基于匹配滤波的静态红外地平仪信息处理方法

基于匹配滤波的静态红外地平仪信息处理方法（精选3篇）

篇1：基于匹配滤波的静态红外地平仪信息处理方法

基于准十字窗口的中值滤波法在红外图像处理中的应用

中值滤波法是图像处理中一种非线性滤波技术,可对图像中的噪声进行有效的抑制,成为空域平滑的重要手段.针对中值滤波法的不足,提出一种基于准十字窗口的`中值滤波方法.给出了抑制噪声、对图像边界最大保留的计算方法和运算步骤.并将其用于某型飞机实际红外图像处理实践,利用空间噪声曲线对该方法进行了验证.实践证明了其方法具有简单有效、易于编程实现、迭代性好、计算速度快的特点.

作 者：张文攀 吴军辉 朱震 李华 王强 ZHANG Wen-pan WU Jun-hui ZHU Zhen LI Hua WANG Qiang 作者单位：张文攀,ZHANG Wen-pan(国防科技大学光电科学与工程学院,湖南,长沙,410073;中国人民解放军63892部队,河南,洛阳,471003)

吴军辉,朱震,李华,WU Jun-hui,ZHU Zhen,LI Hua(中国人民解放军63892部队,河南,洛阳,471003)

王强,WANG Qiang(中国人民解放军61081部队,北京,100094)

刊 名：电光与控制 ISTIC PKU英文刊名：ELECTRONICS OPTICS & CONTROL年，卷(期)：13(1)分类号：V271.4 TP391关键词：图像处理 准十字窗口 中值滤波 红外图像 噪声

篇2：基于匹配滤波的静态红外地平仪信息处理方法

关键词：m序列,突发同步,匹配滤波,频偏预校正

0 引言

m序列是由带线性反馈的移位寄存器产生的周期最长的一种序列,m序列的自相关函数只有2种取值(1或-1/m,m为序列周期)[1],这种双值自相关特性适于作为突发通信的同步头。数字匹配滤波器主要由移位寄存器、乘法器和加法器组成,采样信号依次移入移位寄存器后与本地倒序排列的m序列作为抽头进行逐位相乘后求和得到相关值。每移入一个采样值,匹配滤波器输出的相关值更新一次,当且仅当接收的同步头与本地m序列对齐时,匹配滤波器输出一个相关峰,对匹配滤波输出相关峰进行门限判据可以得到突发通信的起始时刻。

1 同步方法分析

1.1 正交下变频

假设用模拟方法实现窄带信号正交变换[2],设2个本振信号的正交误差Δφ=0,即2个本振信号分别为$\cos \left(\omega {}_{0}t\right)$和$-\sin \left(\omega {}_{0}t\right)$,设输入信号为:

$r(t)=\sqrt{2{\rm P}}m\left(t\right)\cos (\omega {}_{\text{c}}t+\theta )+n(t)$。 (1)

式中,P为接收信号功率;$m\left(t\right)$为m序列同步头其取值+1或-1;ωc为载波频率;θ为相对于本振信号的初始相位;$n\left(t\right)$为方差为σ2的加性窄带高斯噪声。

输入信号$r\left(t\right)$经过正交混频和低通滤波后,I、Q支路输出信号分别为:

${\rm I}(t)=\sqrt{{\rm P}/2}m\left(t\right)\cos (\text{Δ}\omega t+\theta )+n{}_{\text{Ι}}(t)$。 (2)

$Q(t)=\sqrt{{\rm P}/2}m\left(t\right)\sin (\text{Δ}\omega t+\theta )+n{}_{\text{Q}}(t)$。 (3)

式中,Δω=ωc-ω0为输入信号载波频率和本振信号频率之差;$n{}_{\text{Ι}}\left(t\right)$、$n{}_{\text{Q}}\left(t\right)$为I、Q输出支路的噪声,根据正弦波加窄带高斯过程的特性[1],其方差均为σ2/4。

1.2 采样数字化

假设每位对应一个样点,式(2)和式(3)采样后信号可以表示为:

