圖像去噪
- 基于紫外和紅外光譜聯(lián)合的低零值絕緣子狀態(tài)監(jiān)測(cè)技術(shù)研究
零值絕緣子；圖像去噪；破損特征；過(guò)熱特征；閃絡(luò)特征中圖分類號(hào)： TP391.4文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)： 1001-5922（2023）08-0180-05Research on low zero insulator condition monitoring technologybased on combined ultraviolet and infrared spectroscopyXIA Liwei，ZHANG Chuqian，YIN Hong，
粘接 2023年8期2023-09-05
- 輪胎圖像去噪方法研究
算法實(shí)現(xiàn)輪胎圖像去噪；最后通過(guò)實(shí)驗(yàn)驗(yàn)證了輪胎圖像去噪方法的有效性，分析了不同方法的峰值信噪比（Peak Signal to Noise Ratio， PSNR）性能。關(guān)鍵詞： 輪胎圖像； 圖像去噪； 均值濾波； 中值濾波； 小波變換中圖分類號(hào)：TP391.4? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2023）05-11-04Research on tire image denoising methodsLiu Hongbin
計(jì)算機(jī)時(shí)代 2023年5期2023-05-14
- 基于區(qū)域劃分的非局部均值圖像去噪算法的改進(jìn)
蔣林關(guān)鍵詞：圖像去噪；非局部均值；歐氏距離；權(quán)重函數(shù)中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A1 引言（Introduction）圖像在獲取、傳輸?shù)倪^(guò)程中會(huì)受到噪聲的干擾，導(dǎo)致圖像的邊界輪廓、線條紋理等細(xì)節(jié)部分變得模糊不清，因此需要對(duì)圖像進(jìn)行降噪處理，以便進(jìn)行更高層次的圖像分析與理解。BUADES等[1]提出了非局部均值去噪算法，打破了傳統(tǒng)局部鄰域的限制，用相似像素加權(quán)平均實(shí)現(xiàn)圖像去噪，這種方法取得了較好的去噪效果。為了進(jìn)一步提升去噪效果，部分學(xué)者對(duì)NLM算法
軟件工程 2023年5期2023-05-09
- 基于密度聚類與灰度變換的NSST域聲吶圖像去噪
璽摘要：傳統(tǒng)圖像去噪方法在去除聲吶圖像斑點(diǎn)噪聲的同時(shí)，難以有效保留細(xì)節(jié)特征.針對(duì)該問(wèn)題，提出一種基于密度聚類與灰度變換的非下采樣剪切波域圖像去噪方法.利用非下采樣剪切波變換將含噪圖像分解為高頻系數(shù)和低頻系數(shù)，根據(jù)聲吶圖像中斑點(diǎn)噪聲的分布特性，采用基于密度的噪聲應(yīng)用空間聚類（Density-based Spatial Clustering of Applications with Noise，DBSCAN）算法對(duì)高頻系數(shù)進(jìn)行處理，分離噪聲信號(hào)，保留細(xì)節(jié)信息；
湖南大學(xué)學(xué)報(bào)·自然科學(xué)版 2022年8期2022-11-14
- 基于CNN的小波域低劑量CT圖像去噪算法研究
低劑量CT;圖像去噪;平穩(wěn)小波變換;殘差神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：TP305? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）25-0082-04開(kāi)放科學(xué)（資源服務(wù)） 標(biāo)識(shí)碼（OSID） ：1 概述X射線計(jì)算機(jī)斷層掃描（CT） 是現(xiàn)代醫(yī)學(xué)影像中重要的成像方式之一[1]，CT由于其能夠高質(zhì)量呈現(xiàn)人體器官結(jié)構(gòu)信息的特性，在現(xiàn)代臨床醫(yī)學(xué)的病情診斷中被廣泛使用。然而，X射線在穿過(guò)人體時(shí)，會(huì)引發(fā)人體內(nèi)的分子與化學(xué)物質(zhì)發(fā)生反應(yīng)，對(duì)人體帶來(lái)危害。隨著X射線劑量
電腦知識(shí)與技術(shù) 2022年25期2022-10-18
- 圖像去噪在火焰識(shí)別中的應(yīng)用研究
