针对现有的算法对于高密度脉冲噪声的去除缺乏有效性和鲁棒性, 难以有效地保持和恢复图像的边缘和细节结构, 提出了一种小波检测的二次迭代修剪均值滤波方法。方法充分利用脉冲噪声的特征以及小波阈值去噪图像的高度相关性, 根据灰度最值与小波阈值去噪图像进行噪声检测, 先后分别用3×3和5×5邻域的迭代修剪均值滤波对噪声像素进行恢复。实验结果显示, 相对于现有的最新提出的方法, 所提出的方法获得更高的PSNR和EPI值, 以及更好的视觉效果, 具有优越的去噪性能和更好的细节结构保持能力。

针对基于MEMS的姿态测量系统因为存在误差而导致姿态解算漂移的问题, 提出一种基于变步长动量梯度下降的姿态解算算法。该算法从传感器数据去噪和姿态解算两部分提高姿态解算精度。在传感器数据去噪方面, 为了工程实用, 降低微处理器计算量, 提出一种改进递推限幅均值滤波算法; 在姿态解算方面, 在梯度下降法的基础上设计自适应步长, 使用动量梯度优化每次迭代方向, 使得每次迭代后误差最小, 同时使用动态限幅滤波抑制角度振荡。静态和动态实验结果均表明了所提算法的有效性和优越性。

数字均值滤波器在高精度测温系统中可以有效降低噪声,提高信噪比,但也会造成信号的失真,引入不确定度,而采集到的温度信号一般为离散时间序列信号,现有的滤波器评价方法很难量化这种信号带来的失真。为了解决该问题,分析了温度缓变对象的温度变化特性,通过低噪声、高精度测量仪器采集被测物的典型温度信号序列,并由此构建数字均值滤波器的输入序列,从而得到该滤波器在当前输入信号模型下的不确定度,建立了一套评价数字均值滤波器在高精度测温系统中所引入不确定度的方法。对温度稳定条件下的黑体进行测温实验,得到了该黑体的温度波动范围为(30.874±0.002)℃,其温度变化率服从正态分布函数,验证了本文建立的温度特性模型的正确性。使用Fluke 1595A测温仪采集典型温度序列,对数字均值滤波器进行了不确定度分析,得到了在不同采样间隔时间、不同滤波器长度条件下,均值滤波器所引入的不确定度。基本解决了数字均值滤波器在高精度测温系统中引入不确定度难以评估的问题。

针对红外弱目标跟踪问题, 提出箱粒子标签多伯努利多目标检测与跟踪(Box Particle Labeled Multi-Bernoulli Detection And Tracking, BOX-LMB-DT)算法, 该算法首先通过使用均值滤波对获得的灰度图像进行降噪处理; 其次, 通过将所有像素处依强度大小进行排序, 选出强度较大的区域作为当前时刻的区间量测; 最后利用箱粒子标签多伯努利滤波(Box-Labeled Multi-Bernoulli Filter, Box-LMB)器对目标进行跟踪.仿真结果表明, 所提箱粒子标签多伯努利多目标检测与跟踪算法能够对多目标的航迹和状态进行稳定有效的跟踪, 且在相同条件下, 相较于区间量测下的LMB粒子滤波, 达到相同的跟踪性能时BOX-LMB滤波运算效率提升了22.59%.

对红外焦平面阵列成像系统而言, 基于场景的非均匀校正技术是处理固定图案噪声的关键技术。现有的非均匀校正算法主要被收敛速度和鬼像问题所限制。提出一种新的基于恒定统计算法的自适应场景非均匀校正技术。利用红外图像序列的时域统计信息结合提出的α修正均值滤波来估计探测器的参数, 通过减少样本的渐进方差估计, 完成成像系统的非均匀性校正。通过模拟和真实的非均匀性图像对算法的性能进行评价。实验结果表明, 在继承恒定统计算法快速收敛的同时, 图像峰值信噪比较恒定校正法及常系数α校正算法分别有445%和329%的提升, 图像鬼像问题有明显改善。

