基于粒子群优化算法(PSO)确定参数的脉冲欧和神经网络滤波方法。利用粒子群优化算法(PSO)确定pcnn图像滤波参数,对图像进行滤波(Based on Particle Swarm Optimization (PSO) to determine the parameters of the pulse in Europe and neural network filtering method. The use of particle swarm optimization (PSO) to determine PCNN parameters of image filtering, image filtering)
2021-12-27 20:06:35 1KB PSO
:针对中值滤波效果随滤波窗13大小和噪声密度而显著变化的不足,提出了将噪声检测和噪声滤除窗13相 分离的方法,采用大窗口检测噪声和小窗口滤除噪声的策略、自适应脉冲噪声滤除策略以提高图象滤波性能。实 验表明,该方法在噪声检测的准确性和噪声滤除的有效性方面均有极大提高,并且对不同密度的椒盐噪声都具有 很好的滤波性能。
1
针对粒子滤波方法存在粒子贫乏以及初始状态未知时需要大量粒子才能进行鲁棒状态预估等问题,将粒子群优化思想引入粒子滤波中.该方法将最新观测值融合到采样过程中,并对采样过程利用粒子群优化算法进行优化.通过优化,可使粒子集朝后验概率密度分布取值较大的区域运动,从而克服了粒子贫乏问题,并极大地降低了精确预估所需的粒子数.实验结果表明,该算法具有较高的预估精度和较好的鲁棒性.
1
通过STM8S003单片机ADC采样,将采样的数据经过10种不同的滤波方法滤波,然后将滤波后的数据通过串口发送出来,比较10种滤波方法的差异。
2021-12-01 16:10:09 878KB STM8 ADC 采样 滤波
1
首先对伪中值滤波算法进行了改进:噪声检测过程融入像素点灰度值、几何距离等因素,实现噪声点从图像像素点中的逐步分离;采用加权滤波的方法滤除噪声。其次对改进非局部均值滤波算法的先验信息获取方法进行了改进:对噪声图像进行提升小波变换,采用一种新型阈值函数选择低频分解系数,对高于阈值的系数进行重构得到参考图像,计算参考图像的相似度权值并将其作为改进非局部均值滤波算法的先验信息。最后基于2种改进算法提出了一种红外图像滤波方法,即依次采用改进伪中值滤波算法和基于先验信息的改进非局部均值滤波算法对红外图像进行滤波处理,然后将其与参考图像进行融合,以修正被过度滤波的图像。实验结果表明,该方法针对高密度噪声的红外图像有较好的滤波效果。
1
常用的软件滤波方法,带程序 1、限幅滤波法(程序判断滤波法) 2、中位值滤波法 3、算术平均滤波法 4、递推平均滤波法(滑动平均滤波法) 5、中位值平均滤波法(防脉冲干扰平均滤波法) 6、限幅平均滤波法 7、一阶滞后滤波法 8、加权递推平均滤波法 9、消抖滤波法 10、限幅消抖滤波法
2021-11-25 18:20:52 19KB 滤波算法 滤波方法
1
十一种滤波方法,加程序,希望能帮助大家。
2021-11-22 20:05:23 11KB 滤波法十一种
1
对图像进行高斯滤波,分别采用5*5经典模板,一维高斯滤波,二维高斯滤波
2021-11-12 22:20:50 285KB 高斯滤波
1
模糊C均值聚类算法(FCM)广泛用于彩色图像分割,但该算法存在需要预先指定聚类数目、计算量大、耗时长且易陷入局部最优等缺点。提出一种自适应快速模糊C均值彩色图像分割方法,该方法首先运用蚁群算法,自动获取初始聚类中心和聚类数目,然后使用基于梯度的分水岭算法对原始彩色图像进行预分割,得到一系列由色彩特征空间具有一致性的点构成的子集,最后对这些子集的中心进行模糊聚类。实验结果表明:由于子集数量远小于原始图像像素数目,使聚类样本数量显著减少,大大提高了聚类速度,同时在聚类中以特征距离代替欧式距离,增强了算法的鲁棒性。
2021-11-12 11:20:43 631KB 论文研究
1
共享一个实用的一维信号平滑滤波方法五点三次平滑滤波-x.dat test.jpg 各种循环次数下的结果图 clear all close all clc V1 = rand*700 200; subplot 231; plot; ylim; grid; y=mean5_3; subplot 232; plot; ylim; grid; y=mean5_3; subplot 233; plot; ylim; grid; y=mean5_3; subplot 234; plot; ylim; grid; y=mean5_3; subplot 235; plot; ylim; grid; y=mean5_3; subplot 236; plot; ylim; grid; %------------------------------------------------------------ function y = mean5_3 % x为被处理的数据 % m 为循环次数 n=length;   a=x;   for k=1: m      b = 4* a) -6*a -a) /70;      b = a) 27*a 12*a -8*a) /35;      for j=3:n-2        b = a) 12* a) 17*a) /35;      end      b = a) 27*a 12*a -8*a) /35;      b = 4* a) -6*a -a) /70;      a=b;   end   y =a;
2021-11-04 19:23:00 124KB matlab
1