;小波變換;圖像去噪;火焰識(shí)別火災(zāi)一直以來(lái)都嚴(yán)重威脅著人類的生命和財(cái)產(chǎn)安全，影響著社會(huì)的穩(wěn)定。在火災(zāi)事故中，現(xiàn)場(chǎng)調(diào)查人員通過(guò)對(duì)火災(zāi)現(xiàn)場(chǎng)的調(diào)查可以幫助查明火災(zāi)原因，總結(jié)火災(zāi)經(jīng)驗(yàn)，對(duì)于預(yù)防火災(zāi)有著極其重要的作用。隨著社會(huì)和科技的發(fā)展，近年來(lái)，視頻火災(zāi)的偵查技術(shù)成為火災(zāi)調(diào)查新的研究熱點(diǎn)。調(diào)查人員通過(guò)對(duì)火災(zāi)現(xiàn)場(chǎng)相關(guān)的視頻和圖像進(jìn)行技術(shù)分析，進(jìn)一步判斷火災(zāi)起火點(diǎn)、起火原因以及火災(zāi)發(fā)展過(guò)程。而現(xiàn)場(chǎng)采集的視頻圖像在拍攝、采集、傳輸、處理等過(guò)程中，會(huì)因?yàn)楦鞣N不可避免的原因
消防界 2022年11期2022-07-02
- 監(jiān)督性機(jī)器學(xué)習(xí)算法在圖像去噪中的應(yīng)用
位置，導(dǎo)致在圖像去噪過(guò)程中丟失圖像原始信息，需要反復(fù)對(duì)比去噪后的圖像與原始圖像，增加圖像的去噪時(shí)間。深度學(xué)習(xí)在處理實(shí)際問(wèn)題中發(fā)揮了巨大作用，可以通過(guò)各種智能技術(shù)手段，對(duì)信息圖像進(jìn)行處理，從而幫助人們更好地觀察事物，采取較為正確的行動(dòng)，研究監(jiān)督性機(jī)器學(xué)習(xí)算法在圖像去噪中的應(yīng)用方法。在多點(diǎn)位設(shè)置圖像噪點(diǎn)分隔節(jié)點(diǎn)的基礎(chǔ)上，采用監(jiān)督性機(jī)器學(xué)習(xí)算法，構(gòu)建圖像的噪點(diǎn)提取模型，聚類理論篩選噪點(diǎn)完成圖像去噪，完成監(jiān)督性機(jī)器學(xué)習(xí)算法在圖像去噪中的應(yīng)用方法設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明：
電腦知識(shí)與技術(shù) 2022年16期2022-05-30
- 基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的圖像去噪方法
摘要：針對(duì)在圖像去噪領(lǐng)域一些傳統(tǒng)方法已無(wú)法解決數(shù)據(jù)維度、數(shù)據(jù)質(zhì)量、數(shù)據(jù)復(fù)雜度的問(wèn)題，本文提出基于改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)GAN的圖像去噪方法。該方法首先給在ImageNet數(shù)據(jù)集中隨機(jī)挑選出的原始圖像分別加上0.15、0.25的高斯噪聲得到帶噪聲的模糊圖像，然后將模糊圖像輸入到增加了殘差網(wǎng)絡(luò)的生成網(wǎng)絡(luò)里得到去噪圖像，將原始圖像和去噪圖像一同輸入到判別網(wǎng)絡(luò)里進(jìn)行訓(xùn)練，訓(xùn)練時(shí)采用特定的損失函數(shù)來(lái)優(yōu)化訓(xùn)練，最后用峰值信噪比和結(jié)構(gòu)相似性兩個(gè)指標(biāo)來(lái)衡量該方法與其他方法的去
電腦知識(shí)與技術(shù) 2022年12期2022-05-29
- 一種基于FPGA應(yīng)用于紅外圖像的去噪方法
的視覺(jué)感官，圖像去噪成為圖像處理不可或缺的環(huán)節(jié)。國(guó)內(nèi)外對(duì)圖像去噪的研究能夠應(yīng)用大多數(shù)的場(chǎng)景。針對(duì)紅外圖像應(yīng)用場(chǎng)景，采用去噪效果好、實(shí)時(shí)性好、資源占用較少的，能在FPGA運(yùn)行的去噪算法顯得尤為重要。主要介紹一種應(yīng)用在紅外圖像的去噪方法。該方法基于常規(guī)經(jīng)典算法，結(jié)合行業(yè)實(shí)際應(yīng)用，對(duì)去噪處理后的圖像進(jìn)行合理銳化，從而達(dá)到行業(yè)實(shí)際應(yīng)用需求。[關(guān)鍵詞]FPGA;圖像去噪;紅外圖像[中圖分類號(hào)]TP391.41 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487（202
今日自動(dòng)化 2021年8期2021-11-28
- 一種針對(duì)椒鹽噪聲的高速自適應(yīng)中值濾波算法