${\rm I}(k)=\sqrt{{\rm P}/2}m\left(k\right)\cos (\text{Δ}\omega k{\rm T}{}_{\text{b}}+\theta )+n{}_{\text{Ι}}(k)$, (4)

$Q(k)=\sqrt{{\rm P}/2}m\left(k\right)\sin (\text{Δ}\omega k{\rm T}{}_{\text{b}}+\theta )+n{}_{\text{Q}}(k)$。 (5)

式中,${\rm I}\left(k\right)$、$Q\left(k\right)$、$m\left(k\right)$、$n{}_{\text{Ι}}\left(k\right)$、$n{}_{\text{Q}}\left(k\right)$分别表示其对应模拟信号在kTb时刻的采样值。

1.3 匹配滤波

匹配滤波器原理图如图1所示。I、Q支路分别移入移位寄存器阵列,与本地取值为+1和-1的匹配权值逐位相乘,累加后I、Q支路进行求模运算。

不考虑输入噪声,若输入第k个样点时同步头与本地序列对齐时,经匹配运算后I、Q支路累加和分别为:

${\rm I}{}_{\text{S}\text{U}\text{Μ}}={\displaystyle \sum _{i=1}^{{\rm N}}\sqrt{{\rm P}/2}}\cos \left[\text{Δ}\omega \left(k-{\rm N}+i\right)k+\theta \right]$, (6)

$Q{}_{\text{S}\text{U}\text{Μ}}={\displaystyle \sum _{i=1}^{{\rm N}}\sqrt{{\rm P}/2}}\sin \left[\text{Δ}\omega \left(k-{\rm N}+i\right)k+\theta \right]$。 (7)

I、Q支路累加和进行求模运算作为匹配滤波器的输出为:

${\rm M}AG=\sqrt{({\rm I}{}_{\text{S}\text{U}\text{Μ}}^2+Q{}_{\text{S}\text{U}\text{Μ}}^2)}$。

若本振频率等于输入信号载波频率,即式(6)和式(7)中Δω=0,则

${\rm I}{}_{\text{S}\text{U}\text{Μ}}={\displaystyle \sum _{i=1}^{{\rm N}}\sqrt{{\rm P}/2}}\cos \theta ={\rm N}\sqrt{{\rm P}/2}\cos \theta$, (8)

$Q{}_{\text{S}\text{U}\text{Μ}}={\displaystyle \sum _{i=1}^{{\rm N}}\sqrt{{\rm P}/2}}\sin \theta ={\rm N}\sqrt{{\rm P}/2}\sin \theta$, (9)

$A=\sqrt{({\rm I}{}_{SU{\rm M}}^2+Q{}_{SU{\rm M}}^2)}={\rm N}\sqrt{2{\rm P}}$。

2 频偏对匹配滤波的影响

若本振频率不等于输入信号载波频率,频偏造成的功率损失因子为[3]:

$D(\text{Δ}f)=\left[\frac{\sin \left(\text{π}{\rm N}\text{Δ}f{\rm T}{}_{\text{b}}\right)}{\text{π}{\rm N}\text{Δ}f{\rm T}{}_{\text{b}}}\right]{}^2$。 (10)

式中,N为同步头长度;$\text{Δ}f=\frac{\text{Δ}\omega }{2\text{π}}$;Tb为信息比特传输时间。NΔfTb与功率损失因子及以分贝(dB)形式表示的对应关系如表1所示。

由表1可以看出,当频偏较大时需进行频偏校正。

3 频偏预校正方法

频偏预校正方法如图2所示。

设带频偏的I、Q支路数据分别如式(4)和式(5)所示,若频率校正值为ωm,频率校正算法如下:

${\rm I}{}_m\left(k\right)={\rm I}\left(k\right)\cos \left(\omega {}_{m}k{\rm T}{}_{\text{b}}\right)-Q\left(k\right)\sin \left(\omega {}_{m}k{\rm T}{}_{\text{b}}\right)$,

