图像预处理的滤波算法研究
图像处理系统的设计与实现
图像处理系统的设计与实现一、引言随着科学技术的不断进步，图像处理技术得到了广泛的应用，涵盖了领域众多。
比如医学影像、无人驾驶、智能安防等领域都离不开图像处理技术的支持。
图像处理系统是针对图像信息进行处理和分析的系统，其设计与实现的高效与稳定对应用场景的实现至关重要。
本文将探讨图像处理系统的设计与实现，包括系统架构设计、关键功能模块和算法选择等方面。
二、系统架构设计1.需求分析：在设计图像处理系统之前，首先需要明确系统的应用场景和具体需求。
系统要处理的图像类型、处理的精度要求、处理的速度要求等。
根据不同的需求，系统的架构设计也会有所不同。
2.架构设计：在进行系统架构设计时，可以采用分层架构设计的方式。
通常可以分为应用层、处理层和底层三层架构。
应用层负责用户交互与业务逻辑处理，处理层负责图像处理算法的实现，底层负责图像数据的读取与存储。
3.性能考虑：在进行系统架构设计时，需要充分考虑系统的性能要求。
在处理大规模图像数据时，需要考虑系统的并发能力、响应速度等。
三、关键功能模块1.图像采集模块：图像采集模块是系统的基础模块，负责接收外部输入的图像数据。
通常可以与摄像头、扫描仪等设备进行对接。
2.图像预处理模块：图像预处理模块可以对输入图像进行预处理，包括图像去噪、图像增强、图像分割等操作。
预处理能够提高后续处理的效果。
3.特征提取模块：特征提取模块是系统的核心模块，负责从图像中提取出有价值的特征信息。
可以提取出图像的边缘信息、纹理信息等。
4.图像识别模块：图像识别模块是系统的重要功能模块，负责对图像进行识别和分类。
可以采用机器学习、深度学习等技术实现。
5.结果展示模块：结果展示模块负责将处理后的图像结果展示给用户，可以采用图像显示、图像打印等方式。
四、算法选择1.滤波算法：滤波算法是图像预处理中常用的算法，可以移除图像中的噪声、增强图像的信息等。
常用的滤波算法包括均值滤波、中值滤波、高斯滤波等。
2.特征提取算法：特征提取算法是图像识别中的关键算法，可以从图像中提取出有价值的特征信息。
butterworth 带通滤波算法
一、概述butterworth 带通滤波算法是数字信号处理领域中常用的一种滤波算法。
它能够在频域中根据指定的频率范围实现信号的有效滤波，广泛应用于音频处理、图像处理、通信系统等领域。
本文将以butterworth 带通滤波算法为主题，对其原理、特点、应用等进行深入探讨。
二、butterworth 带通滤波算法原理butterworth 带通滤波算法是基于butterworth 滤波器设计原理而来。
其核心思想是通过在频域中对信号进行滤波，滤除或弱化指定频率范围内的信号成分。
与离散时间傅里叶变换（DFT）结合使用，可以实现对特定频率范围内信号的滤波。
其具体原理包括以下几个方面：1. butterworth 滤波器设计原理：butterworth 滤波器是一种对幅频响应关于频率的幅度平方响应是以角频率ω为自变量的有理函数的滤波器。
这种滤波器具有平滑的频率响应曲线，能够有效地滤除指定频率范围内的信号成分。
2. 连续时间滤波器与离散时间滤波器的转换：对于离散时间信号，需要将其转换为频域信号进行滤波。
这涉及到使用离散时间傅里叶变换将信号转换到频域，然后应用butterworth 滤波器对其进行滤波处理。
3. 滤波器参数设计：在应用butterworth 滤波器时，需要确定滤波器的阶数、截止频率等参数。
这些参数的选择将直接影响滤波效果。
三、butterworth 带通滤波算法特点butterworth 带通滤波算法具有以下几个显著特点：1. 平滑的频率响应曲线：与其他滤波算法相比，butterworth 带通滤波器具有较为平滑的频率响应曲线。
这使得其在滤波过程中不会引入明显的幅频响应波动，能够实现较为稳定的滤波效果。
2. 简单的滤波器结构：butterworth 带通滤波器的滤波器结构简单，参数调节相对容易。
这使得其在实际应用中具有较高的灵活性和可操作性。
3. 易于实现：基于butterworth 滤波器设计原理，butterworth 带通滤波算法在实现上相对简单。
数据处理中的图像和音频数据处理方法(四)