。關(guān)鍵詞： 圖像去噪; 中值濾波; 自適應(yīng); 椒鹽噪聲; 高速中圖分類號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2021）10-68-04A high speed adaptive median filtering algorithm for salt and pepper noise removingMa Lian， Li Lin（School of Electrical and Electronic Eng
計(jì)算機(jī)時(shí)代 2021年10期2021-10-24
- 基于深度學(xué)習(xí)的圖像恢復(fù)技術(shù)研究與實(shí)現(xiàn)
;深度學(xué)習(xí);圖像去噪;計(jì)算生成全息圖;圖像光加密中圖分類號(hào)：TP391? ? 文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)：1009-3044（2021）14-0164-02在如今信息技術(shù)高度發(fā)展的時(shí)代，信息安全變得尤為重要，光加密作為一種可靠的圖像加密技術(shù)具有安全，高效等特點(diǎn)。在光加密系統(tǒng)中，隨機(jī)相位掩膜面積有限，為一截?cái)嗉兿辔荒０澹虼烁盗⑷~譜不可能是一純相位函數(shù)，故生成的圖像具有嚴(yán)重的圖像噪聲。直接對(duì)數(shù)據(jù)集使用光加密系統(tǒng)的噪聲圖像使用深度學(xué)習(xí)去噪需要大量的數(shù)據(jù)樣本，無(wú)法
電腦知識(shí)與技術(shù) 2021年14期2021-07-19
- 圖像去模糊處理研究
進(jìn)，提出一種圖像去噪效果更好的方法。該方法首先對(duì)圖像添加高斯白模糊，模擬圖像在不同程度下的模糊情況，其次對(duì)添加了不同高斯白噪聲下的圖像分別進(jìn)行小波閾值、Wiener濾波、小波閾值和Wiener濾波聯(lián)合去噪，對(duì)比不同不通濾波在相同條件下的去噪效果，最后，計(jì)算出降噪之前以及降噪之后的圖像信噪比、峰值信噪比。仿真結(jié)果表明，該方法的信噪比和峰值信噪比大于比單獨(dú)使用Wiener濾波和單獨(dú)使用小波閾值去噪，圖像的還原度也較之兩者要好。關(guān)鍵詞：小波變換;小波閾值;維納濾
電腦知識(shí)與技術(shù) 2020年32期2020-12-29
- 基于高分辨小波混沌置換的平面設(shè)計(jì)圖像處理技術(shù)研究
高平面設(shè)計(jì)的圖像去噪質(zhì)量，文中基于高分辨率的小波混沌置換算法，提出一種適用于平面設(shè)計(jì)的圖像處理方法。首先，通過(guò)二維小波變換的快速分解算法，計(jì)算圖像在各個(gè)分量上的小波系數(shù);再利用同一個(gè)分量或相鄰分量小波系數(shù)之間的相關(guān)性，通過(guò)文中所提出的圖像相位濾波算法，同時(shí)使用相應(yīng)的小波系數(shù)重構(gòu)處理后的圖像，最終形成了完整的平面設(shè)計(jì)圖像處理方案。仿真結(jié)果表明，與基于幅度的匹配濾波算法相比，所提出的算法具有更加理想的去噪效果。關(guān)鍵詞： 平面設(shè)計(jì); 圖像處理; 小波變換; 小波
現(xiàn)代電子技術(shù) 2020年24期2020-12-28
- 基于小波的平面設(shè)計(jì)圖像處理技術(shù)研究
面設(shè)計(jì)中對(duì)于圖像去噪質(zhì)量要求日益增高的問(wèn)題，文中提出基于小波的平面設(shè)計(jì)圖像處理技術(shù)方案。在二維圖像建模的基礎(chǔ)上，利用離散小波的方法對(duì)圖像進(jìn)行變換，改進(jìn)小波系數(shù)閾值設(shè)計(jì)并進(jìn)行量化。為進(jìn)一步提高圖像去噪與恢復(fù)的質(zhì)量，文中還設(shè)計(jì)基于小波分解尺度的自適應(yīng)閾值設(shè)置方法，可以有效地自適應(yīng)調(diào)節(jié)閾值以保留有效信息。仿真驗(yàn)證與數(shù)據(jù)分析結(jié)果表明，文中所設(shè)計(jì)的算法相比于現(xiàn)有算法可以更好地對(duì)圖像進(jìn)行去噪與恢復(fù)，自適應(yīng)閾值可以有效提高圖像恢復(fù)質(zhì)量。關(guān)鍵詞： 平面設(shè)計(jì); 圖像處理;
現(xiàn)代電子技術(shù) 2020年22期2020-12-07
- 藏文文獻(xiàn)版面分析中去噪方法研究
價(jià)。關(guān)鍵詞：圖像去噪;卷積神經(jīng)網(wǎng)絡(luò);殘差學(xué)習(xí);藏文文獻(xiàn)版面中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）29-0196-03隨著現(xiàn)代科技的發(fā)展和電子數(shù)碼產(chǎn)品的普及，圖像在人們生產(chǎn)和生活中的應(yīng)用越來(lái)越普及[1]。但是，由于物理或人為等因素，可能會(huì)導(dǎo)致圖像在采集和傳輸過(guò)程中受到不同程度噪聲的干擾[2]。因此，圖像去噪是圖像研究領(lǐng)域極其重要的一步。1 研究基礎(chǔ)現(xiàn)如今圖像去噪的研究發(fā)展已經(jīng)較為成熟，以神經(jīng)網(wǎng)絡(luò)的普及為分界點(diǎn)，圖像去噪方
