一种改进均值的自适应中值滤波算法

针对自适应中值滤波算法在滤除高浓度椒盐噪声和保留图像边缘细节中的不足,提出了一种改进均值的自适应中值滤波(IMAMF)算法。该算法采用扩充图像边界的方式,使得原图像的边界点能在自适应的滤波窗口下参与噪声检测和滤波处理,并在检测噪声和信号时,增加了噪声阈值判定,将存在噪声的像素点用修正后的均值滤波器值输出,信号点则用原始灰度值输出。为了验证算法的可行性,采用了5种不同的算法进行仿真对比分析,并从主观角度和客观指标上进行效果评价。试验结果表明:该算法能有效滤除浓度为10%～90%范围内的椒盐噪声,且图像细节和边缘信息得到了更好的保留,滤波性能明显优于其他算法。     

树结构混合滤波算法

本文总结了中值滤波、均值滤波在滤除图像噪声中的不足，给出了树结构混合滤波器。理论分析和试验表明：树结构混合滤波器具有抑制图像噪声能力强，保持图像几何结构信息，算法结构化，易于计算机软件、硬件实现的特点。     

海洋SAR图像小波Speckle滤波及边缘信息提取

以海洋SAR图像的speckle滤波和边缘信息提取为研究目标，构造了以低通带通窄和时域冲击响应系数分布呈左右对称为特征的小波滤波器。这些特征使该小波滤波器在处理突变信号方面具有优良的特性。应用该小波滤波器，采用Wiener滤波算法，对海洋SAR图像进行了speckle滤波及采用Prewitt算子对边缘信息进行提取。用几种经典小波函数采用相同的滤波算法和边缘增强算子进行了处理，并将它们的结果进行了对比分析。结果表明，虽然小波基函数在用于speckle滤波方面，稍逊其它几种经典小波基函数，但是在边缘信息保留方面，效果要明显优于其他小波基函数。     

基于小波分析的SAR图像斑点滤波及其性能比较评价

进行斑点噪声滤波是对SAR图像进行分割、分类和信息提取处理前不可或缺的处理步骤。该文首先简要回顾了各种传统的SAR图像斑点滤波算法。在充分考虑SAR图像斑点噪声乘性特征的基础上，对SAR图像进行对数变换，将乘性噪声转变为加性噪声，然后在对图像进行小波分解，采用软门限方法进行典型SAR图像斑点噪声滤波。归纳SAR图像斑点噪声滤波效果评价的5个指标，并将文中基于小波分析的滤波效果与传统的自适应局部统计斑点滤波器、Gamma-Map滤波器的滤波效果进行了全方位的比较。结果表明，该方法在图像均匀区域的辐射特性保持和斑点抑制能力，边缘、细小特征和点目标等结构信息的保持方面都优于传统的斑点滤波器。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

全方向自适应动态窗口SAR斑点噪声抑制算法

有效地抑制或消除斑点噪声是SAR图像地学应用的前提，通过基于单视数SAR图像的Speckle统计特性和已发展的空间滤波算法分析。发展了一种改进的全方向动态窗口自适应SAR噪声滤波算法，该算法对处理的每一个像元可按图像边界细节划分为需要的全方向子窗口，利用相对标准差判断滤波窗口及子窗口内斑点噪声及边缘信息的存在情况，可实现滤波窗口大小动态调整和窗口内参加滤波像素的自适应选择，对ERS SAR SLC图像试验结果表明，该算法对单视数SAR图像具有较强的Speckle抑制能力。且可较好地保持图像的纹理边界细节信息，有一定的实用价值。     

两种滤波方法在SINS/GPS组合导航中的分析比较

本文针对SINS/GPS组合导航系统中卡尔曼滤波发散的情况:介绍并分析了自适应滤波和H∞滤波算法原理,并进行仿真计算,验证了这两种滤波用于SINS/GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

基于统计比值差值排序滤波器的SeaWiFS图像椒盐噪声检测与消除

由于多种原因 ,部分SeaWiFS卫星图像数据中存在比较严重的椒盐噪声。该文在分析SeaWiFS椒盐噪声特征的基础上提出一种基于窗口内均值与均方差比值序列差值的统计比值差值排序滤波器 (StatisticalRatioRankOrderedDifferencesFilter,SRROD) ,并讨论如何使用该滤波器技术有效地对椒盐噪声进行白点噪声、黑点噪声检测和消除。与常用的中值滤波和其他滤波器比较 ,该方法能在有效消除椒盐噪声的同时 ,保持图像数据中其他位置的点不受影响。通过灵活地调整不同的阈值可以获得不同的滤波效果。最后 ,讨论了如何从有效峰值信噪比 (EffectivePeakSignalNoiseRatio,EPSNR)分布图上提取最优阈值对的方法     