数据处理中的图像和音频数据处理方法在当今信息时代，数据处理成为了各行各业都难以回避的任务。
而图像和音频数据作为常见的非结构化数据，也需要采用特定的方法进行处理。
本文将探讨图像和音频数据处理的方法，其应用范围和技术难点。
一、图像数据处理方法1. 图像预处理图像预处理是指在进行其他图像处理操作之前，先对图像进行一定的预处理，以消除噪声、增强图像质量和准确性。
常见的图像预处理方法包括图像去噪、图像增强和图像平滑等。
图像去噪可以通过滤波算法实现，如中值滤波、均值滤波和高斯滤波等。
图像增强可以通过直方图均衡化、灰度拉伸和锐化等方法实现。
图像平滑则是通过滤波器对图像进行模糊处理，以减少噪声和细节。
2. 图像特征提取与分类图像特征提取是指从图像数据中提取出有用的特征信息，用于后续的分类和识别任务。
常见的图像特征包括颜色、形状、纹理和边缘等。
颜色特征可以通过颜色直方图或颜色矩来表示。
形状特征可以使用边界描述符或Hu不变矩来表示。
纹理特征可以通过统计参数或小波变换等方法来提取。
边缘特征则通过Canny算子或Sobel算子等进行提取。
提取好的特征可以应用于图像分类、目标检测和图像检索等领域。
3. 图像分割与目标检测图像分割是将图像中的不同区域划分为若干个互不重叠的子区域，常用于图像分析和理解。
图像分割方法包括阈值分割、边缘分割、区域增长和基于聚类的分割等。
阈值分割将图像中的像素值与预先设定的阈值进行比较，将像素分为不同的区域。
边缘分割则是通过检测图像中的边缘信息来进行分割。
区域增长是一种从种子点开始，通过判断周围像素与种子点的相似度来不断生长的方法。
基于聚类的分割则是将图像中的像素按照相似度进行聚类，并将不同类别的像素分为不同的区域。
图像分割可以为后续的目标检测提供更准确的目标区域。
二、音频数据处理方法1. 音频信号预处理音频信号预处理是指对音频信号进行预处理，以消除噪声、增强信号质量和准确性。
常见的音频信号预处理方法包括降噪、音频增益和音频平滑等。
无人机航拍图像的图像处理算法研究
无人机航拍图像的图像处理算法研究随着科技的发展，无人机的应用越来越广泛。
其中，无人机航拍图像的应用也越来越受到大家的关注。
由于无人机可获取高空、角度和视野的优势，空中拍摄出来的图像能够覆盖比传统地面摄影更广阔的范围，并能够获取到更加详细的信息。
所以在对这些图像进行处理时，需要用到一些特有的算法，以便更好地提取和利用图像信息。
本文将对无人机航拍图像处理算法进行研究探讨。
一、图像预处理算法图像预处理算法是指对采集到的图像进行预处理，使其符合后续处理的要求。
由于无人机航拍图像的获取方式多种多样，可能会存在一些噪声和畸变，而这些因素会对后续的处理造成影响。
因此，图像预处理算法的主要作用是去除这些干扰因素，使图像达到更高的质量。
主要的图像预处理算法有：1. 直方图均衡化直方图均衡化算法是一种灰度图像增强的方法。
它通过对图像中像素的分布进行重新分配，以达到增强图像对比度的效果。
在实际应用中，该算法通常被用来处理一些对比度较为弱的图像，使其达到更好的视觉效果。
2. 滤波算法滤波算法主要用于去除图像中的噪声。
图像中较为常见的噪声有高斯噪声、椒盐噪声等。
在使用无人机进行航拍时，图像中由于距离、传感器等因素的影响，可能会产生噪声，而滤波算法可以通过滤波处理，使图像更加清晰，信息更加丰富。
3. 几何校正算法几何校正算法是一种对图像进行畸变校正的方法。
由于无人机航拍图像的获取方式和角度较为复杂，图像中可能会出现一些畸变，如桶形畸变、纵向畸变等。
而几何校正算法可以通过校正使图像更加真实、准确。
几何校正算法主要有相机标定、校正等。
二、目标检测算法无人机航拍图像的一个重要应用是对目标进行检测。
在无人机航拍时，由于高空和俯视角度的优势，无人机能够获取到更加准确、详细的目标信息。
而目标检测算法主要用于从图像中检测并定位目标。
主流的目标检测算法有：1. Haar特征分类器算法Haar特征分类器算法主要是通过训练分类器，以检测事先定义好的目标。
图像识别中常见的预处理技术(九)
图像识别中常见的预处理技术图像识别是计算机视觉领域的一个重要研究方向，它通过对图像进行处理和分析，使计算机能够理解和识别图像中的内容。
在图像识别中，预处理技术起着至关重要的作用。
本文将介绍图像识别中常见的预处理技术，并分析其应用和效果。
一、图像去噪图像去噪是图像预处理的一项基础工作。
图像中的噪声会影响到图像的质量和后续处理的效果，因此在进行图像识别之前，首先需要对图像进行去噪处理。
常用的图像去噪方法有中值滤波、均值滤波和高斯滤波等。
中值滤波通过计算像素邻域的中值来去除噪声，适用于椒盐噪声等。
均值滤波通过计算像素邻域的平均值来去除噪声，适用于高斯噪声等。
高斯滤波通过计算像素邻域的加权平均值来去除噪声，并能保持图像的细节特征。
二、图像增强图像增强是指对图像的明暗、对比度等参数进行调整，以提高图像的视觉效果。
图像增强可以改善图像的可视化效果，同时也能提高图像在识别算法中的准确性。
常见的图像增强方法有直方图均衡化、对数变换和伽马变换等。
直方图均衡化通过将直方图拉伸到整个灰度范围内，来增强图像的对比度。
对数变换通过对图像的像素值进行对数变换，来增强图像的低对比度区域。
伽马变换通过对图像的灰度级进行非线性映射，来增强图像的亮度和对比度。
三、图像标准化图像标准化是指对图像的尺度、方向和光照等进行校正，以便于后续的图像识别。
图像标准化可以消除因图像采集设备和环境等因素引起的差异，提高图像识别的鲁棒性。
常见的图像标准化方法有尺度标准化、方向标准化和光照标准化等。
尺度标准化通过将图像缩放到固定的尺寸，来消除尺度的差异。
方向标准化通过计算图像的梯度方向，来将图像的方向统一到一个范围内。
光照标准化通过对图像的亮度进行校正，来消除光照的差异。
四、图像分割图像分割是将图像划分成若干个具有独立特征的区域或对象的过程。
图像分割可以将复杂的图像场景分解为易于识别的子图像，提高图像识别的准确性和效率。
常见的图像分割方法有阈值分割、边缘检测和区域生长等。
[指南]结构光图像预处理
![[指南]结构光图像预处理](https://img.taocdn.com/s3/m/3faf3eef915f804d2a16c130.png)
结构光图像的分割 图像分割算法一般基于亮度值的两个基本特性之一：不连续性和相似性。
最大类 间法— 大津法
边缘检测
边缘提取首先检测出图像局部特性的不连续性，然后再将 这些不连续的边缘像素连成完备的边界。
边缘算子，曲线拟合，模板匹配。实际应用中常采用较成 熟的边缘算子法。
[指南]结构光图像预处理
图像增强
空间域（滤波）增强： 平滑滤波—减噪； 均值滤波—除噪的同时存在模糊效应，随领域的增大，模糊程度变大，解 决方法:采用阈值法； 统计滤波器：非线性空间滤波器。其响应基于滤波器包含的区域中像素的 排序，然后由统计排序结果决定的值代替中心像素的灰度值。中值滤波器 是常见的一种。优点：去除脉冲噪声，椒盐噪声的同时能保留边缘的细节。 一般窗口大小为3x3。
理想情况: 阶跃
线条：
实际情况： 阶跃线条：来自一介导数：二介导数：
遥感图像处理的基本方法与算法解读
遥感图像处理的基本方法与算法解读一、引言遥感技术是通过人工卫星、航空器或其他遥感平台获得地球表面信息的一种手段。
遥感图像处理则是遥感技术的重要应用领域之一。
本文将介绍遥感图像处理的基本方法与算法，探讨其原理和应用。
二、遥感图像预处理遥感图像预处理是遥感图像处理的第一步，主要目的是去除图像中的噪声和干扰，提高图像的可用性。
常用的图像预处理方法包括边缘增强、直方图均衡化和空间滤波。
1. 边缘增强边缘增强是通过提升图像边缘信息的方法来提高图像质量。
其中常用的边缘增强算法有Sobel算子、Prewitt算子和Laplacian算子。
这些算子能够检测出图像中的边缘特征，从而使图像更加清晰。
2. 直方图均衡化直方图均衡化是一种通过调整图像亮度分布来增加对比度的方法。
通过对图像的灰度直方图进行变换，使得图像中的像素分布更加均匀，从而使得图像更加清晰和易于分析。
3. 空间滤波空间滤波是一种常用的图像平滑方法，通过对图像进行滤波操作，可以去除图像中的噪声和干扰。
常用的空间滤波算法有均值滤波、中值滤波和高斯滤波。
三、遥感图像分类遥感图像分类是根据图像中的像素值进行分类的过程。
常用的图像分类方法包括基于像素的分类和基于对象的分类。
1. 基于像素的分类基于像素的分类是一种将图像中的每个像素都分配到一个类别中的方法。
常用的基于像素的分类算法有最大似然分类算法、支持向量机和人工神经网络。
