基于opencv的维纳滤波算法

中值滤波算法--C#源码

双边滤波算法,双边滤波算法原理,matlab源码.zip

本文内容部分是基于参考链接进行的摘抄和编辑，为的是加强自己的阅读效果，留下阅读的笔记，内容做过深度阅读和改动，参照部分版权属于原作者所有。

提出了一种鲁棒化的基于变分贝叶斯的自适应卡尔曼滤波算法.该算法采用具有重尾特性的学生分布取代高斯分布来描述量测模型，减弱系统对于野值的敏感性；再利用变分贝叶斯方法对修正后的模型的时变参数进行逼近推断，在递推地估计状态的同时还能对变化的噪声方差进行跟踪，并更新引入的自由度参数，从而在自适应滤波的同时增强了鲁棒性.仿真实验证明了在野值存在且噪声变化的观测下该算法的自适应与鲁棒性.

各种滤波算法原理以及算法优缺点比较，可以用作不同场合的滤波选择依据

利用双边滤波算法对深度图像进行处理可以得到修复图像。

HALCON是一个完善的综合标准软件库,是得到广泛应用的机器视觉集成开发环境。它节约了产品的成本,缩短了软件的开发周期

what is kalman filter? 卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。在很多工程应用(如雷达、计算机视觉)中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要课题。 what is kalman filter? 例如,对于雷达来说，人们感兴趣的是其能够跟踪目标。但目标的位置、速度、加速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置的估计(预测)，也可以是对过去位置的估计(插值或平滑)。

卡尔曼滤波算法(含详细推导).ppt 考虑一离散时间的动态系统，它由描述状态向量的过程方程和描述观测向量的观测方程共同表示。 （1）、过程方程 式中，M 1向量x(n)表示系统在离散时间n的状态向量，它是不可观测的；M M矩阵F（n+1,n）成为状态转移矩阵，描述动态系统在时间n的状态到n+1的状态之间的转移，应为已知。而M 1向量 为过程噪声向量，它描述状态转移中间的加性噪声或误差。