電腦知識(shí)與技術(shù) 2020年29期2020-12-01
- 基于開(kāi)關(guān)型非局部均值濾波的指靜脈圖像去噪
濾波的指靜脈圖像去噪算法。該算法首先生成靜脈圖像像素點(diǎn)的Hessian矩陣，然后通過(guò)Frangi濾波對(duì)起皮干裂區(qū)域進(jìn)行精準(zhǔn)檢測(cè)，最后對(duì)受干擾區(qū)域進(jìn)行非局部均值濾波去噪。理論分析與實(shí)驗(yàn)結(jié)果表明，該算法與現(xiàn)有經(jīng)典靜脈去噪算法相比，充分利用了圖像上其它區(qū)域的冗余信息，在實(shí)現(xiàn)去噪的同時(shí)，更好地保留了非受干擾圖像區(qū)域的靜脈細(xì)節(jié)部分，一定程度上克服了經(jīng)典去噪算法對(duì)整個(gè)圖像的過(guò)平滑問(wèn)題。在認(rèn)假率為0時(shí)，拒真率相比原結(jié)果降低了5.63%。關(guān)鍵詞：Hessian矩陣;Fra
軟件導(dǎo)刊 2020年1期2020-07-14
- 基于圖像傳感器的圖像畫質(zhì)增強(qiáng)算法研究
處理技術(shù); 圖像去噪; 信號(hào)采集; 雙邊濾波; 性能測(cè)試中圖分類號(hào)： TN911.73?34; TP317.4 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）07?0066?04Research on image quality enhancement algorithm based on image sensorLIU Chun， TAO Weiwei（School of S
現(xiàn)代電子技術(shù) 2020年7期2020-06-15
- 中值檢測(cè)的迭代中值濾波算法
。關(guān)鍵詞： 圖像去噪; 噪聲檢測(cè); 噪聲濾除; 迭代中值濾波; 加權(quán)中值濾波; 中值檢測(cè)中圖分類號(hào)： TN911.73?34; TP391 ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）07?0070?04Iterative median filtering algorithm based on median detectionCHEN Jiayi1， DONG Mengy
現(xiàn)代電子技術(shù) 2020年7期2020-06-15
- 基于加權(quán)稀疏與加權(quán)核范數(shù)最小化的圖像去噪
摘要：為提高圖像去噪的性能，本文提出一種基于加權(quán)稀疏表示結(jié)合加權(quán)核范數(shù)最小化的圖像去噪算法。通過(guò)高斯混合模型（GMM）學(xué)習(xí)算法，從自然圖像中學(xué)習(xí)非局部自相似先驗(yàn)信息，利用加權(quán)稀疏編碼來(lái)輔助重構(gòu)圖像的細(xì)節(jié)紋理，及低秩正則化來(lái)恢復(fù)噪聲圖像塊矩陣的潛在結(jié)構(gòu)。實(shí)驗(yàn)表明，該算法在保留圖像的結(jié)構(gòu)和紋理信息的同時(shí)能更好地去除噪聲。關(guān)鍵詞：圖像去噪;非局部自相似;加權(quán)稀疏表示;加權(quán)核范數(shù)中圖分類號(hào)：G642.0 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A圖像去噪作為低層視覺(jué)中的經(jīng)典
海峽科技與產(chǎn)業(yè) 2020年2期2020-06-11
- 一種基于多級(jí)閾值的中值濾波算法設(shè)計(jì)
但是不能在對(duì)圖像去噪的基礎(chǔ)上很好地保留圖像細(xì)節(jié)。針對(duì)該算法存在的缺點(diǎn)，提出了基于多級(jí)閾值的中值濾波算法。采用Matlab軟件編程，通過(guò)設(shè)定多級(jí)閾值方法來(lái)檢測(cè)當(dāng)前像素點(diǎn)是否為噪聲點(diǎn)，使算法在去噪的基礎(chǔ)上對(duì)圖像細(xì)節(jié)有良好的改善。實(shí)驗(yàn)結(jié)果表明改進(jìn)的加權(quán)中值濾波算法對(duì)圖像細(xì)節(jié)有明顯的提高。關(guān)鍵詞： 圖像去噪; 加權(quán)中值濾波; Matlab; 多級(jí)閾值A(chǔ)bstract： Although the weighted median filter has good den
