亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于BM3D的接觸網(wǎng)圖像自適應(yīng)去噪新方法

        2016-05-08 07:14:25李曉燕母秀清
        鐵道學(xué)報(bào) 2016年4期
        關(guān)鍵詞:維納濾波接觸網(wǎng)方差

        王 燕,李曉燕,母秀清,王 英

        (1.西南交通大學(xué) 電氣工程學(xué)院,四川 成都 610031;2.解放軍95538部隊(duì), 四川 成都 611431)

        接觸網(wǎng)是電氣化鐵路的重要組成部分,其運(yùn)行狀況與行車(chē)安全密切相關(guān),通過(guò)檢測(cè)接觸網(wǎng)狀態(tài)可以及時(shí)發(fā)現(xiàn)并整治存在的問(wèn)題[1]。接觸網(wǎng)的檢測(cè)手段分為接觸式與非接觸式。對(duì)于非接觸式檢測(cè)的研究,目前以德國(guó)、法國(guó)、日本和奧地利等國(guó)的進(jìn)展較大,其中最具代表性的是德國(guó)基于圖像處理的接觸網(wǎng)檢測(cè)裝置[2-3]。非接觸式圖像檢測(cè)以其行車(chē)干擾小、通用性好、便于安裝使用等優(yōu)點(diǎn)在弓網(wǎng)綜合檢測(cè)車(chē)、定點(diǎn)弓網(wǎng)檢測(cè)設(shè)備、移動(dòng)式弓網(wǎng)檢測(cè)設(shè)備及手持式弓網(wǎng)檢測(cè)設(shè)備中獲得越來(lái)越廣泛的應(yīng)用[4]。

        實(shí)際采集的圖像在形成、傳輸、接收和處理的過(guò)程中,不可避免地存在著外部和內(nèi)部干擾[2]。在光子有限的條件下量化噪聲成為主要噪聲,高速成像或低照度時(shí)光子噪聲、暗電流噪聲、讀出噪聲及復(fù)位噪聲也很明顯[5]。光子噪聲、暗電流噪聲、讀出噪聲及量化噪聲均可以表示為高斯噪聲模型[6]。噪聲惡化了圖像質(zhì)量,使圖像模糊,特征淹沒(méi)[2],因此有效地消除噪聲干擾可以提高后續(xù)弓網(wǎng)圖像檢測(cè)和識(shí)別的準(zhǔn)確性。

        存在于目標(biāo)與背景間、背景與背景間的圖像邊緣是圖像最基本的特征,也是分割不同目標(biāo)的主要依據(jù)[7]。對(duì)于受電弓接觸網(wǎng)圖像而言,邊緣棱角等圖像特征尤為重要,普通的降噪方法往往會(huì)造成圖像邊緣模糊而無(wú)法滿足其要求。文獻(xiàn)[8]提出的BM3D算法是目前針對(duì)高斯噪聲降噪性能較好的算法,同時(shí)它也適用于其他噪聲模型,如加性有色噪聲、非高斯噪聲等。目前國(guó)內(nèi)對(duì)BM3D算法研究的文獻(xiàn)較少,主要是對(duì)算法的簡(jiǎn)單應(yīng)用[9,10]、對(duì)參數(shù)的簡(jiǎn)單分析[11]或是與其他算法的簡(jiǎn)單結(jié)合[12]。本文通過(guò)深入研究BM3D算法發(fā)現(xiàn)其充分利用了圖像之間的相關(guān)性,在有效降噪的同時(shí)能較好地保留圖像的邊緣和其他細(xì)節(jié)信息,但也存在一定的缺陷:

        (1)參數(shù)較多且大多依據(jù)經(jīng)驗(yàn)設(shè)置;

        (2)基礎(chǔ)估計(jì)部分需人為設(shè)定濾波閾值,而閾值設(shè)置過(guò)大或過(guò)小都將嚴(yán)重影響基礎(chǔ)估計(jì)圖像的效果;

        (3)圖像降噪效果受參數(shù)噪聲方差的影響較大,而實(shí)際采集圖像的噪聲方差卻是未知的。如基礎(chǔ)估計(jì)部分的2D和3D變換域?yàn)V波閾值、最終估計(jì)部分的維納濾波收縮系數(shù)及兩個(gè)部分的塊估計(jì)權(quán)重等均需根據(jù)圖像的噪聲方差設(shè)置,這極大地限制了算法的實(shí)用性。

        為了彌補(bǔ)BM3D算法的缺陷,有效實(shí)現(xiàn)弓網(wǎng)圖像降噪,本文提出一種基于BM3D的自適應(yīng)降噪新方法(ABM3D)。該方法在假設(shè)噪聲方差未知的前提下進(jìn)行自適應(yīng)降噪,本文通過(guò)大量實(shí)驗(yàn)驗(yàn)證了ABM3D算法的有效性,且其具有較強(qiáng)的實(shí)用價(jià)值。

        1 BM3D的基本原理[8]

        設(shè)含噪圖像

        z:X→R,z(x) =y(x) +η(x)

        式中:x∈X是二維圖像坐標(biāo);y表示真實(shí)圖像;η表示方差為σ2的零均值高斯噪聲。BM3D算法分為基礎(chǔ)估計(jì)和最終估計(jì)兩大部分。

        1.1 基礎(chǔ)估計(jì)

        將含噪圖像按照滑窗步長(zhǎng)劃分成固定大小的若干塊,然后對(duì)每個(gè)參考?jí)K進(jìn)行塊匹配和3D變換域?yàn)V波操作。待全部參考?jí)K處理完成后,將所有塊的預(yù)估值返回到圖像原始位置進(jìn)行加權(quán)平均,得到基礎(chǔ)估計(jì)圖像。

        (1)塊匹配

        以當(dāng)前參考?jí)K為中心在一定的范圍內(nèi)搜索與之高度相關(guān)的匹配塊,塊之間相似度的大小為

        ( 1 )

        式中:zxr表示定位在xr∈X處的參考?jí)K;zx表示定位在x∈X處的匹配塊;N表示塊的邊長(zhǎng);T2D表示對(duì)塊進(jìn)行2D線性變換;γ表示用閾值λ2Dσ進(jìn)行硬閾值濾波。

        當(dāng)前參考?jí)Kzxr的候選匹配塊集合為

        sxr=x∈X:d(zxr,zx)≤τmatchsxr≤Nm

        ( 2 )

        (2)3D變換域?yàn)V波

        將sxr中所有匹配塊按距離由小到大順序堆疊,形成大小為N×N×sxr的三維矩陣zsxr,并對(duì)該三維矩陣在3D變換域進(jìn)行濾波,其具體過(guò)程可以表示為

        ( 3 )

        ( 4 )

        式中:Nxr為γ(T3D(zsxr))中非零系數(shù)數(shù)目。

        (3)聚集

        由于各參考?jí)K之間存在交疊且每個(gè)參考?jí)K有包含自身在內(nèi)的多個(gè)相似塊,則圖像中每個(gè)像素點(diǎn)都會(huì)被預(yù)估多次,因此將所有塊的預(yù)估值返回圖像原始位置進(jìn)行像素點(diǎn)的加權(quán)平均得到基礎(chǔ)估計(jì)圖像。

        1.2 最終估計(jì)

        將基礎(chǔ)估計(jì)圖像按照滑窗步長(zhǎng)劃分成固定大小的若干個(gè)塊,然后對(duì)每個(gè)參考?jí)K進(jìn)行塊匹配和3D變換域維納濾波。待全部參考?jí)K處理完成后,將所有塊的預(yù)估值返回到圖像原始位置進(jìn)行加權(quán)平均,得到最終估計(jì)圖像。

        (1)塊匹配

        根據(jù)基礎(chǔ)估計(jì)圖像,使每個(gè)xr∈X處參考?jí)K的候選匹配塊集合為

        ( 6 )

        (2)3D變換域維納濾波

        定義維納濾波的收縮系數(shù)為

        ( 7 )

        ( 8 )

        ( 9 )

        (3)聚集

        2 基于BM3D的自適應(yīng)去噪新方法(ABM3D)

        2.1 基礎(chǔ)估計(jì)