这些算法能够根据像素的特征进行分类，从而对图像进行分割和分析。
2. 基于对象的分类基于对象的分类是将图像中的相邻像素聚合成一组对象，然后根据对象的特征进行分类的方法。
常用的基于对象的分类算法有基于区域的分类和基于形态的分类。
这些算法能够更好地保留图像中的空间信息，从而提高分类的准确性。
四、遥感图像变化检测遥感图像变化检测是通过比较多幅遥感图像之间的差异，来检测地表发生的变化情况。
主要应用于城市规划、环境监测和资源管理等领域。
1. 基于像素的变化检测基于像素的变化检测是一种将多幅遥感图像像素级别进行比较的方法。
希尔伯特滤波算法
希尔伯特滤波算法希尔伯特滤波算法（Hilbert Transform）是一种常用于信号处理和图像处理领域的数学工具。
它基于希尔伯特变换，可以将一个实数信号转换为一个复数信号，并通过对信号的包络进行处理，提取出信号的相位信息。
希尔伯特滤波算法在信号处理、通信、图像处理、音频处理等领域有着广泛的应用。
希尔伯特滤波算法的基本原理是通过对信号进行频谱分析，将信号分解为多个频率分量。
在信号的频谱中，希尔伯特变换可以将正频率分量与负频率分量相互对应，从而提取出信号的相位信息。
通过对相位信息进行处理，可以实现信号的包络提取、相位调制、调频调相等操作。
希尔伯特滤波算法主要包括以下几个步骤：1. 信号预处理：对输入信号进行预处理，包括去除噪声、降低采样率等操作。
预处理能够提高信号质量，减少后续处理的复杂性。
2. 希尔伯特变换：将实数信号转换为复数信号。
复数信号由实部和虚部组成，其中实部与原始信号相同，虚部为实部的希尔伯特变换结果。
3. 包络提取：通过对复数信号进行包络提取操作，提取出信号的幅度信息。
包络提取可以使用希尔伯特变换的实部和虚部的平方和的平方根来实现。
4. 相位调制：通过对信号的相位信息进行调制操作，可以实现相位的平移、相位的旋转等功能。
相位调制可以用于频率调制、相位调制等应用中。
5. 调频调相：通过对信号的相位信息进行调频调相操作，可以实现对信号频率和相位的调整。
调频调相可以用于信号的频谱分析、频率合成等应用中。
希尔伯特滤波算法在信号处理和图像处理领域有着广泛的应用。
在通信领域，希尔伯特滤波算法可以用于调制解调、信号检测等方面。
在图像处理领域，希尔伯特滤波算法可以用于图像增强、轮廓提取等方面。
在音频处理领域，希尔伯特滤波算法可以用于音乐合成、语音识别等方面。
总结起来，希尔伯特滤波算法是一种常用的信号处理工具，通过对信号进行频谱分析和相位处理，可以提取出信号的相位信息，并实现包络提取、相位调制、调频调相等操作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第9卷 第13期 2009年7月1671-1819(2009)13-3830-04科 学 技 术 与 工 程Science T echno logy and Eng i neer i ngV o l9 N o 13 July 2009 2009 Sci T ech Engng图像预处理的滤波算法研究周姗姗 柴金广(中国科学院上海技术物理研究所,上海200083)摘 要 对于需要持续跟踪目标的成像系统来说,目标会出现由点到面或由面到点的变化。
针对这种情况,分析并比较了三种点目标和面目标均适合的图像预处理滤波算法。
仿真实验证明,改进的高通滤波算法比高通中值滤波算法和高斯高通滤波算法效果更好,可以在实际工程中得到应用。
关键词图像预处理 中值滤波 高通滤波 高斯滤波中图法分类号 TN 911.73; 文献标志码A2009年3月20日收到第一作者简介:周姗姗(1983 ),女,中国科学院上海技术物理研究所,物理电子学博士研究生,研究方向:信号与信息处理,E -m a i :l pu rpleas h an @126.co m 。
传统意义上,成像系统在获取图像之后,首先需要对图像进行预处理,以消除图像背景及系统噪声的干扰。
这有利于后续的图像综合处理,从而降低目标识别等关键任务的复杂度。
在一帧图像上,对于点目标来说,其面积只占1个像素点,灰度与周围邻近象素点的灰度有明显的差异,反映在频谱上即处于高频部分,近似于高频噪声。
基于这个特点,已有大量文献针对点目标提出了许多滤波算法,包括:高通滤波、Robinson 滤波、匹配滤波、神经网络、小波变换、分形滤波、形态滤波等等。