高光谱影像中波段数过多易导致“维数灾难”，而传统高光谱影像维数约简算法仅利用光谱特征而忽略了空间信息.针对上述问题，提出一种融合加权均值滤波与流形重构保持嵌入的维数约简算法.该方法利用影像中地物分布的空间一致性特点，对所有像素进行加权均值滤波，消除同类光谱差异性较大的像素影响，并在流形重构过程中增大空间近邻点的权重,提取出更为有效的鉴别特征，实现维数约简.在PaviaU和Urban高光谱数据集上的实验结果表明：相比于其它相关方法，该方法能获得更高的分类准确度，在分别随机选取5%和1%的训练样本情况下，其总体分类准确度分别提高到98.76%和80.21%.该方法在发现内在低维流形结构的同时，有效融入了影像中的空间信息，改善了分类性能.

为了保证工业机器人磨抛的加工质量，利用激光扫描技术对机器人夹持工件的形状误差以及装夹误差进行测量和评估，包括点云数据的获取和去噪。采用条纹式激光扫描仪配合直线匀速运动对机器人末端夹持工件进行扫描，通过调节测量和运动参数，获取近似网格点云。为了去除点云中存在的大尺度噪点，在K近邻均值滤波（KNNMF）算法基础上，提出了基于局部均值的K近邻均值滤波（LMKMF）算法对偏大的数据点进行局部预先滤波，并建立相关数学模型。以峰值信噪比作为评价标准，以实际测量点云样本为测试对象进行去噪测试。结果表明，相比标准的KNNMF算法，结合LMKMF预先滤波的KNNMF算法在30%噪点密度下去噪能力提升了53.78%，证实了其在高密度噪点下具有更好的去噪能力和特征保持能力。

为了更好地滤除图像中脉冲噪声和高斯噪声组成的混合噪声, 提出了一种基于非局部均值和Small Univalue Segment Assimilating Nucleus(SUSAN)算子的混合噪声滤除方法.该方法首先根据脉冲噪声点与角点之间吸收核同值区形状特征的不同, 采用SUSAN算子检测出大量的特征点, 特征点主要是脉冲噪声点, 也可能含有小部分角点.将特征点进行排序, 出现频次最高两位的点为脉冲噪声点.然后采用改进的均值滤波法计算脉冲噪声点邻域中非脉冲噪声点的均值, 以此替换脉冲噪声点灰度值.最后针对已滤除脉冲噪声的图像, 采用考虑了图像块信息的非局部均值方法滤除剩余的高斯噪声.去噪实验结果表明: 与自适应中值和加权均值结合的方法、中值滤波与小波结合的方法、脉冲耦合神经网络与中值滤波结合的方法相比, 本文方法主观视觉效果更好, 能够更好地保留图像中的边缘细节, 客观评价指标峰值信噪比有较大的提高, 滤除混合噪声的优势明显.

为了有效抑制红外图像中的随机噪声, 采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解, 然后对获得的低频和高频分解系数再次实现提升小波变换, 舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理, 在此基础上实现小波系数重构。为了改善滤波后图像视觉效果, 再引入直方图均衡化算法进行处理。通过理论分析和实验验证, 获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明, 该滤算法对于高质量地去除红外图像中的噪声是有帮助的。

针对海面红外图像中出现的海面杂波和孤立噪声点的问题,采用了一种将空间域的滤波结果在时间域进行二次滤波的方法,实时地检测海面图像中的小目标.在空间域上,根据海面杂波具有一定方向性的特点,设计了 4种方向的结构元素分别进行形态学运算来抑制海面杂波,再使用均值融合准则进行融合.在时间域上,利用目标在帧间的运动具有连续性而噪声点不具有该性质的特点,采用均值加权滤波的方法来滤除孤立噪声点,最后使用自适应门限分割检测出小目标.实验结果表明,本文算法在复杂海面环境下,能有效地抑制海面杂波和孤立噪声点的影响,减小虚警率,是一种有效的海面小目标检测方法.