        (1)圖像分割

        按照滑窗步長(zhǎng)Nstep,將含噪圖像z(x)在水平方向分割成V塊,垂直方向分割成H塊,塊的固定大小為N×N。用zxr表示分割的圖像塊,下標(biāo)xr∈X表示塊左上角的坐標(biāo),xr= ((i-1)Nstep+1, (j-1)Nstep+1),i=1,2,…,H,j=1,2,…,V。

        (2)塊匹配

        對(duì)于當(dāng)前參考?jí)Kzxr,以坐標(biāo)xr為中心在NS×NS的范圍內(nèi)搜索與其相匹配的塊,將其中距離d最小的Nm個(gè)匹配塊組成zxr的候選匹配塊集合sxr。

        原算法在計(jì)算圖像塊之間的距離d(相似度)時(shí),需人為設(shè)置閾值λ2Dσ對(duì)圖像塊進(jìn)行2D變換域的濾波。由于參數(shù)λ2D需依據(jù)經(jīng)驗(yàn)設(shè)置比較麻煩,且實(shí)際采集的圖像中噪聲方差σ又是未知的,因此本文提出一種相似度計(jì)算的新方法。

        (10)

        式中:T2DCT表示對(duì)塊進(jìn)行二維DCT變換;L′表示對(duì)塊在二維DCT變換域進(jìn)行自適應(yīng)濾波,目的是降低噪聲對(duì)塊匹配準(zhǔn)確度的影響,具體步驟為:

        步驟1假設(shè)圖像塊zxr的二維DCT變換系數(shù)為Zxr,則閾值λxr為塊Zxr右下角范圍內(nèi)的最大值。

        (11)

        步驟2對(duì)于塊的二維DCT變換系數(shù),將其中絕對(duì)值小于閾值λxr的系數(shù)置零。

        某原圖像塊和其含噪塊如圖1所示,對(duì)應(yīng)的二維DCT變換結(jié)果分別為圖2(a)和圖2 (b),圖2(c)為圖2 (b)的自適應(yīng)濾波結(jié)果。圖2(a)和圖2 (b)清楚地反映了圖像塊經(jīng)二維DCT變換后,真實(shí)信息主要集中在左上角區(qū)域且幅值也大于噪聲,而右下角含有的圖像信息較少,主要是均勻分布的噪聲。由此可知本文對(duì)塊的自適應(yīng)濾波方法是可行的,同時(shí)自適應(yīng)濾波結(jié)果圖2(c)也證明了其可行性。

        圖1 圖像塊(含噪塊的σ=20)

        (a)原塊二維DCT變換

        (b)含噪塊的二維DCT變換

        (c)自適應(yīng)濾波結(jié)果

        原算法中塊相似的閾值τmatch,既是經(jīng)驗(yàn)參數(shù),也是較關(guān)鍵的參數(shù)。該參數(shù)值若設(shè)置過(guò)大,則失去意義;若設(shè)置過(guò)小,則會(huì)使集合sxr中的匹配塊數(shù)量銳減,從而對(duì)圖像降噪效果產(chǎn)生較大影響,因此本文將該參數(shù)忽略,只用參數(shù)Nm調(diào)整sxr中匹配塊的數(shù)量。當(dāng)前參考?jí)Kzxr的候選匹配塊集合為

        sxr= {x∈X: GetNmminimum ofd(zxr,zx)}

        (12)

        (3)三維DCT變換域的自適應(yīng)濾波

        將sxr中的匹配塊按距離由小到大順序堆疊,形成大小為N×N×Nm的三維匹配塊組zsxr。

        原算法對(duì)zsxr進(jìn)行濾波的閾值λ3Dσ需人為設(shè)定,此閾值是最為關(guān)鍵的參數(shù),其準(zhǔn)確性會(huì)嚴(yán)重影響圖像的降噪效果,然而實(shí)際應(yīng)用中該閾值往往又很難準(zhǔn)確設(shè)置,因此本文提出一種自適應(yīng)硬閾值濾波方法。該方法在假設(shè)圖像噪聲方差未知的前提下,通過(guò)自適應(yīng)估算較為準(zhǔn)確的閾值,對(duì)zsxr在三維DCT變換域進(jìn)行自適應(yīng)濾波,其具體步驟為:

        步驟1對(duì)zsxr進(jìn)行三維DCT變換,其變換結(jié)果用tzsxr表示。

        步驟2自適應(yīng)估算濾波閾值T。

        (13)

        (14)

        步驟3利用γa算子對(duì)tzsxr進(jìn)行自適應(yīng)濾波,濾除大部分噪聲分量。γa算子定義為

        (15)

        步驟4對(duì)自適應(yīng)濾波處理后的tzsxr進(jìn)行逆三維DCT變換得到重構(gòu)估計(jì)。本文為該重構(gòu)估計(jì)分配權(quán)重如式(16)所示,其中Nxr為自適應(yīng)濾波處理后的tzsxr中非零系數(shù)的數(shù)目。

        (16)

        圖3為16×16×4的真實(shí)三維匹配塊組,其三維DCT變換結(jié)果的三維立體圖如圖4(a)所示,在圖3的基礎(chǔ)上添加σ=15的高斯噪聲,其對(duì)應(yīng)的三維DCT變換結(jié)果如圖4(b)所示。

        圖3 16×16×4匹配塊組

        根據(jù)圖4可知:噪聲經(jīng)三維DCT變換后呈均勻分布狀態(tài),其幅值無(wú)較大變化。真實(shí)圖像信息經(jīng)三維DCT變換后主要壓縮到第1個(gè)塊的左上角且其幅值遠(yuǎn)大于噪聲,其他塊的左上角也含有部分有用信息并且幅值也大于噪聲。因此,三維DCT變換能夠較好地對(duì)真實(shí)圖像進(jìn)行稀疏表示,從而可知本文自適應(yīng)估算的閾值是有效的。

        圖4 匹配塊組的三維DCT變換(圖中原點(diǎn)對(duì)應(yīng)塊的左上角)

        (4)聚集

        2.2 最終估計(jì)

        本文最終估計(jì)部分的具體步驟與文獻(xiàn)[8]基本相同,不同的是:

        (1)塊匹配

        (17)

        (2)3D變換域維納濾波

        原算法在計(jì)算維納濾波的收縮系數(shù)和匹配塊估計(jì)的權(quán)重時(shí),均需知圖像的噪聲方差σ。參數(shù)σ是關(guān)鍵參數(shù),其準(zhǔn)確性對(duì)最終估計(jì)圖像的效果影響較大,同時(shí)實(shí)際采集圖像的σ又是未知的,所以本文提出一種σ的估算方法。

        (18)

        3 實(shí)驗(yàn)結(jié)果及討論

        文獻(xiàn)[8]中TABLEⅠ清楚地顯示BM3D算法的參數(shù)多達(dá)19個(gè),而本文提出的ABM3D算法簡(jiǎn)化了參數(shù)的設(shè)置,其參數(shù)見(jiàn)表1。表1中參數(shù)β和βw分別用于產(chǎn)生N×N和Nw×Nw的二維凱撒窗作為權(quán)重的一部分應(yīng)用到各自的聚集中,目的是減少二維DCT變換出現(xiàn)的邊界影響[8],除λ外余下參數(shù)的意義及詳細(xì)說(shuō)明可以參考文獻(xiàn)[8,11]。

        表1 ABM3D算法的參數(shù)

        表2 不同σ值時(shí)的T和λ值

        為檢驗(yàn)本文ABM3D算法的降噪性能,主要以PSNR[8]為標(biāo)準(zhǔn)進(jìn)行評(píng)價(jià)。

        對(duì)加入不同σ值高斯噪聲的標(biāo)準(zhǔn)圖片House、Peppers、Lena和Man,利用本文提出的ABM3D與BM3D算法去噪,得到估計(jì)圖像的PSNR值見(jiàn)表3。根據(jù)表3結(jié)果可以看出:

        (1)利用ABM3D算法得到的最終估計(jì)圖像的PSNR值略微小于BM3D,需要說(shuō)明的是BM3D算法是在已知噪聲方差的前提下得到的PSNR值,接近最優(yōu)值,而本文所提ABM3D算法是在假設(shè)噪聲方差未知且參數(shù)固定的前提下得到的PSNR值,這說(shuō)明本文提出的ABM3D算法是有效的,達(dá)到了較好的去噪效果,若合理調(diào)節(jié)算法參數(shù)會(huì)使其降噪效果更優(yōu)。

        (2)ABM3D算法得到的基礎(chǔ)估計(jì)圖像的PSNR值較高,與其最終估計(jì)圖像的PSNR值之差在1~2 dB左右,說(shuō)明本文算法基礎(chǔ)估計(jì)部分通過(guò)二維和三維DCT變換域進(jìn)行自適應(yīng)濾波是有效的。

        利用ABM3D算法對(duì)噪聲方差σ=25的含噪圖像進(jìn)行去噪,得到的估計(jì)結(jié)果如圖5所示。從圖5可以看出:基礎(chǔ)估計(jì)和最終估計(jì)圖像都具有較高的PSNR值,并且圖像的邊緣棱角等細(xì)節(jié)信息都得到了較好的保留。為進(jìn)一步證明本文算法保留圖像細(xì)節(jié)信息的能力,分別以σ=50和σ=100的含噪圖像及其降噪結(jié)果為例進(jìn)行說(shuō)明,如圖6、圖7所示。圖6、圖7中,盡管原始圖像信息幾乎被噪聲湮沒(méi),但圖像的各種細(xì)節(jié)信息在基礎(chǔ)估計(jì)和最終估計(jì)圖像中都得到較好的保留,且最終估計(jì)圖像中邊緣等特征相對(duì)更明顯。

        對(duì)于實(shí)際含噪弓網(wǎng)圖像,利用ABM3D算法進(jìn)行自適應(yīng)降噪得到的降噪結(jié)果如圖8所示。圖8表明:本文算法在圖像噪聲方差未知的情況下,不僅能有效抑制圖像中的噪聲,且能較好地保留圖像的細(xì)節(jié)信息。

        表3 本文提出的ABM3D與BM3D算法對(duì)標(biāo)準(zhǔn)圖像去噪后的PSNR比較 dB

        注:表3中Basic和Final分別表示基礎(chǔ)估計(jì)和最終維納濾波估計(jì)圖像。BM3D算法輸出的PSNR結(jié)果來(lái)源于文獻(xiàn)[8]。

        圖5 含噪圖像(σ=25,PSNR=20.18)的ABM3D估計(jì)結(jié)果

        圖6 含噪圖像(σ=50,PSNR=14.16)的ABM3D估計(jì)結(jié)果

        圖7 含噪圖像(σ=100,PSNR=8.13)的ABM3D估計(jì)結(jié)果

        圖8 實(shí)際含噪弓網(wǎng)圖像的ABM3D估計(jì)結(jié)果

        根據(jù)表3及圖5~圖8的結(jié)果可知:利用本文提出的ABM3D算法得到的基礎(chǔ)估計(jì)圖像的效果略低于最終估計(jì)圖像的效果。如果實(shí)際應(yīng)用中系統(tǒng)對(duì)實(shí)時(shí)性和操作簡(jiǎn)易性要求較高,則只保留ABM3D的基礎(chǔ)估計(jì)部分也能較好地滿足要求,并且對(duì)含噪圖像進(jìn)行自適應(yīng)濾波而無(wú)需估算圖像噪聲方差將具有優(yōu)越性。

        4 結(jié)論

        普通的降噪方法往往會(huì)造成圖像邊緣的模糊,而無(wú)法滿足受電弓接觸網(wǎng)這類(lèi)圖像的要求。BM3D是目前降噪性能最好的算法,它在有效降噪的同時(shí)能較好地保留圖像的邊緣和其他細(xì)節(jié)信息,但其缺點(diǎn)是:

        (1)參數(shù)較多且大多依據(jù)經(jīng)驗(yàn)設(shè)置;

        (2)基礎(chǔ)估計(jì)部分需人為設(shè)定濾波閾值,而閾值的準(zhǔn)確性會(huì)嚴(yán)重影響基礎(chǔ)估計(jì)圖像的效果;

