Question

根据Mohiy M. Hadhoud的论文，我写了一个Matlab程序来使用二维LMS（TDLMS）自适应算法来实现图像背景估计。我用零来启动权重矩阵W，估计输出矩阵Y和误差矩阵e。支撑区域为5 * 5（窗口大小）。矩阵D是所需的输出，其与Y的差异被定义为误差矩阵（e）。但是，在我运行程序后，权重W和估计输出Y都是零。我不知道是不是因为W和Y在开头都是零或者程序中存在缺陷。这是我的代码：

clear; close all;
X=imread('noisySea.jpg');
[M N]=size(X);
Ns=5; % 5*5 support region
u=5*10^(-8); % step size
Y=zeros(M,N); % predicted image
Y(1:Ns,1:Ns)=X(1:Ns,1:Ns);
D=zeros(M,N);
D(2:M,2:N)=X(2:M,2:N); % D is shifted version of X
e=zeros(M,N); % error matrix
W=zeros(Ns,Ns); % weight matrix
for m=1+floor(Ns/2):M-floor(Ns/2)
    for n=1+floor(Ns/2):N-floor(Ns/2)
        for l=1:Ns
            for k=1:Ns
                Y(m,n)=Y(m,n)+W(l,k)*X(m-floor(Ns/2)+l-1,n-floor(Ns/2)+k-1);
                e(m,n)=D(m,n)-Y(m,n);
                W(l,k)=W(l,k)+u*e(m,n)*X(m-floor(Ns/2)+l-1,n-floor(Ns/2)+k-1);
            end
        end
    end
end
imshow(Y);

内部两次迭代用于计算点（m，n）处的Y值，而外部两次迭代遍历整个图像。经常使用诸如m = 1 + floor（Ns / 2）的代码，因为权重矩阵（5 * 5）不能适合边缘处的图像。只过滤其邻居可以全部包含在权重矩阵（或掩码）中的像素被过滤。

Answer 1

您的程序出现问题，编程TDLMS的正确方法是： •过滤：计算标量输出Y（m，n）， •从期望的D（m，n）中减去输出Y（m，n）以计算标量误差e（m，n） •更新过滤器权重

执行程序内部计算部分的正确方法如下：

对于m = 1 + floor（Ns / 2）：M-floor（Ns / 2）

for n=1+floor(Ns/2):N-floor(Ns/2)

表示l = 1：Ns

        for k=1:Ns

           Y(m,n)=Y(m,n)+W(l,k)*X(m-floor(Ns/2)+l-1,n-floor(Ns/2)+k-1);

        end

    end

E（M，N）= d（M，N）-Y（M，N）;

        for l=1:Ns

        for k=1:Ns

         W(l,k)=W(l,k)+u*e(m,n)*X(m-floor(Ns/2)+l-1,n-floor(Ns/2)+k-1);

        end 
    end

端端

Answer 2

我看到的第一个问题是你对结果，错误矩阵和权重的更新从未真正更新过。第一步是将X转换为double，因此将第二行更改为：

X = cast(imread('noisySea.jpg'), 'double');

在做这个之前先捅一下然后了解发生了什么。例如，不管X中有什么：

u*e(m,n)*X(m-floor(Ns/2)+l-1,n-floor(Ns/2)+k-1)是0。

你可以稍微分解一下，然后看看：

u * e（m，n）并看到它表现得恰到好处。

当你引入X的引用时，你最终会将精度降低到'小数'*'较大数字'为0的点。

Answer 3

好的，还有一些东西。我想你在1988年5月出版的IEEE电路与系统交易论文第35卷第5期中提到了Hadhoud和Thomas的论文。我看到至少还有一些错误，但我只在几分钟内阅读了论文

D(2:M,2:N)=X(2:M,2:N); % D is shifted version of X

你实际上并没有在这里进行转变，在论文中，在X和Y方向上有一个像素的移位。

D(2:M,2:N)=X(1:M-1,1:N-1); % D is a shiftier version of X

他们还通过在原始图像的10行上运行算法来初始化权重W，从0权重矩阵开始。

我也相信（不是100％肯定）你的体重udpate是不正确的。你的权重不断更新，这会在算法中引入一些奇怪的瑕疵。从我对该论文的简要阅读中，权重仅在您的n循环迭代时更新。权重也会按比例缩放，以使其总和为1，从而保留当地平均值。

图像处理中的二维最小均方滤波器（背景估计）

3 个答案: