一种改进的红外图像降噪算法与FPGA实现

由于实时目标的红外图像具有信噪比低、边界模糊等问题,在研究红外图像噪声特点的基础上,提出了一种基于动静态检测算法的红外图像降噪算法。通过一种动静态检测算法将图像分成动态图像和静态图像,用改进的自适应维纳滤波算法处理动态图像,用改进的NL-means降噪算法处理静态图像,并用FPGA实现红外图像降噪系统设计。实验表明,红外图像经算法处理后,其PSNR和细节方差-背景方差比(DV/BV)均高于经典降噪算法,算法能有效减少图像噪声,并能很好地保持图像的边界细节信息。     

小波阈值技术在图像降噪中的应用研究

通过对图像的小波变换系数进行阈值操作，可以有效降低噪声，同时又较好地保持图像细节。在文章中详细讨论了这种小波阈值降噪技术，并给出了在此种降噪方法中阈值选取的几种方法。由实验结果可以知道此种小波阈值方法是一种有效的图像降噪方法。     

基于残差网络和注意力机制的红外与可见光图像融合算法

针对红外与可见光图像的融合,提出了一种基于残差网络和注意力机制的图像融合算法.首先,为了分别从背景层和细节层提取红外与可见光图像的特征信息,使用引导滤波将红外和可见光图像分解为含有低频背景轮廓信息的背景层和含有高频细节纹理信息的细节层,再使用编码网络分别从背景层和细节层中提取特征信息并进行融合,该特征提取方法可提获得更...     

模拟电路故障的深度学习融合模型诊断方法

针对传统智能故障诊断方法因装备电路复杂和工作环境噪声等因素引起的诊断困难问题,提出了基于降噪自编码器和高斯深度信念网络的融合模型,来实现模拟电路的故障诊断。首先,降噪自编码器用于处理原始信号的噪声并学习低层特征;然后,深度信念网络基于所学习的低层特征来提取深层特征;最后将融合的深度特征融入softmax分类器中,对智能诊断模型进行训练。融合模型在模拟电路上进行了故障诊断实验,结果表明,所提方法具有优越的诊断性能。     

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。     

SAR雷达二维噪声卷积调制干扰研究

根据SAR雷达二维信号处理特点,提出一种新的SAR雷达二维干扰技术——二维噪声卷积调制干扰,即干扰机接收到SAR雷达信号后,用视频噪声信号对接收信号卷积调制后转发。阐述了噪声卷积调制干扰机理,建立了SAR雷达二维噪声卷积调制干扰模型,论证了干扰功率及干信比方面的优势,分析了相关干扰参数对干扰效果的影响。理论分析和仿真实验证明,该方法对SAR雷达具有明显的欺骗与压制干扰效果。     

基于卷积神经网络的无人机图像模糊类型识别

为了提高无人机图像模糊类型识别的准确率,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的无人机图像模糊类型识别方法。通过样本预处理策略对无人机模糊图像样本进行处理,提高了方法的识别效率,同时降低了错误率。提出一种适用于模糊图像灰度频谱图的卷积神经网络结构,并利用训练样本对网络进行训练,增强了网络结构的针对性,提高了训练模型的识别准确率。利用测试样本对训练的网络模型进行测试,验证方法的鲁棒性。实验结果表明,将卷积神经网络应用于图像模糊类型识别,取得了良好的效果,针对实验环境下的无人机运动、离焦和大气散射3种模糊图像类型的识别准确率较高,所提方法的鲁棒性强、实用价值大。     

稀疏平衡变分自动编码器的文本特征提取

针对文本特征提取方面的高维数据特征区分度较低、基于规则的特征学习的自学习性能差、变分自动编码器存在过度剪枝等问题,提出稀疏平衡变分自动编码器(Sparse Balanced Variational AutoEncoder,SBVAE)的文本特征提取模型.为消除噪声干扰,提高文本特征提取模型的鲁棒性,在文本特征提取的输入...     

基于空域相关滤波的雷达回波信号降噪方法

对雷达探测来说,如何有效地增强真实目标回波信号、提高信噪比水平是非常重要的。传统的降噪方法如平滑滤波、傅立叶降噪很难有效地降低与目标频谱相重叠的噪声。空域相关滤波算法是小波滤波算法中的一种,能够有效地解决这个问题。该算法是利用真实信号与噪声在尺度间的不同表现来实现的,能够在保留信号细节的同时,有效地降低噪声。仿真表明,该算法在雷达回波的降噪中取得了较好效果,有效地降低了噪声。     

一种图像去模糊正则化恢复算法参数确定方法

为了解决模糊正则化恢复算法中参数确定问题,提出一种正则化参数确定方法,该方法根据降质图像特征计算正则化参数.分析了目前普遍应用的全变分正则化方法和该问题的改进拉格朗日迭代解法(SALSA),分析不同正则化参数对恢复效果的影响,提出的正则化参数确定方法与噪声和原图像梯度大小相关.对不同梯度和噪声图像的不同正则化参数恢复效果进行对比,得到提出的正则化参数确定方法能使恢复图像的改进信噪比处于最大值附近.从实验视觉效果得出,该参数确定方法能够抑制降质图像的噪声并能够尽量恢复原图像细节信息.