基于二维 Log Butterworth滤波器的全方向边缘检测的频域实现方法

由于人类识别图像特征涉及非线性的识别机制,本文提出了基于改进二维Log Butterworth滤波器的全方向边缘检测方法,该方法从频域角度出发,利用正反快速傅里叶变换来实现边缘检测工作。首先,将非线性Log函数引入Butterworth滤波器,获得二维Log Butterworth滤波器。当图像行列数不一致时,中心频率分布于椭圆之上,椭圆的长短轴之比与图像长宽比相等,进而给出以角度为变量滤波器表达式;其次,为方便滤波器参数的优化选取,本文对二维 Log Butterworth滤波器参数进行归一化等处理;再次,本文利用F-measure和PSNR (峰值信噪比)值来衡量不同参数下的边缘检测结果,确定最优的二维 Log Butterworth滤波器参数范围;然后,为了分析本文方法的边缘检测效率,对比了本文方法与空域算子（Canny算子）的乘法次数和加法次数,同时以不同大小的图像作为实验数据来比较两种方法的边缘检测耗时;最后,以BSDS（伯克利图像分割数据库）图像和高空间分辨率遥感图像为实验数据,对本文方法的边缘检测结果进行了评价分析。结果表明：本文方法可以有效地应用于图像边缘检测。     

基于BHPF的夜间车牌图像增强方法

提出了一种根据能量自适应地选取截止频率的巴特沃兹高通滤波器(BHPF)图像增强方法,解决夜间模糊车牌字符无法分割与识别的难题.由于能见度及车灯照射等影响,夜间获取的图像定位到的车牌目标模糊不清.根据图像的频谱特性,使用BHPF提取车牌字符跳变的尖锐部分;利用能量主要集中在低频部分的特点,自适应地选取滤波器截止频率;最后对定位的目标进行高频强调滤波,滤波后的目标图像二值化结果可满足字符分割的要求.通过交通卡口获取的实测图像测试证明,该方法可有效地解决夜间车牌字符无法分割与识别的问题.     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质.文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法.该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变.试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果.     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

基于频域滤波的高分辨率遥感图像城市河道信息提取

提出一种基于频域滤波的城市河道信息提取方法。首先对高分辨率遥感图像进行傅里叶变换得到频谱图, 并利用径向和角向分布图分析城市河道的频谱特征。其次, 基于城市河道的双线型特点, 将其分为边缘特征和低频信息两个部分, 并根据周期性纹理的频谱模型和地物频谱能量分布规律确定两个部分的频域识别标志。然后设计相应的扇环形带通log Butterworth滤波器和低通Butterworth滤波器分别对城市河道的边缘特征和低频信息进行提取, 并根据该两部分信息实现城市河道信息提取。最后对城市河道信息提取结果进行定量评价, 结果表明, 本文方法可以有效地实现城市河道的信息提取。     

利用图像薛定谔变换构造高通与低通滤波器

研究了粒子的载流子K(b,a)所满足的薛定谔方程的数值解及分析解,引入了图像的I-型与II-型薛定谔变换,解释了变换的意义,给出了薛定谔变换的性质。利用图像薛定谔变换,构造出了一种滤波效果较好的高通与低通滤波器,实现了图像的边缘检测、图像平滑及增强。     

递归型自适应数字滤波器研究的状态空间法探讨

本文将状态空间法用于递归型自适应数字滤波器的研究,引入滤波器系数灵敏度的概念作为性能评价的依据,并从低灵敏度的角度提出了平衡形和对称形两种新的自适应滤波器结构,实验结果显示了它们的优越性能。     

基于小波变换的全色和多光谱遥感图像融合

基于多分辨率小波变换,针对高分辨率全色图像和多光谱图像的融合,提出了一种基于方向可调滤波器的区域能量测量的小波变换融合算法.将此方法与HIS和传统小波的融合方法比较,结果表明,该方法在保留多光谱图像光谱信息的同时,能够更好地保留高分辨率图像的空间信息,融合效果有较大改善.     

两种滤波方法在SINS／GPS组合导航中的应用与比较

针对SINS／GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS／GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

一种基于改进的2D-Gabor纹理图像分类方法

针对多纹理图像分类的问题,本文提出了一种操作性强,通用性高的分类方法。借助人类视觉特性和纹理图像的尺寸,设计了一种快速简单的Gabor滤波参数设置方法。在多通道的滤波特征图像中应用顺序向前搜索策略选择特征,以J-M距离(Jeffreys-Matusitas distance)为判别因子进行特征空间的优化,最后通过SVM方法实现图像分类。实验表明,该方法有良好的纹理图像分类效果。较之传统的Gabor滤波图像分类方法,该方法具有参数设置简单,操作性强的特点。     

两种滤波方法在SINS/GPS组合导航中的应用与比较

本文针对SINS/GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS/GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义.     

融合引导滤波和迁移学习的薄云图像中地物信息恢复算法

薄云覆盖遥感图像使图像上的地物信息模糊。本文给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。Landsat-8 OLI多光谱图像的试验结果表明,支持向量引导滤波能够有效保留目标图像的地物细节信息,域自适应的迁移学习能有效扩展可利用的多源多时相遥感图像范围,通过融合引导滤波和迁移学习能有效去除遥感图像上的薄云,获得较好的地物信息恢复效果。