基于暗原色先验与WLS的图像去雾算法

雾霾天气条件下图像采集因降质严重,导致后期图像处理复杂性提高。为此,提出一种采用暗原色先验理论与WLS滤波相结合去雾的改进算法。采用WLS滤波代替传统的软抠图法以修复大气透射率,针对去雾后图像较实际暗沉的问题,提出一种新的自适应图像增强方法,通过对去雾后的图像自适应非线性叠加,实现了图像增强的效果。实验结果表明,相比于其它传统算法,该算法能够在保持图像边缘细节的同时,提高图像的色彩质量,有效消除白色晕块,且计算复杂度低,图像还原逼真。     

一种自适应加权的灰度形态学图像滤波算法

数学形态学滤波属于非线性滤波,针对传统的线性滤波对图像边缘等细节特征容易模糊的缺点,本文提出一种基于灰度形态学的自适应加权复合滤波优化算法,采用凸性多尺度结构元素对灰度图像进行多级形态开闭运算,根据形态滤波等幂特性,实现结构元素序列的自适应加权复合滤波,并对滤波效果进行PSNR评价,实验仿真结果表明该复合滤波算法在保留图像细节特征的同时能有效去除噪声,提高了图像信噪比.     

基于集内离散度噪声检测的自适应中值滤波的研究

传统中值滤波对所有像素采用同一的处理方法,导致图像细节信息丢失严重。依据噪声分布特征,设计了基于集内离散度的噪声检测器,并结合自适应中值滤波,实现有针对性的噪声过滤,减少非噪声信息丢失。实验证明,该算法具有较高的消除脉冲噪声和保留细节信息能力。     

一种图像自适应中值滤波算法

图像在产生、传递与接收过程中,会受到外界的影响尤其是噪音的干扰,严重影响图像质量,有必要进行预处理以保证图像的正常使用。阐述了脉冲噪音理论,分析了一维与二维中值滤波原理,提出一种自适应中值滤波算法。该算法作为非线性滤波算法,弥补了线性滤波算法缺陷,明显抑制了噪音,保证了原图像的信息内容。实验结果表明,这种自适应中值滤波算法在归一化均方误差（NMSE）、峰值信噪比（PSNR）、算法耗时T(s)等方面,比中值滤波算法具有一定的优势。     

脉冲噪声的自适应滤除方法

为了在滤除图像噪声的同时更好的保护图像的细节,文中提出了一种基于非线性自适应滤波结构的改进算法。用中心加权中值滤波算法代替原方法中的中值滤波算法以及中值滤波代替均值滤波作为最终滤波结果输出。这种算法与同类算法相比,具有更好的滤波性能并能更好的保护细节,其效果明显优于中值滤波算法。     

基于自适应开关中值滤波算法的工程图像处理

工程施工图像在获取、传输等过程中存在一定程度的噪声干扰。通过对标准中值滤波算法进行分析,得到了一种基于自适应开关中值的图像滤波算法,能够在去除椒盐噪声的同时保持图像细节。该算法用迭代实现了开关中值滤波算法中阈值的自动选取,可有效提高噪声点检测的准确率。通过MATLAB仿真实验,证实了该算法相较于传统滤波算法能够更好地保护图像细节和改进图像清晰度。     

一种简单的图像脉冲噪声滤除方法

针对传统的中值滤波法消除脉冲噪声时存在的缺陷,充分利用脉冲噪声的特征,提出了一种简单的噪声像素检测方法,在滤波处理前先检测像素是否被脉冲噪声污染,从而有选择地对噪声进行自适应中值滤波,该算法不仅能够有效滤除脉冲噪声,而且具有较少的计算量和较高的峰值信噪比。仿真结果证明了算法的有效性。     

一种变步长LMS自适应滤波算法及分析

讨论了变步长自适应滤波算法,给出了一种新的变步长LMS自适应算法,建立了步长因子μ与迭代次数n及输入信号之间的一种新的非线性函数关系。该算法与传统LMS算法相比,在计算量增加不太大的情况下,具有更快的收敛速度和较小的稳态误差,而且无须去关心步长因子的大小。通过Matlab模拟仿真的结果与理论分析相一致,证实了该算法的优越性。     

基于非线性扩散滤波的运动细胞检测方法

将非线性扩散滤波和背景差分法相结合,提出了一种新的运动细胞检测方法。通过在时间域内使用非线性扩散滤波,消除了背景差分法对阈值的强依赖性,并消除了图像噪声,增强了图像边界。实验结果表明,新方法能够较好地检测出运动细胞。     

自适应调整窗口维度的动态中值滤波算法

经典中值滤波算法在不同噪声密度下为了得到最优滤波效果,需手动调节滤波窗口大小,同时在滤波过程中会对图像细节造成二次污染.针对这一问题,提出一种基于椒盐噪声密度、自适应调整中值滤波窗口的算法,首先估计出图像噪声密度,再确定传统中值滤波在不同噪声密度下,对应的最优窗口维度,并建立函数关系,利用函数关系自适应调整窗口维度,最后将椒盐噪声图像的待修复像素值替换为滤波修复后的像素值,防止细节被模糊化.实验显示,噪声密度估计的误差在3%范围内波动;采用四舍五入的方法使算法能够自适应匹配到最优滤波窗口,再对噪声分离处理,使得中值滤波对图像的细节保护更加完整.     