$Q{}_m\left(k\right)={\rm I}\left(k\right)\sin \left(\omega {}_{m}k{\rm T}{}_{\text{b}}\right)+Q\left(k\right)\cos \left(\omega {}_{m}k{\rm T}{}_{\text{b}}\right)$。

将式(4)和式(5)带入上式,不考虑噪声,校正后I、Q支路数据为:

${\rm I}{}_m(k)=\sqrt{{\rm P}/2}m\left(k\right)\cos \left[\left(\text{Δ}\omega +\omega {}_m\right)k{\rm T}{}_{\text{b}}+\theta \right]$, (11)

$Q{}_m(k)=\sqrt{{\rm P}/2}m\left(k\right)\sin \left[\left(\text{Δ}\omega +\omega {}_m\right)k{\rm T}{}_{\text{b}}+\theta \right]$。 (12)

对比式(4)、式(5)和式(11)、式(12)可以看出,若$\left|\text{Δ}\omega +\omega {}_m\right|<\left|\text{Δ}\omega \right|$,则进行频率校正后输出数据频偏减小,若Δω+ωm=0则输出数据无频偏。

设输入信号频偏的最大绝对值为Δωmax,则频偏在-Δωmax～Δωmax内,将频偏范围等分成K段,则每段范围为$\frac{2\text{Δ}\omega {}_{\max }}{{\rm K}}$,每段频偏的中心值为:

$\text{Δ}\omega {}_{\text{c}\text{e}\text{n}}(n)=-\text{Δ}\omega {}_{\max }-\frac{\text{Δ}\omega {}_{\max }}{{\rm K}}+\frac{2n\text{Δ}\omega {}_{\max }}{{\rm K}}$=

$\left(\frac{2n-{\rm K}-1}{{\rm K}}\right)\text{Δ}\omega {}_{\max }$。

式中,n=1,2,…,K。

若K个频率校正值分别为ωm(n)=Δωcen(n),则不管接收信号频偏落入哪一段,总有一个支路可以将其校正到$-\frac{\Delta \omega {}_{\max }}{{\rm K}}$～$\frac{\Delta \omega {}_{\max }}{{\rm K}}$,保证匹配滤波功率损失小于一定值。

4 同步性能分析

4.1 频偏未校正匹配滤波同步性能

用匹配滤波方法进行同步时,I、Q支路进行累加后有用信号如式(8)和式(9)所示。另外,根据式(1)、式(2)和式(3),若输入信号噪声方差为σ2,则I、Q支路样值噪声独立,且方差均为σ2/4,I、Q支路进行累加后两支路方差均为Nσ2/4。

考虑噪声的情况下,ISUM和QSUM是统计独立高斯随机变量,其均值分别为:

$m{}_1={\rm N}\sqrt{{\rm P}/2}\cos \theta ‚m{}_2={\rm N}\sqrt{{\rm P}/2}\sin \theta$。

且方差均为σ12=Nσ2/4,设

$s=\sqrt{m{}_1{}^2+m{}_2{}^2}$。 (13)

考虑噪声的匹配滤波器输出表示为:

$R=\sqrt{({\rm I}{}_{\text{S}\text{U}\text{Μ}}^2+Q{}_{\text{S}\text{U}\text{Μ}}^2)。}$

则R的概率密度函数(PDF)服从赖斯(Rice)分布[4]。

$p{}_R\left(r\right)=\frac{r}{\sigma {}_1^2}\exp \left[-\frac{1}{2\sigma {}_1^2}\left(r{}^2+s{}^2\right)\right]{\rm I}{}_0\left(\frac{rs}{\sigma {}_1^2}\right)$。

式中,r≥0。

R的累积分布函数(CDF)为:

$F{}_R\left(r\right)=1-Q{}_1\left(\frac{s}{\sigma {}_1},\frac{r}{\sigma {}_1}\right)$。

