车辆与行人检测及图像去噪算法研究

# 车辆与行人检测及图像去噪算法研究 ## 一、基于Sigmoid的车辆与行人检测 在车辆和行人检测领域，研究人员致力于寻找能够提升现有障碍物检测和分类性能的方法。通过利用深度学习模型中激活函数的思想，对局部区域进行编码，考虑中心特征与相邻特征之间的关系。同时，提出了一种新的方法，将RGB特征与基于Sigmoid的激活函数特征相结合，且无需使用预定义的阈值来确定每个特征对最终模型的贡献程度。 ### 1.1 方法优势与不足 与YOLOv5相比，基于Sigmoid的函数在车辆和行人检测方面表现出更稳定的性能。然而，该方法也存在一定的局限性，有时会在汽车和摩托车的检测结果上产生混淆。 ### 1.2 性能验证 通过对基于Sigmoid特征的性能验证发现，在异常驾驶条件下，该模型的性能优于其他对比方法。但由于需要进行局部编码，基于Sigmoid特征的处理时间仍然较高，后续计划寻找解决方案来加快处理速度。 ## 二、动态自适应切换中值均值滤波器去除高密度椒盐噪声 ### 2.1 研究背景 在图像传输过程中，图像常常受到各种噪声的干扰，其中椒盐噪声是一种常见的脉冲噪声。现有的滤波方法在去除椒盐噪声时，要么过于复杂冗长，要么在准确性上存在不足。因此，研究人员提出了一种新型的动态自适应切换中值均值滤波器（DASBMMF）来解决高噪声密度下的椒盐噪声去除问题。 ### 2.2 现有滤波方法分析 - **加权中值滤波器（WMF）和中心加权中值滤波器（CWMF）**：通过在滤波窗口中对某些选定像素赋予更多权重，比普通中值滤波器能保护更多细节，但在处理时不考虑当前像素是否无噪声，统一应用于整个图像。 - **自适应中值滤波器（AMF）**：在低和中等噪声密度水平下表现尚可，但在高噪声密度时，替换受损像素的数量大幅增加，扩大窗口大小虽能提高去噪效果，但会导致原始像素值与替换的中值像素值相关性降低，边缘模糊。 - **自适应中心加权中值滤波器（ACWMF）**：用于去除高密度脉冲噪声，需要对盐和胡椒以及随机值脉冲噪声类型进行边缘优化。 - **渐进切换中值滤波器（PSMF）**：性能高效，但实现过程繁琐且计算难度大。 - **其他滤波技术**：如噪声自适应软切换中值滤波器（NASM）、鲁棒估计基滤波器（REBF）、修改决策非对称修剪中值滤波器（MDBUTMF）、自适应最小 - 最大值加权中值滤波器（AMMWM）、重要性驱动逆距离加权滤波器（SDIDW）、自适应加权最小 - 中 - 最大值滤波器（AWM3F）和混合决策滤波（HBDF）等，各有优缺点，但在高噪声密度下仍存在一些问题。 ### 2.3 提出的滤波器算法 #### 2.3.1 算法步骤 该算法分为两个阶段： - **噪声检测阶段**：生成一个标志掩码覆盖图像，如果滑动窗口的中间像素（$X_{ij}$）为0或255（最大或脉冲值），则认为该像素有噪声，标志$F_{i,j}=0$；如果无噪声（$F_{i,j}=1$），则移动到下一个像素。为了使滑动窗口能完美适配图像的每个像素，需要对图像进行填充。 - **滤波阶段**：初始窗口大小为3×3。如果窗口内周围健康像素的数量大于0，则取所有这些健康像素的中值。如果窗口内没有无噪声像素，则将窗口大小从3×3增加到5×5，重复上述步骤，直到达到7×7的阈值窗口大小。当达到阈值窗口大小且仍没有无噪声像素时，根据像素的位置采用不同的处理方式： - 如果像素位于图像的最后一行或列，取上一个已处理的可用像素替换该噪声像素。 - 如果像素位于第一行或最后一行（$i = 1$或$i = N$），用其左侧已处理的像素替换。 - 如果像素位于第一列或最后一列（$j = 1$或$j = N$），用其上方已处理的像素替换。 - 如果噪声像素不在角落，则取一个3×3窗口内该像素之前已处理像素的均值进行去噪。 #### 2.3.2 伪代码实现 ```plaintext Algorithm 1 Proposed filter (Img, Out Img) Input Img: Input Image Output Out Img: Output Image for each pixel Xi, j of Img do Set flag ( fi, j) value to 1, if non - noisy else to 0. if fi, j == 1 then Pi, j ← Xi, j; else for n from Wmin to Wmax ▷ Wmin = 3, Wmax = 7 if (non - noisy pixel > 0 in wn×n) then Pi, j ← median(non - noisy pixel); else n = n + 2; end if if n == 7 && non - noisy pixel = 0 in wn×n then if (i == pad + 1 || i == row + pad && j > pad + 1) then Pi, j ← Pi, j−1; else if (j == pad + 1 || j == col + pad && i > pad + 1) then ```