预处理后的图像主要保留了点目标及孤立的高频噪声点。
对于面目标来说,目标边缘与背景的灰度差异仍旧显著,而目标内部的灰度变化缓慢,反映在频谱上则处于低频部分,若应用点目标的滤波算法,诸如高通滤波,处理后会发生目标边缘灰度增强但中心部分灰度降低的情况,相当于目标内部被看作背景受到抑制。
因此,适用于面目标的算法,主要以能有效消除噪声并保留图像细节的滤波为主,如:中值滤波、均值滤波等。
对于需要持续跟踪目标的成像系统,目标在成像面上的大小会随着跟踪距离的变化而不同,因此图像上呈现的目标会在点与面之间变化。
如果对点目标和面目标采用两种不同的预处理算法,在工程应用时会增加系统的复杂度,延长系统的响应时间,降低系统的实时性。
为此,寻找一种点目标、面目标均适合的滤波算法是很有必要的。
本文选取了以下几种滤波算法,分析了它们的基本原理和公式,通过仿真实验比较并验证其可行性。
1 高通中值滤波算法传统的高通滤波算法能有效地抑制大面积的低频背景,增强目标边缘,但无法滤除孤立的高频噪声点,同时还会削弱目标中心的灰度。
传统的中值滤波算法则恰好相反,它能有效滤除高频噪声点,保留完整的面目标,但无法抑制低频背景。
基于将两者优缺点互补的思想,提出了一种高通滤波和中值滤波相结合算法。
这里,高通滤波算法采用低通滤波的形式对输入图像作背景预测;中值滤波算法采用传统的滤波方法,即一个像素点的灰度值由该点邻域内像素点的灰度中值来代替。
其滤波流程如图1所示。
算法表达式为[1]:Y(i ,j)=X (i ,j)+M ed (i ,j)-2L p (i ,j)(1)图1 高通中值滤波算法流程(1)式中:Y (i ,j)为输出图像;X (i ,j )为输入图像;M ed (i ,j )为中值滤波图像;L p (i ,j)为低通滤波的预测背景图象;中值滤波公式为[2]:M ed (i ,j)=m m ed ian S{X (i -p,j -q )};(p,q ) S(2)(2)式中:S 为滤波窗口。
低通滤波公式为:L p (i ,j)=1RR-1r =01-1Rrs(i ,j ,r )+1-1RRs(i ,j ,R )(3)(3)式中:s (i ,j ,r )=14[X (i -r ,j -r )+X (i -r ,j +r )+X (i +r ,j -r)+X (i +r ,j +r )](4)R 为滤波半径。
2 高斯高通滤波算法高斯滤波是一种线性平滑滤波,可去除图像中的细节部分,同时能减少图像的噪声。
在本算法中,高斯滤波用于消除高频噪声,同时克服边界效应,使得面目标从中心到边缘的灰度值能够平滑过渡;经高斯滤波抑制噪声后,再由高通滤波完成背景抑制。
其算法流程如图2所示。
图2 高斯高通滤波算法流程算法表达式为[3]:高斯滤波G :(i ,j)=X (i ,j )T (m,n)(5)高通滤波:Y(i ,j )=G (i ,j)-[ 8p =1G (i +p,j)+-1p =-8G (i +p,j)+8q=1G (i ,j +q )+-1q=-8G (i ,j +q )]/32(6)(6)式中,G (i ,j )为高斯滤波图像;X (i ,j )为输入图像;Y(i ,j)为输出图像;T (m,n)为3 3的高斯滤波模板,其表达式为:T =116121242121(7)可以看到,模板中心点的权值最大,随着距中心点距离的增加权值减小,从而降低平滑处理中的模糊程度。
3 改进高通滤波算法基于高通滤波抑制背景的原理,为了解决高通滤波造成面目标中心灰度严重下降的问题,这里提出一种改进的高通滤波算法,即背景预测由低通滤波完成,再将输入图像与预测背景图像相减,获得背景抑制后的滤波图像。
其算法流程如图3所示。
图3 改进的高通滤波器算法框图算法表达式为[4]:Y(i ,j)=(1+ )X (i ,j)-B (i ,j )(8)(8)式中,Y(i ,j)为输出图像;X (i ,j )为输入图像;B (i ,j)为低通滤波的预测背景图像; 为可调参数,取值范围为0~1:处理面目标时,提高 可保留更多的原始信息;而处理点目标时,令 =0可保留更多的高频特性。