        (3)基礎(chǔ)估計(jì)和最終估計(jì)圖像的效果受參數(shù)噪聲方差的影響較大,而實(shí)際應(yīng)用中圖像的噪聲方差是未知的且較難給出合理值。

        為彌補(bǔ)BM3D算法的缺點(diǎn),有效實(shí)現(xiàn)接觸網(wǎng)圖像的降噪,本文提出一種基于BM3D的自適應(yīng)降噪新方法(ABM3D),具有以下優(yōu)點(diǎn):

        (1)簡(jiǎn)化了參數(shù)的設(shè)置,尤其是簡(jiǎn)化了對(duì)降噪效果影響較大的參數(shù);

        (2)基礎(chǔ)估計(jì)部分無(wú)需人為設(shè)定濾波閾值,而是通過(guò)自適應(yīng)估算較為準(zhǔn)確的閾值實(shí)現(xiàn)二維和三維DCT變換域的濾波,且無(wú)需估計(jì)噪聲方差;

        (3)利用基礎(chǔ)估計(jì)中得到的閾值估算出較為準(zhǔn)確的噪聲方差,實(shí)現(xiàn)聯(lián)合維納濾波估計(jì)。

        實(shí)驗(yàn)結(jié)果表明:本文提出的ABM3D算法是有效的,即使在噪聲強(qiáng)度非常高的情況下,利用其得到的基礎(chǔ)估計(jì)和最終估計(jì)圖像都較好地保留了圖像的邊緣棱角等細(xì)節(jié)信息,這為后續(xù)弓網(wǎng)圖像的檢測(cè)和識(shí)別奠定了基礎(chǔ)。由于ABM3D基礎(chǔ)估計(jì)圖像與最終估計(jì)圖像的效果差別不大,若實(shí)際應(yīng)用中系統(tǒng)對(duì)實(shí)時(shí)性和操作簡(jiǎn)易性要求較高時(shí),則只保留其基礎(chǔ)估計(jì)部分也能很好地滿足要求。

        參考文獻(xiàn):

        [1]趙明杰.基于圖像處理的接觸網(wǎng)狀態(tài)檢測(cè)研究[D].成都:西南交通大學(xué),2010.

        [2]劉寅秋,韓通新,劉會(huì)平.基于圖像處理的接觸網(wǎng)動(dòng)態(tài)幾何參數(shù)測(cè)量研究[J].鐵道機(jī)車(chē)車(chē)輛,2012,32(5):86-91.

        LIU Yinqiu, HAN Tongxin, LIU Huiping. Study on OCS Dynamic Geometric Parameters Detection Based on Image Processing[J]. Railway Locomotive & Car, 2012, 32(5):86-91.

        [3]張韜.基于圖像處理的接觸網(wǎng)檢測(cè)系統(tǒng)研究與改進(jìn)[J].鐵道機(jī)車(chē)車(chē)輛,2008,28(6):68-70.

        ZHANG Tao. Study and Improvement on the OCS Inspection System Based on Image Processing[J]. Railway Locomotive & Car, 2008,28(6):68-70.

        [4]韓志偉,劉志剛,張桂南,等.非接觸式弓網(wǎng)圖像檢測(cè)技術(shù)研究綜述[J].鐵道學(xué)報(bào),2013,35(6):40-47.

        HAN Zhiwei, LIU Zhigang, ZHANG Guinan, et al. Overview of Non-contact Image Detection Technology for Panto-graph-catenary Monitoring[J]. Electric Railway, 2013, 35(6):40-47.

        [5]ALTER F, MATSUSHITA Y, TANG X. An Intensity Similarity Measure in Low-light Conditions[C]∥9th European Conference on Computer Vision. Berlin: Springer Berlin Heidelberg, 2006: 267-280.

        [6] HUANG Y L, FUH C S. Noise Reduction Using Enhanced Bilateral Filter[J]. Images & Recognition, 2006, 12(4): 46-53.

        [7]蔡學(xué)敬.基于圖像處理技術(shù)的高速接觸網(wǎng)動(dòng)態(tài)檢測(cè)系統(tǒng)研究[D].成都:西南交通大學(xué),2008.

