针对Video Block-Matching and 3-D Filtering(VBM3D)算法耗时高且去噪视频存在块效应的问题进行了改进。在对变换域系数进行收缩时,采用连续阶导数阈值法,代替原算法中的硬阈值法,减少块效应;在帧内匹配时,采用基于积分图思想的图像块距离计算加速方法;在帧间匹配时,使用帧间预测性匹配方法,减少计算量,提高算法效率。理论分析和实验结果表明,改进后的算法不仅能有效改善原VBM3D算法中的块效应,且算法复杂度大大降低。
高频地波雷达的探测性能极易受到射频干扰的影响,当前射频干扰抑制的研究主要是通过人工识别来逐一处理,鲜见实时自动识别与抑制射频干扰的研究。随着深度学习在雷达图像处理方面应用的展开,本文尝试将其引入高频雷达射频干扰抑制中,利用YOLO(You Only Look Once)模型来识别雷达距离多普勒谱图中的射频干扰,继而用高阶奇异值分解(Higher Order Singular Value Decomposition,HOSVD)方法对其进行抑制。仿真和实测数据处理结果表明,此YOLO-HOSVD联合算法实现了对高频雷达射频干扰的自动识别与抑制,单场数据处理时间不超过1.8 s。该方法可以应用于高频地波雷达常规海态观测。