低通滤波公式为:B (i ,j )=X (i ,j)H (m,n )(9)(9)式中,H (m,n )为5 5的低通卷积模板,其表达式为:383113期周姗姗,等:图像预处理的滤波算法研究H =1402222221112210122111222222(10)4 仿真实验分析为了比较三种不同算法的实际效果,分别选取了点目标和面目标两类图像进行仿真,实验结果如图4、图5所示。
定量分析三种算法的滤波效果,计算峰值信噪比的结果如表1所示。
表1 三种算法的峰值信噪比比较峰值信噪比高通中值滤波高斯高通滤波改进高通滤波点目标16.143216.144316.5943面目标11.775811.840813.7362从图像来看,改进高通滤波算法得到的目标最接近原始图像,灰度保留的最好,高斯高通滤波算法得到的目标存在像素扩散的现象,而高通中值滤波算法得到的目标不够完整,灰度也较低。
从定量分析的结果来看,高通中值滤波算法与高斯高通滤波算法的峰值信噪比相近,而改进高通滤波算法的峰值信噪比优于前两者。
因此,改进高通滤波算法是三种算法中滤波效果最好的,对于点目标和面目标的预处理都能得到清晰的滤波图像,有利于后续的图像处理。
在工程应用中,也已经证实改进高通滤波算法是可行的。
5 结论本文研究分析了三种点目标、面目标均适用的滤波算法,通过仿真实验比较,对三种算法进行了评价。
实验结果表明,改进高通滤波算法相较于高通中值滤波算法和高斯高通滤波算法,滤波效果更显著,可以作为比较理想的预处理算法,在实际工程中得到应用。
参 考 文 献1 李 杰,马 强.一种新的红外图像背景滤除算法研究.航空兵器,2006;1(1):29 312 李 伟,于凤梅,庞其昌,等.基于DSP 的紫外图像中值滤波算法的实现.科学技术与工程,2007;7(24):6457 6459,64663 尹业宏,王 涛,陈 颖.基于FPGA 的图像预处理滤波算法.光学与光电技术,2004;2(5):61 644 陈 镇.基于FPGA 的红外图像分割与识别技术.硕士学位论文,中国科学院上海技术物理研究所,2005(下转第3839页)3832科 学 技 术 与 工 程9卷Application ofW ireless Sensor N et works i nEm ergency M on itori ng and Co mmunicationHUANG H ua ,WU Yan -j u n(H arb i n E ngi neeri ng U nivers it y ,H arb i n 150001,P .R .C h i na)[A bstract] A i m to m eet the need o f se is m etc g rave nature d isaster of e m er gency m onitori n g and co mmun ica ti o n ,a e m ergency m on itoring syste m was desi g ned w hich based on w ireless sensor net w ork .F irs,t it s structure o f the sys -te m w as bu ilt too .Besi d es ,then d i s cussed a ne w l o calization algo rithm of range -free -m ulti p les overlay loca lizati o n a-l gorith m based on the mu lti p les coverage m ethod o f TOA i n for m ation for t h e app lication of the syste m.S i m u lations sho w that the a l g orithm can satisf y t h e perfor m ance needs of the syste m to l o calization .