多雷达信号二维融合处理

多雷达信号融合通过对多视角和多频带雷达信号进行相干融合,可以提高图像的距离和方位向分辨率.为了克服基于谱估计的多雷达信号融合方法稳健性严重依赖于散射点个数估计精度和二维极点配对精度的问题,在深入研究逆合成孔径雷达(ISAR)信号的基础上,构造了多雷达信号二维融合的线性表示模型,将融合处理转化为一个信号表示问题;充分挖掘...     

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。     

基于稀疏重建的MIMO-OTH雷达多模杂波抑制算法

针对由多模传播引起的多普勒扩展杂波(SDC)严重影响天波超视距雷达(OTHR)对慢速船舰目标的检测这一问题,在基于多输入多输出体制的新一代天波超视距(MIMO-OTH)雷达系统下,利用空域信息抑制多模SDC。传统处理方法需要目标角度先验信息,而在实际中,该信息往往很难获得。为此,提出一种新的基于稀疏重建的多模杂波抑制算法。该算法将二维的稀疏角度搜索转变为一维的角度搜索,使运算量大大降低,且估计出的收发角(DOA-DOD)自动配对,同时可获得各个传播路径下信号的时间多普勒信息,达到了理想的MIMO-OTH雷达多模杂波抑制效果。仿真结果证明了所提算法的有效性。     

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。     

大宽高比弯曲混合喷管排气红外和射流噪声抑制

针对大宽高比弯曲混合喷管排气红外和射流噪声抑制的需求,在狭长矩形喷口的基础上对混合喷管喷口结构进行重新设计,包括不同尺寸参数的波瓣喷口和不同侵入程度的冠状锯齿喷口。针对上述喷管,采用数值模拟的方法,获得大宽高比弯曲混合喷管的射流流场,并通过正反射线追踪法和Fluent软件FW-H声学模块分别计算了混合喷管的排气红外辐射强度和射流噪声总声压级。对研究结果进行分析,揭示了狭长矩形喷口、波瓣喷口和冠状锯齿喷口对混合喷管的引射性能、压力损失以及排气红外和噪声特性的影响机制,阐释了喷口激励的流向涡在射流与环境气流掺混过程中的强化主导作用及其抑制排气红外辐射和噪声的兼容性。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

基于塔形形态算法的SAR图像相干斑抑制

提出将塔形形态算法用于抑制SAR图像中相干斑处理，为减少塔形处理中由于下采样造成的信息损失，从并行处理的角度出发，对塔形形态滤波器提出了改进，将下采样中的各子图同时进行形态滤波处理，在上采样中将各子图合并。经分析和处理表明这两种算法用于SAR图像滤波都能有效地去除相干斑噪声。与塔形形态滤波、Lee滤波器算法比较，采用并行算法处理后图像的各项指标有明显的改善。     

基于变步长LMS算法的线性调频引信噪声抑制

利用自适应滤波技术,研究了线性调频引信通带内噪声的抑制问题。根据线性调频信号与噪声可预测性的差异进行噪声抑制,分析了噪声抑制原理。仿真结果表明,在SNB=-5dB时仍然可以达到很好的噪声抑制效果;在算法收敛的条件下,信噪比越小,噪声抑制对信噪比的相对改善越大。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

基于流场/声场混合模型的叶轮机械单音噪声研究

基于叶轮机械三维非定常黏性数值模拟(URANS)与管道内叶片排气动噪声声类比理论(DBAA),成功地发展了叶轮机械单音噪声混合预测模型(URANS/DBAA),该模型能够实现叶轮机械叶片详细设计参数与噪声辐射强度的关联。由于采用了Lighthill声类比理论,使得该模型并不需要耗费大量计算资源。基于URANS/DBAA混合模型,对某单级轴流风扇的单音噪声及其噪声源分布特性进行了详细的计算分析,结果表明,该混合模型能够准确模拟叶轮机械单音噪声,实现了对叶轮机械单音噪声基本规律的分析和认识。     

基于混合求解法的二维多段翼气动噪声特性分析

基于混合求解法,通过对声源区计算域进行分区,研究了二维多段翼不同部件对远场声压级的贡献,给出了声场分布和远场指向性,发现前缘缝翼噪声和主翼尾缘噪声对远场的贡献较小,襟翼后缘噪声的贡献在总声压级中占主导地位,是值得关注的噪声来源。     

基于预估-反馈联合处理的射频噪声干扰抑制算法

针对强射频（RF）噪声干扰下脉压雷达目标检测概率较低的问题,提出了一种基于预估-反馈联合处理的射频噪声干扰抑制算法。首先,对回波信号进行盲源分离预处理,并利用分数阶傅里叶变换（FRFT）的特性对目标回波信号进行参数估计以及窄带滤波处理,滤除大部分干扰和噪声的能量;然后,在数据层运用M/N逻辑法进行点迹处理,并结合径向速度方向判决,实现对目标航迹的预估检测;最后,利用数据层对航迹状态的反馈实时修正滤波器参数,从而在信号层更好地滤除干扰能量,并对中断航迹进行剔除,完成射频噪声干扰的抑制。仿真结果表明：与现有射频噪声干扰抑制技术相比,所提算法具有更优的干扰抑制效果。     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

基于小波变换的图像低通去噪

提出了一种利用小波变换的多分辨率特性对图像进行低通去噪的方法,系统的阐述了其基本原理和核心算法,并对加噪后的图像实现了低通去噪处理。     

基于自适应滤波的引信噪声调幅干扰抑制

噪声调幅干扰是一种有效的压制性干扰,可压制近炸无线电引信对目标信息的获取。为提高连续波多普勒无线电引信抗噪声调幅干扰的能力,将单频率自适应陷波器应用到连续波多普勒引信中,对噪声调幅干扰进行抑制。分析了噪声干扰抑制原理,并对噪声干扰抑制效果进行了仿真。仿真结果表明：SJR=-10dB时,仍然能达到很好的噪声调幅干扰抑制效果。