一种基于Rough集的图像滤波算法

Rough集理论是一种新的处理含糊和不确定性问题的数学工具.它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法.文中将Rough集理论应用到图像滤波中,提出了一种基于Rough集理论的图像中值滤波算法;给出了该算法与标准中值滤波算法的比较实验.结果表明,该算法去噪能力强于标准中值滤波算法,且能较好地保持图像的边缘细节信息.     

一种基于极值检测与自适应滤波的图像去噪算法

标准中值滤波及其一些改进算法对于被低密度脉冲噪声污染图像的处理可取得令人满意的效果,图像被严重污染时,这些算法得到的结果均不理想。针对这一缺陷,基于文献[1]提出的一种滤波算法进行改进。首先,利用极值法对图像进行检测,判断出噪声及非噪声点;其次,设置滤波模板的最小及最大尺寸,对噪声点进行窗口逐渐增大的滤波处理。计算机模拟实验结果及对SAR图像滤波结果表明:该滤波算法在噪声去除及边缘和图像细节保持上优于标准中值滤波及其一些改进算法。     

一种基于Rough集的图像滤波算法

Rough集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种软计算方法，与模糊方法、遗传算法、神经网络等一样，是有发展潜力的智能信息处理方法。文中将Rough集理论应用到图像滤波中，提出了一种基于Rough集理论的图像中值滤波算法；给出了该算法与标准中值滤波算法的比较实验。结果表明，该算法去噪能力强于标准中值滤波算法，且能较好地保持图像的边缘细节信息。     

改进的中值滤波在图像去噪中的应用

阐述了中值滤波、软阀值法的去噪原理和优缺点,并用Matlab实现其算法。这2种方法在去噪时,会造成图像的部分细节丢失、边缘模糊等现象,针对这些问题,提出一种改进的中值滤波法。实验表明,改进后的中值滤波法具有更好的去噪效果。     

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。     

一种改进的Canny算子边缘检测算法

介绍Canny算子边缘检测的基本原理,并对其性能进行分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,提出一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,考虑了像素对角线方向的梯度计算,进一步抑制了噪声的影响。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

一种针对激光雷达强度图像的滤波算法研究

基于激光雷达数据的特点．提出了一种融合的中值滤波算法。运用此算法和传统的中值滤波算法以及均值算法对激光雷达数据进行了处理，并且使用多种指标对处理的结果进行了比较，证明本算法既保持了传统中值滤波的优点，又改进了对弱边缘目标的保护。     

一种基于小波变换的InSAR干涉图滤波方法

提出一种基于小波变换的InSAR干涉图滤波算法,此算法先用小波变换对干涉图数据做多级分解,得到图像的多级近似部分系数和3个(水平、垂直、对角线)方向的细节部分系数,然后分别对每一级各个方向的细节部分系数检测其是否为对应方向的边缘,对边缘处的系数根据边缘的方向不同,用不同的方向模板平滑后,再中值滤波;对非边缘处的系数直接中值滤波。用真实的InSAR干涉图实验结果证明此方法具有较好的滤波效果。     

改进Frost算子在SAR图像斑点噪声抑制中的应用

针对合成孔径雷达(SAR)图像斑点噪声滤波的重要性以及存在的问题,对Frost滤波算法参数进行分析,指出了该算法等权滤波器在处理含有细节结构特征时存在盲目平滑的缺点,进而提出了改进方法。利用灰度差值计算权值,综合考虑滤波窗口内的强度信息,在一定程度上解决了盲目平滑的问题。实验验证了改进算法的有效性,并以斑点噪声指数和边缘保持指数为评价准则,通过与Frost算法比较,对改进算法在去除噪声和边缘保持方面的性能做了客观评价。     

改进的快速中值滤波算法在图像去噪中的应用

在图像处理中,传统的中值滤波算法都是建立在排序理论上,并没有充分考虑到各数据之间的相关性。提出一种改进的快速中值滤波算法,充分利用数据的相关性,避免传统算法因排序所需大量数据比较。先用分治法计算第一个窗口的中值,然后利用数据的相关性计算余下窗口的中值,大大提高了效率。最后分别用传统的中值滤波算法和改进的快速中值滤波算法对同一幅有椒盐噪声的图像做去噪实验。实验表明,该算法能快速实现图像去噪。     

基于神经网络的变形预报方法研究

对BP,RBF,Elman 3种神经网络模型进行了简要概括,将其应用于实际工程案例中,经过多角度综合分析,验证了3种模型进行变形预报的可行性,同时得出对实际工程具有指导性意义的结论。     

BP神经网络在GPS高程拟合中的应用探讨

神经网络算法一直是国内外研究的热点问题,BP神经网络算法具有更小的模型误差,因此,被广泛应用于GPS高程拟合。本文通过对同一区域GPS高程拟合的应用探究,运用迭代运算对比BP神经网络算法与多项式拟合数据,从而证明BP神经网络在一定条件下具有更高的精度,更加突出了BP神经网络算法的实用性。     

概率神经网络与BP网络模型在遥感图像分类中的对比研究

通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,建立了卫星图像分类的概率神经网络模型,并通过实例对比分析了概率神经网络与BP网络分类模型的分类效果。实验表明,PNN图像分类方法在分类精度上优于误差反向传播神经网络模型,且分类时间相当,是一种有效的图像分类方法。     

小波神经网络在高铁路基变形分析中应用研究

路基是高速铁路的轨道基础,是整个线路结构中最为薄弱的环节,对线路的平顺性、稳定性特别敏感,加强对高铁路基的沉降变形分析是确保路基工程施工质量和保障运营安全的重要环节。引入小波神经网络组合模型应用到高铁路基的沉降变形分析中,通过工程实例分析表明,小波神经网络组合模型预测精度较BP神经网络模型高,在高铁路基的沉降变形分析中具有更好的优越性和应用效果。     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。     

基于BP神经网络的GPS高程异常拟合研究

分析了GPS高程异常求解的常用方法,结合GPS测量和水准测量资料,用神经网络方法和二次多项式曲面拟合方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论。     

改进的小波神经网络在沉降预测中的应用

针对BP神经网络预测方法的稳定性较差,提出运用增加动量项的小波神经网络方法,进行沉降预测,并选出最优的隐含层节点数目,结合某高铁路基沉降监测数据进行实验分析。实验表明,该方法实际可行,稳定性较好并且预测精度高。     

平坦地区GPS高程异常拟合研究

GPS测量所提供的高程为相对于WGS-84椭球的GPS大地高,而我国使用的是正常高。大地高等于正常高与高程异常之和,要使GPS高程在工程实际中得到应用,必须先求出高程异常,进而获得正常高。结合GPS测量和水准测量资料,用神经网络方法和二次多项式曲面拟合方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论。     

平坦地区GPS高程异常拟合方法研究

结合GPS测量和水准测量资料,用BP人工神经网络和RBF人工神经网络方法和二次多项式曲面拟合方法拟合高程异常,对平坦地区GPS高程异常拟合精度进行比较分析,得出有实用价值的结论。     

人工神经网络在遥感中的应用与发展

介绍了国内外人工神经网络在遥感领域的应用现状,对神经网络的基本原理、技术优势、应用方法等进行了透视,并结合自己的研究实践,给出了具体的应用事例。