[Key words] w ire less sensor net w orks e m ergency m on itori n g and co mmun ication syste m node loca lization(上接第3829页)D esign and I mple m entati on of H i gh Speed D igital Signal Transferri ngBoard Based on the A synchronous Serial Interface C riterionZ HANG M i n g 1,2,XU X iang -hui 1,CU I Peng -fe i 1,2,N I Chong1,2(I nstit u t e ofE l ectro n ics ,Chi nese Acade my of Sci ences 1,Bei ji ng 100190,P .R .Ch i na ;GraduateUn i versit y ofCh i n es e Acade m y of Sci ences 2,Beiji ng 100049,P .R .Chi na)[A bstract] A k i n d of data transferring board based on A synchronous Serial Interface C riterion is intr oduced .The boar d uses C YPRESS Co s CY7B923and CY7B933chips to code and decode the data ,and uses CPLD and FI FO to realize the transfor m bet w een para llel data and serial data .The data is transferred by 75 coax ial cab le ,w hile t h e transferri n g rate can be up to 400M b /s .[Key words] AS I seri a -l parallel transfo r m high speed data transfer radar syste m(上接第3832页)Researchi ng on F ilteri ng A lgorith m s for I m age Pretreat m entZ HOU Shan -shan ,C HA I Ji n -guang(Shangh ai In stit u te ofT echn i calPhysics ,C hinese A cade m y of S ci ences ,Shangha i200083,P.R.Ch i na)[Abstract] For t h e m i agi n g syste m w it h tracki n g target c onti n uall y ,the tar get can cha nge fr o m po i n t to side or fro m si d e t o poin.t Acc ordi n g t o such case ,three ki n ds of filteri n g al g orith m s are a na l y zed a nd co mpared f o r m i agi n g pretr eat m ent that adapt t o bot h po i n t and si d e targets .The sm i ulated experm i ents sho w that t h e filteri n g effect of m i pr oved hi g h -pass filteri n g is better t h a n t h ose of hi g h -passm e d i a n filteri n g and ga uss high -pass filteri n g ,and it can be a pplie d to practi c al projec.t [Key words] i m age pretreat m ent m edian filteri n g h i g h -pass filter i n g gauss filtering383913期黄 华,等:无线传感器网络在应急监测和通信系统中的应用研究。