計(jì)算機(jī)時(shí)代 2020年5期2020-06-04
- 基于小波分解和NAS-RIF算法對(duì)圖像去噪的研究
果。關(guān)鍵詞：圖像去噪;小波分解;NAS-RIF算法;PSNR中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）03-0196-02現(xiàn)如今信息來(lái)源不再局限于語(yǔ)言和文字，還包括音頻、視頻和圖像等。據(jù)統(tǒng)計(jì)，信息來(lái)源的主要途徑是圖像。然而，人們?cè)讷@取圖像時(shí)經(jīng)常會(huì)受到外部環(huán)境的噪聲干擾，這嚴(yán)重影響了視覺(jué)效果。通過(guò)消除原始圖像中的噪聲，可以提高圖像的清晰度。因此研究圖像處理中的圖像去噪顯得尤為重要。圖像噪聲多種多樣，其性質(zhì)特征各不相同，本文
電腦知識(shí)與技術(shù) 2020年3期2020-04-08
- 圖像去噪方法研究進(jìn)展
像處理，需對(duì)圖像去噪。文章介紹了幾種常用的圖像去噪方法，如中值濾波、BM3D、均值濾波、小波去噪等，通過(guò)對(duì)這幾種去噪方法的基本思想和算法流程的對(duì)比研究，分析并總結(jié)了這些方法處理噪聲的效果和優(yōu)缺點(diǎn)。關(guān)鍵詞： 圖像去噪; 椒鹽噪聲; 高斯噪聲; 小波去噪中圖分類號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1006-8228（2020）02-29-04Research progress of image denoising methodsG
計(jì)算機(jī)時(shí)代 2020年2期2020-04-05
- 基于多尺度相似先驗(yàn)的非局部圖像去噪算法
張選德摘要：圖像去噪是圖像處理領(lǐng)域的一個(gè)基礎(chǔ)研究課題，利用正則化建模方式解決圖像去噪問(wèn)題的關(guān)鍵在于正則化約束項(xiàng)的選擇。通過(guò)分析圖像結(jié)構(gòu)信息，文章假定圖像存在多尺度的結(jié)構(gòu)特征，提出了以多尺度相似先驗(yàn)作為正則化約束項(xiàng)的非局部圖像去噪模型。該算法利用奇異值分解和硬閾值方法對(duì)獲得的多尺度相似矩陣進(jìn)行協(xié)同去噪，通過(guò)數(shù)值實(shí)驗(yàn)表明，可以獲得性能較好的去噪效果。關(guān)鍵詞：圖像去噪;正則項(xiàng);多尺度特征;自相似結(jié)構(gòu)特征;相似矩陣;非局部中圖分類號(hào)：TP18? ? ? ? 文獻(xiàn)標(biāo)
電腦知識(shí)與技術(shù) 2020年2期2020-03-16
- 基于小波變換的圖像去噪優(yōu)化算法研究
于小波變換的圖像去噪早已成了目前圖像去噪的主要方式之一。本文對(duì)基于小波的圖像去噪開(kāi)展了系統(tǒng)的的研究，首先概述了小波去噪的現(xiàn)狀，接著簡(jiǎn)述了幾種經(jīng)典的小波變換去噪方法;對(duì)于小波變換閾值去噪方法的原理進(jìn)行了詳細(xì)的討論。最后進(jìn)行分析比較，列出優(yōu)缺點(diǎn)及適用條件，并提出一種改進(jìn)的去噪函數(shù)，給實(shí)驗(yàn)結(jié)果。關(guān)鍵詞：小波變換;圖像去噪;閾值函數(shù)一、引言現(xiàn)如今人類傳遞信息的主要載體是語(yǔ)音和圖片。其中圖像信息以其信息量大，傳輸速度快，功用距離遠(yuǎn)等一系列特點(diǎn)被選為人類傳遞信息的關(guān)鍵
科學(xué)與財(cái)富 2020年1期2020-03-02
- 基于MATLAB的掌靜脈圖像去噪算法研究
對(duì)幾種經(jīng)典的圖像去噪算法進(jìn)行研究，并將它們應(yīng)用于掌靜脈圖像去噪，最后通過(guò)MATLAB仿真進(jìn)行了測(cè)試。關(guān)鍵詞：MATLAB;圖像去噪;掌靜脈圖像中圖分類號(hào)：TP391.7文獻(xiàn)標(biāo)識(shí)碼：AAbstract：Images often be polluted by sound pollution during its capture and transmission.That cause a declining quality image.So，noises sho
科技風(fēng) 2020年3期2020-02-24
- 一種改進(jìn)的變分法圖像去噪模型