        [8] DABOV K, FOI A, Vladimir Katkovnik, et al. Image Denoising by Sparse 3D Transform-domain Collaborative Filtering[J]. IEEE Transactions on Image Processing, 2007, 16(8):2 080-2 095.

        [9]劉太智,劉文江,戎蒙恬.BM3D算法中塊匹配模塊的架構(gòu)設(shè)計(jì)[J].信息技術(shù),2012(3):24-26.

        LIU Taizhi, LIU Wenjiang, RONG Mengtian. Architecture Design of Block-matching Module in BM3D Algorithm[J]. Information Technology, 2012(3):24-26.

        [10]李政,劉文江,戎蒙恬,等.BM3D視頻去噪算法實(shí)現(xiàn)與評(píng)估[J].信息技術(shù),2012(4):30-32.

        LI Zheng, LIU Wenjiang, RONG Mengtian, et al. Implementation and Evaluation of BM3D Video Denoising Algorithms[J]. Information Technology, 2012(4): 30-32.

        [11]黃牧,黃文清,李俊柏,等.基于BM3D圖像去噪算法的參數(shù)研究[J].工業(yè)控制計(jì)算機(jī),2014,27(10):99-101.

        HUANG Mu, HUANG Wenqing, LI Junbo, et al. Parameters Study Based on BM3D Image Denoising Algorithm[J]. Industrial Control Computer, 2014, 27(10): 99-101.

        [12]劉向樂(lè),馮象初.小波域三維塊匹配圖像去噪[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(16):185-187.

        LIU Xiangle,F(xiàn)ENG Xiangchu. Image Denoising by Mixing Wavelet Transformation with Sparse 3D Collaborative Filtering[J]. Computer Engineering and Applications,2010,46(16):185-187.

        猜你喜歡
        維納濾波接觸網(wǎng)方差
        方差怎么算
        為開(kāi)通打下基礎(chǔ)!這條國(guó)際鐵路完成接觸網(wǎng)平推驗(yàn)收
        概率與統(tǒng)計(jì)(2)——離散型隨機(jī)變量的期望與方差
        多級(jí)維納濾波器的快速實(shí)現(xiàn)方法研究
        自適應(yīng)迭代維納濾波算法
        計(jì)算方差用哪個(gè)公式
        接觸網(wǎng)設(shè)備“運(yùn)、檢、修”分離改革的探討
        方差生活秀
        基于多窗譜估計(jì)的改進(jìn)維納濾波語(yǔ)音增強(qiáng)
        基于維納濾波器的去噪研究
        日韩人妻精品中文字幕专区| 99精品视频69v精品视频免费| 一区二区视频网站在线观看| 在线观看国产激情视频| 成人精品天堂一区二区三区| 亚洲美国产亚洲av| 精品国产1区2区3区AV| 中文字幕人乱码中文字幕乱码在线| 国产高清在线精品一区app| 白又丰满大屁股bbbbb| 亚洲国产成人AⅤ片在线观看| 国产一区二区美女主播| 人人妻人人添人人爽欧美一区| 成 人 免费 黄 色 视频| 日韩中文字幕一区二区高清| 国产偷闻女邻居av在线观看| 国产成人亚洲精品无码青| 亚洲永久无码7777kkk| 亚洲欧美日韩国产综合专区| 亚洲无人区乱码中文字幕动画| 国产成人精品亚洲日本在线观看| 88国产精品视频一区二区三区| 麻豆国产成人AV网| 亚洲中文字幕精品视频| 亚洲国产天堂久久综合网| 国产伦精品一区二区三区视| 国产一级黄色性生活片| 日韩精品不卡一区二区三区| 国产视频一区二区在线免费观看| 国产免费av片无码永久免费| 大陆一级毛片免费播放| 国产精品黑丝美女av| 国产午夜福利片在线观看| 中文字幕精品无码一区二区| 国产精品亚洲综合色区丝瓜| 丝袜美腿高清在线观看| 人人妻人人妻人人片av| 亚洲无AV码一区二区三区| 中文字幕乱码亚洲三区| 国产真实乱对白精彩| 国产91 对白在线播放九色|