基于Volterra级数的RLS自适应算法的混沌时间序列预测

根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。     

一种图像椒盐噪声自适应滤除算法及研究

在已有极值中值的滤波算法的基础上,提出一种自适应滤波算法.该算法对于不同椒盐噪声密度采用不同滤波方法,在噪声密度较低时,采用同时考虑灰度差值和空间距离的自适应权重函数进行滤波,在噪声密度较大时,采用递归方式进行均值滤波.实验证明,该算法在滤除椒盐噪声能力、细节保护能力方面均有较大提高.     

基于 ESN 神经网络的网络安全态势感知预测

针对现有网络安全技术不能准确地对网络未来安全态势进行预测的问题,提出一种基于回声状态网络(ESN)进行态势预测的方法。对数据量庞大的安全态势值,利用回声状态网络可有效处理非线性系统辨识以及混沌时间序列预测问题。实验表明,由于训练简单,可根据不同网络环境自动优化网络参数,且算法本身在混沌时间序列预测方面的先天优势,使得 ESN 算法比传统神经网络方法在网络态势预测准确率方面有明显改善。     

基于广义BP算法的模型参考自适应控制

改进了传统的神经网络BP算法,提出了基于广义BP算法的非线性不确定系统的神经网络模型参考自适应控制方案.并将其用于非线性不确定系统的控制,仿真实验表明了控制器具有良好的非线性控制性能.     

自适应滤波技术在噪声干扰抵消中的应用研究

本文对自适应噪声干扰抵消原理进行了介绍,重点对其中的关键技术——自适应滤波进行研究。编程实现了LMS、NLMS、DCT-LMS和RLS等几种自适应滤波算法,从收敛速度、运算量等方面对各算法进行对比分析,并进行了自适应干扰噪声抵消的仿真实验,从而总结归纳出不同算法的适用范围和优缺点,为在实际应用中使用自适应噪声抵消技术选择合适的算法提供参考。     

基于自适应预测算法的APF无差拍控制方法

有源电力滤波器（active power filter, APF）补偿电流跟踪控制要求具有较高的稳态精度和较快的动态响应速度。文章将自适应预测滤波算法应用于无差拍控制,实现APF补偿电流精确控制。根据APF时域数学模型,推导滤波系统的无差拍控制离散方程;通过自适应(finite impulse response filter, FIR)预测滤波算法实现基波电流预测,消除控制系统的计算延迟,给无差拍控制提供所需的指令电流预测值。对预测算法进行MATLAB仿真,验证预测算法的稳态精度和动态跟踪快速性;实验室样机验证控制实验结果证明所提出的控制策略有效的,具有一定的实用性。     

基于内容优化双边滤波的运动自适应算法

本文提出了一种基于内容的优化双边滤波运动自适应去隔行算法.该算法在传统运动自适应算法的基础上,利用双边滤波改进了视频中的动静检测方法,改善了视频插值点的运动状态,能较好的识别视频中的动静区域,具有较好的抗噪声能力及静态物体边缘保持能力,并能够根据图像的内容,自适应地调整运动静态权重,达到较好的去隔行效果.     

一种IPCAM的声学回声消除算法与实现

文章对IPCAM（IP Camera）网络摄像机在网络音频对讲过程中的各种回声干扰产生的原因进行了分析,对于其中的声学回声消除（AEC）算法进行了探讨,并在基于TMS320系列DSP芯片的IPCAM系统上,编程实现了一个全双工的声学回声消除器软件．这个实现是基于规格化最小均方差（NLMS）的算法,通过调整自适应FIR滤波器的可替换步长以调整方差收敛的速度,并在网络环境下进行实测,达到有效消除声学回声与延迟,均在可接受的范围内,即回声残余信号比远端信号低30dB、对方声音信号延迟小于29ms．这一算法同样可以应用于VOIPN络电话、远程可视对讲系统等环境,根据需要在实际的网络环境下调整步长,以达到消除回声和缩短延迟的最优化效果．     

改进自适应中值滤波算法研究

重点介绍了自适应中值滤波算法以及两种改进的自适应中值滤波算法。针对这3种滤波算法,对含有不同密度椒盐噪声的图像进行去噪实验。结果表明:改进算法去噪效果明显、能有效保护图像细节,PSNR保持在25 d B以上;改进算法在高密度噪声时也能得到细节较为清晰的图像,PSNR比改进前的提高17 d B以上。     

改进EEMD算法在缸盖振动信号降噪中的应用研究

针对常规降噪方法应用于柴油机缸盖振动信号降噪时,自适应差且需要根据噪声环境人为调整参数的问题,在传统EEMD算法基础上提出一种改进的EEMD降噪算法,并将其应用于柴油机缸盖振动信号处理。首先对原始信号进行预处理,其次利用总体经验模态分解（EEMD）算法在非线性、非平稳信号处理时的自适应特性,分解原始信号得到各阶本征模态分量,经Savitzky-Golay平滑滤波,再将噪声占主导的高频分量进行阈值去噪,最后得到干净的本征模态分量进行重构。仿真实验和实测结果表明,在输入信号12dB的多种输入信号工况下,改进EEMD算法去噪后信噪比为17.1,比现有去噪方法提升14%。