式中,r≥0,$Q{}_1\left(a,b\right)$为广义马库姆(Marcum’s)Q函数。

当判据门限为T时,漏同步概率为匹配滤波器输出值小于T的概率,即

${\rm P}{}_1=F{}_R\left({\rm T}\right)$。

当无输入信号时,I、Q支路匹配滤波器输出为2路零均值且统计独立的高斯随机变量,每个变量的方差为σ12=Nσ2/4,则匹配滤波器输出R的概率密度函数(PDF)服从瑞利(Rayleigh)分布:

$p{}_R\left(r\right)=\frac{r}{\sigma {}_1{}^2}\exp \left[-\frac{r{}^2}{2\sigma {}_1{}^2}\right]‚r\ge 0$。

R的累积分布函数(CDF)为:

$F{}_R\left(r\right)=1-\exp \left[-\frac{r{}^2}{2\sigma {}_1{}^2}\right],r\ge 0$。

若判据门限为T,则假同步概率为匹配滤波器输出值大于T的概率,即

${\rm P}{}_2=1-F{}_R\left({\rm T}\right)$。

考虑频偏对匹配滤波器输出影响,式(13)可以用式(10)进行修正,即

$s=\sqrt{D\left(\text{Δ}f\right)\left(m{}_1^2+m{}_2^2\right)。}$

噪声功率与无频偏时相同,因此,有频偏时其他指标计算方法与无频偏时相同。

4.2 频偏预校正匹配滤波同步性能

进行频偏预校正后,假设K个并行支路漏同步概率分别为P11,P12…P1K,则总的漏同步概率为:

${\rm P}{}_{1^{\prime }}={\displaystyle \prod _{n=1}^{{\rm K}}{\rm P}}{}_{1n}$。

由于K个并行支路噪声相互独立,且噪声方差相同,因此,每个支路假同步概率相同。设一个支路假同步概率为P2,则总的假同步概率为:

${\rm P}{}_{2^{\prime }}=1-\left(1-{\rm P}{}_2\right){}^{{\rm K}}$

4.3 无频偏解调后同步性能

设系统采用二差分移相键控(2DPSK)差分相干检测,则系统的误码率Pe为:[1]

${\rm P}{}_{\text{e}}=\frac{1}{2}\text{e}{}^{-r}$。

式中,r为信噪比。

设Pe为码元错误概率,n为同步码组的码元数,m为判决器容许码组中的错误码元最大数,漏同步概率为:

${\rm P}{}_1=1-{\displaystyle \sum _{r=0}^{m}C}{}_n^r{\rm P}{}_{\text{e}}^r(1-{\rm P}{}_{\text{e}}){}^{n-r}$。

假同步概率为:

${\rm P}{}_2=2{}^{-n}{\displaystyle \sum _{r=0}^{m}C}{}_n^r$。

5 建模仿真分析

假设系统采用63位的m序列作为同步头,采用DBPSK调制方式,接收信号信噪比为0 dB,信息速率1.44 Mbps,载波频偏10 kHz,对频偏预校正、频偏未校正、解调后同步3种方法的进行仿真,结果如图3和图4所示。

由图3可以看出,选择适中的判决门限时频偏预校正同步方法的漏同步概率远低于其他2种方法,其假同步概率略高于频偏未校正同步方法,但远低于解调后同步方法。

由表2可以看出,频偏预校正同步方法的综合同步性能优于解调后同步方法和频偏未校正同步方法。

6 结束语

选择m序列作为突发通信的同步头并采用频偏预校正匹配滤波的方法进行同步,综合利用了m序列双值自相关特性、匹配滤波抗噪声特性的优点,并弥补了匹配滤波方法抗频偏性能较差的不足,可以在低信噪比和较大频偏的条件下获得很好的同步性能。

参考文献

[1]樊昌信,詹道庸,徐炳祥,等.通信原理[M].北京:国防工业出版社,1995.

[2]杨小牛,楼才义,徐建良.软件无线电原理与应用[M].北京:电子工业出版社,2001.

[3]VITERBI A J.Principles of Coherent Communications[M].NewYork:McGraw-hill,1966.

[4]PROAKIS J G.数字通信[M].北京:电子工业出版社,2003.

[5]王缚鹏,陈锡春.一种高动态短突发信号伪码快速捕获方法[J].无线电工程,2008,38(4):25-27.