海燕【摘要】圖像去噪是數(shù)字圖像處理重要的預(yù)處理方法，在實(shí)際生活中有大量的應(yīng)用.圖像去噪的目的是為了改善圖像的總體質(zhì)量，本文提出了一種改進(jìn)的全變分圖像去噪模型并給出了其對(duì)應(yīng)的更好數(shù)值求解方法，通過(guò)仿真實(shí)驗(yàn)對(duì)本文所提出的去噪方法的去噪效果檢驗(yàn)，實(shí)驗(yàn)表明本文方法可以在有效去除噪聲的同時(shí)更好地保留圖像邊緣等圖像特征，且其數(shù)值實(shí)現(xiàn)方法更加簡(jiǎn)單并易于實(shí)現(xiàn).【關(guān)鍵詞】圖像去噪;全變分;圖像處理圖像已經(jīng)成為人類獲取信息及利用信息的重要來(lái)源.但是在圖像的獲取、轉(zhuǎn)換和傳輸過(guò)程
數(shù)學(xué)學(xué)習(xí)與研究 2019年17期2019-10-18
- 一種激光光斑圖像的去噪算法研究
確。關(guān)鍵詞：圖像去噪;光斑圖像;光電轉(zhuǎn)換;激光探測(cè)中圖分類號(hào)：TB 文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.1672-3198.2019.27.1001 引言激光探測(cè)系統(tǒng)一般通過(guò)將激光信號(hào)變化成電信號(hào)，并通過(guò)不同的信息處理方法來(lái)獲取不同的信息來(lái)實(shí)現(xiàn)探測(cè)目的，在偵察、測(cè)距及湍流探測(cè)等方面都有著較為廣泛的應(yīng)用。在所屬光電轉(zhuǎn)換過(guò)程中，使用紅外相機(jī)對(duì)合適波長(zhǎng)的激光光斑成像，由于光電探測(cè)器輸出的電信號(hào)幅度正比于接收的光功率，這樣就可以直觀分析激光光斑的
現(xiàn)代商貿(mào)工業(yè) 2019年27期2019-10-06
- 基于機(jī)器學(xué)習(xí)的圖像去噪研究
，機(jī)器學(xué)習(xí)的圖像去噪又有三大類，分別是神經(jīng)網(wǎng)絡(luò)、稀疏算法和向量算法，通過(guò)對(duì)去噪過(guò)程進(jìn)行研究，提高圖像在信息傳遞中的清晰度和準(zhǔn)確度，同時(shí)，增強(qiáng)去噪的作用效果。本文將主要就機(jī)器學(xué)習(xí)的去噪過(guò)程進(jìn)行研究，分別從機(jī)器學(xué)習(xí)的去噪研究的含義，去噪研究的應(yīng)用及提高去噪作用效果的相應(yīng)措施幾個(gè)方面進(jìn)行詳細(xì)討論，為日后相應(yīng)的措施改變提供理論參考和借鑒。關(guān)鍵詞：機(jī)器學(xué)習(xí);圖像去噪;應(yīng)用改進(jìn)中圖分類號(hào)：TP391.41;TP181 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-47
現(xiàn)代信息科技 2019年14期2019-09-10
- 基于GAN生成對(duì)抗網(wǎng)絡(luò)的圖像去噪及去噪原理的探究
）架構(gòu)來(lái)解決圖像去噪的問(wèn)題。網(wǎng)絡(luò)由判別網(wǎng)絡(luò)和生成網(wǎng)絡(luò)組成，半監(jiān)督學(xué)習(xí)從噪聲圖像到去噪圖像的端到端的映射。在生成網(wǎng)絡(luò)中，在全卷積的情況下，噪聲一步步地被消除，最后得到去噪圖像。關(guān)鍵詞：圖像去噪 ?GAN ?神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：TP39 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：1672-3791（2019）05（a）-0026-02在城市夜景拍攝或者星空拍攝中，會(huì)產(chǎn)生大量的噪點(diǎn)，這是由于高ISO和弱光散粒形成的隨機(jī)噪點(diǎn)。圖像噪點(diǎn)很大一部分原因是感光
科技資訊 2019年13期2019-08-13
- 基于分?jǐn)?shù)階微分算子與高斯曲率相結(jié)合的自適應(yīng)圖像去噪
結(jié)合的自適應(yīng)圖像去噪方法。將高斯曲率引入偏微分方程模型中，由圖像梯度進(jìn)行邊緣檢測(cè)，再結(jié)合高斯曲率和分?jǐn)?shù)階微分算子的性質(zhì)，由圖像的局部方差建立分?jǐn)?shù)階微分算子，構(gòu)建基于分?jǐn)?shù)階微分算子的自適應(yīng)圖像去噪模型，進(jìn)行自適應(yīng)地?cái)U(kuò)散去噪。結(jié)果表明，新算法性能優(yōu)異，內(nèi)部信息保護(hù)更具完整性，有利于實(shí)際應(yīng)用。關(guān)鍵詞： 圖像去噪; 邊緣檢測(cè); 去噪模型; 自適應(yīng)擴(kuò)散去噪; 高斯曲率; 分?jǐn)?shù)階微分算子中圖分類號(hào)： TN911.7?34; TP391.41 ? ? ? ? ? ? ?
現(xiàn)代電子技術(shù) 2019年15期2019-08-12
- 基于分組字典與變分模型的圖像去噪算法
應(yīng)字典學(xué)習(xí);圖像去噪;稀疏表示;變分模型;非局部相似中圖分類號(hào)： TP391.41文獻(xiàn)標(biāo)志碼：AAbstract： Aiming at problem of additive Gauss noise removal， an improved image restoration algorithm based on the existing K-means Singular Value Decomposition （K-SVD） method was pro
計(jì)算機(jī)應(yīng)用 2019年2期2019-08-01
- 基于稀疏模型的圖像去噪算法研究
線性逼近，在圖像去噪方面已取得較好的實(shí)驗(yàn)效果。本文對(duì)圖像去噪模型進(jìn)行分析，介紹了稀疏編碼思想實(shí)現(xiàn)圖像去噪的原理，并對(duì)經(jīng)典的稀疏去噪模型進(jìn)行對(duì)比與分析。最后，基于稀疏模型對(duì)去噪算法進(jìn)行分析，提出了稀疏模型在其他研究領(lǐng)域的展望。關(guān)鍵詞：稀疏編碼 字典學(xué)習(xí) 自相似性 非局部 圖像去噪中圖分類號(hào)：TP751.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2019）03（b）-0133-03Abstract： The sparse coding can achi
科技創(chuàng)新導(dǎo)報(bào) 2019年8期2019-07-13
- 基于稀疏表示與加權(quán)核范數(shù)最小化的圖像去噪算法
范數(shù)最小化的圖像去噪算法。稀疏表示用于輔助重構(gòu)清晰圖像，加權(quán)核范數(shù)最小化用于圖像塊樣本的低秩矩陣逼近。通過(guò)分析紋理數(shù)據(jù)找出熵較大的非平滑塊，運(yùn)用一種奇異值維納濾波，從其差異矩陣中找出丟失的部分紋理信息，并將其與低秩去噪結(jié)果融合。實(shí)驗(yàn)結(jié)果表明，該算法能夠保持圖像的細(xì)小紋理，去噪效果更好，具有良好的魯棒性與泛化性。關(guān)鍵詞：稀疏表示;加權(quán)核范數(shù)最小化;圖像去噪;圖像特征;維納濾波DOI：10. 11907/rjdk. 182239中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼
軟件導(dǎo)刊 2019年6期2019-07-08
- 基于改進(jìn)小波閾值的紅外熱波無(wú)損檢測(cè)圖像噪聲抑制方法的研究
。關(guān)鍵詞： 圖像去噪; 紅外熱波無(wú)損檢測(cè); 紅外熱圖; 小波閾值去噪中圖分類號(hào)：TP751.1? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：1006-8228（2019）01-75-04Abstract： In view of the low signal-to-noise ratio of infrared image in the application process， the theoretical principle and implem
計(jì)算機(jī)時(shí)代 2019年1期2019-02-13
- 基于改進(jìn)自適應(yīng)TV模型的全自適應(yīng)去噪算法
的TV模型在圖像去噪效果方面優(yōu)于原模型，自適應(yīng)正則項(xiàng)系數(shù)算法能夠彌補(bǔ)原圖像去噪方法的不足。關(guān)鍵詞：圖像去噪;TV模型;ROF算法;正則項(xiàng)系數(shù);自適應(yīng)DOI：10.11907/rjd k.192284中圖分類號(hào)：TP312 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）012-0112-060引言圖像獲取和傳輸過(guò)程中受到噪聲污染在所難免，受污染的低質(zhì)圖像嚴(yán)重阻礙研究人員對(duì)圖像的觀測(cè)和研究，這時(shí)圖像的恢復(fù)、去模糊、重建和修復(fù)就顯得尤為重要。為有效去除
軟件導(dǎo)刊 2019年12期2019-02-07
- 一種高效的自適應(yīng)雙邊濾波方法
：雙邊濾波;圖像去噪;灰度方差中圖分類號(hào)：TN911.73 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）10-0121-03在當(dāng)今時(shí)代，圖像處理因數(shù)碼設(shè)備的普及而成為信息領(lǐng)域的熱門研究方向，主要致力于解決人們?cè)讷@取圖像時(shí)所附帶的噪聲而降低圖像質(zhì)量的問(wèn)題[1]。而雙邊濾波就是一個(gè)能在去除圖像噪聲的同時(shí)能較好地保留圖像邊緣細(xì)節(jié)的濾波方法。傳統(tǒng)的雙邊濾波方法通過(guò)手動(dòng)設(shè)置濾波參數(shù)的方法進(jìn)行濾波，但僅憑經(jīng)驗(yàn)人工設(shè)定參數(shù)的方法不能保證設(shè)定參數(shù)的合理性，且存
數(shù)字技術(shù)與應(yīng)用 2019年10期2019-01-08
- 基于CUDA架構(gòu)并行設(shè)計(jì)圖像去噪算法
要： 針對(duì)圖像去噪算法中由于數(shù)據(jù)量大、計(jì)算復(fù)雜度高導(dǎo)致的實(shí)時(shí)性低的問(wèn)題，通過(guò)對(duì)經(jīng)典K?SVD圖像去噪算法的并行性進(jìn)行研究分析，設(shè)計(jì)基于CUDA架構(gòu)的并行K?SVD圖像去噪算法。該算法主要對(duì)去噪算法中矩陣?yán)?、快速OMP和SVD等部分進(jìn)行并行設(shè)計(jì)，采用“共享內(nèi)存”“歸并求和”等策略進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，基于CUDA架構(gòu)的并行算法比串行算法速度有了顯著提高，最高加速比為12倍，極大提高了圖像去噪算法的處理速度。關(guān)鍵詞： CUDA； 圖像去噪； K?SVD；