篇3：基于匹配滤波的静态红外地平仪信息处理方法

关键词：农业视觉图像；图像噪声；噪声检测；滤波窗口；改进均值滤波

中图分类号： S126；TN911.73 文献标志码： A 文章编号：1002-1302（2014）04-0361-02

收稿日期：2013-09-01

作者简介：杨青（1983—），女，上海人，硕士，讲师，主要从事园林和高职教学研究。Tel：（021）58786389；E-mail：greensheep9@163.com。现代农业的深入发展为机器识别技术在农业领域的广泛应用提供了广阔空间。通过对农产品的外形、轮廓等信息的准确识别，可为农产品病虫害自动化监测及成熟果实采摘提供准确信息。但是由于气候、光照等成像因素的限制，使得所获取的图像不可避免地存在一定程度的失真，从而制约了机器视觉技术在农业领域的应用。对此，学者们也做了大量研究，主要集中在农产品图像的边缘检测[1]、图像增强[2]、图像分割[3]等领域，但是关于农产品视觉图像的视觉改善研究特别是对于图像中时常出现的噪声抑制的研究较少。在现实情况下，成像环境、成像设备以及电路等因素使得农业视觉影像在获取、传输、存储等环节中不可避免地受到各类噪声特别是脉冲噪声的干扰。这导致后续农业视觉图像的分析处理中出现大量的误判。针对图像噪声的滤波处理主要有小波變换[4]、中值滤波及其各类改进算法[5-6]、均值滤波及改进算法[7-8]、多尺度集合变换去噪[9]等。本研究提出了一种基于噪声检测的多方向均值滤波算法（improved multiple directions weighted mean filtering algorithm，IMDWMF），本算法首先对含有噪声的遥感影像噪声进行2次检测，然后有针对性地设计了3种尺度的8方向滤波窗口，最后实现对噪声的加权滤波。

1算法原理

1.1噪声有效检测策略

对农业视觉图像噪声的分布区域及密度进行有效检测，在此基础上进行有针对性的滤波，从而大大避免了经典滤波方法的盲目性。近年来学者们对此进行了大量研究，先通过对噪声点周围一定大小区域内的各像素点灰度值进行检测，然后根据检测结果判定极值点，从而实现对噪声点的滤除。本研究借鉴这一思路，将噪声检测分为粗检测和精细检测2个步骤，并设一幅大小为M×N的图像在任意点（x，y）处的灰度值为F（x，y）。

3总结

本研究以椒盐噪声为模型，针对农业视觉图像中存在的噪声进行了滤波算法研究，提出了一种基于噪声检测的多方向加权均值滤波算法。试验结果表明，本算法具有较优的噪声滤波性能。

参考文献：

[1]周胜灵，丁珠玉. 基于DM642的农产品图像边缘检测系统设计[J]. 农机化研究，2012（3）：102-105.

[2]李志臣，陈南，安秋. 基于二维熵的农业图像目标分割[J]. 东北农业大学学报，2010，41（4）：130-132.

[3]石永华，王波，王阿珍，等. 基于Contourlet变换的农业图像增强方法研究[J]. 安徽农业科学，2011，39（30）：18985-18986，19007.

[4]刘艳霞，董蓓蓓，刘钰，等. 基于小波阈值的医学图像去噪研究[J]. 电视技术，2012，36（19）：183-185.

[5]黄宝贵，卢振泰，马春梅，等. 改进的自适应中值滤波算法[J]. 计算机应用，2011，31（7）：1835-1837，1883.

[6]孙树亮，王守觉. 一种基于改进的极值中值滤波算法[J]. 计算机科学，2009，36（6）：165-166.

[7]郭明，朱敏，周晓东. 去除椒盐噪声的非对称有向窗加权均值滤波[J]. 激光与红外，2011，41（11）：1267-1272.

[8]易子麟，尹东，胡安洲，等. 基于非局部均值滤波的 SAR 图像去噪[J]. 电子与信息学报，2012，34（4）：950-956.