現(xiàn)代電子技術(shù) 2018年22期2018-11-13
- 基于正則化模型的K—SVD算法及其應(yīng)用
訓(xùn)練字典用于圖像去噪時(shí)發(fā)現(xiàn)，新模型下字典重構(gòu)出圖像的峰值信噪比（PSNR）比傳統(tǒng)算法提升0.5dB左右。關(guān)鍵詞：K-SVD；正則化方法；字典學(xué)習(xí)；稀疏表示；圖像去噪DOIDOI：10.11907/rjdk.173177中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）008-0114-04英文摘要Abstract：A method of K Singular Value Decomposition （K-SVD） based o
軟件導(dǎo)刊 2018年8期2018-10-29
- 一種X射線圖像白點(diǎn)噪聲去除算法
射線拍攝； 圖像去噪； 低照度圖像； 圖像增強(qiáng)； 白點(diǎn)噪聲； 像素點(diǎn)中圖分類號(hào)： TN911.73?34； TP751.1 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）18?0096?03An algorithm for removing white spot noise in X?ray imagesCHEN Haijin， CHEN Wei（School of Electronic Information， Nantong Univer
現(xiàn)代電子技術(shù) 2018年18期2018-09-12
- PCB檢測(cè)圖像的空間域去噪方法研究
B；AOI；圖像去噪；空間濾波中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）04-0061-03圖像空間域去噪顧名思義是直接對(duì)圖像灰度級(jí)做運(yùn)算進(jìn)行去噪，根據(jù)算法的不同分為線性和非線性，包括均值濾波器，統(tǒng)計(jì)排序?yàn)V波器等。均值濾波器根據(jù)計(jì)算方式不同又可細(xì)分為算術(shù)均值、幾何均值等其他濾波器。統(tǒng)計(jì)排序?yàn)V波器同樣根據(jù)排序方式不同分為中值、最大值、最小值以及其他變種濾波器。1 均值濾波器此類濾波器平滑一副圖像中的局部變化，它使用濾波器
數(shù)字技術(shù)與應(yīng)用 2018年4期2018-08-18
- 二維卡爾曼濾波的多源信息集中式融合去噪方法
集中式融合；圖像去噪中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）20-0033-02Abstract： At present， a single algorithm or single sensor's image information can not meet the needs of high-precision image recognition task， the multi-sensor can obtain
科技創(chuàng)新與應(yīng)用 2018年20期2018-07-28
- 遙感圖像信號(hào)不相關(guān)隨機(jī)噪聲去除方法研究
，在一般數(shù)字圖像去噪算法的基礎(chǔ)上探討了對(duì)遙感圖像信號(hào)不相關(guān)隨機(jī)噪聲的去除方法。由于小波變換理論在圖像去噪處理中的應(yīng)用廣泛且效果顯著，在此著重研究基于小波變換的小波閾值去噪算法。進(jìn)而在coif3小波函數(shù)下進(jìn)行仿真實(shí)驗(yàn)，結(jié)合仿真結(jié)果比較硬閾值和軟閾值對(duì)噪聲濾除的效果，同時(shí)還在軟閾值的基礎(chǔ)上嘗試了多級(jí)軟閾值去噪算法。實(shí)驗(yàn)結(jié)果表明，軟閾值處理后的去噪效果要優(yōu)于硬閾值，而多級(jí)軟閾值處理后的效果優(yōu)于純軟閾值處理的效果。關(guān)鍵詞： 圖像去噪； 遙感圖像； 信號(hào)不相關(guān)隨機(jī)噪
現(xiàn)代電子技術(shù) 2018年14期2018-07-27
- 改進(jìn)的小波域耦合偏微分方程圖像去噪模型
階偏微分方程圖像去噪模型的不足，利用小波變換能夠聚焦到圖像細(xì)微變化的優(yōu)勢(shì)，提出一種基于小波域的偏微分方程圖像去噪算法。并通過(guò)對(duì)小波的閾值和閾值函數(shù)做適當(dāng)?shù)母倪M(jìn)以及利用加權(quán)函數(shù)將全變分和四階偏微分方程去噪模型相結(jié)合的方法，得到一種改進(jìn)的小波域耦合偏微分方程圖像去噪模型。MATLAB仿真結(jié)果表明，該模型和小波軟閾值去噪、全變分模型以及四階偏微分方程圖像去噪模型相比，峰值信噪比有明顯的提高，而且能夠在很好地保留圖像的邊緣和細(xì)節(jié)信息的同時(shí)提高處理噪聲的效率。關(guān)鍵詞
計(jì)算技術(shù)與自動(dòng)化 2018年1期2018-04-12
- 基于小波變換的CBCT圖像去噪方法研究
；CBCT；圖像去噪中圖分類號(hào)：TP181 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）04-0181-031 概述圖像去噪，即以去除噪聲的方式提高圖像信噪比，進(jìn)而達(dá)到突出特征、提高圖像質(zhì)量和利用率的目的[1]。圖像去噪作為圖像處理的重要組成部分，是近年來(lái)研究的熱門。小波變換作為為近年來(lái)比較經(jīng)典比較成熟的理論體系，已經(jīng)應(yīng)用于數(shù)學(xué)、天文物理各個(gè)領(lǐng)域，在數(shù)字圖像處理中應(yīng)用尤為廣泛。傳統(tǒng)去噪方法的不足在于使信號(hào)變換后的熵增高，無(wú)法刻畫信號(hào)的非平穩(wěn)特性
電腦知識(shí)與技術(shù) 2018年4期2018-03-19
- 基于字典學(xué)習(xí)的圖像去噪研究
K-SVD；圖像去噪中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）02-0164-02Research on Image Denoising Based on Dictionary LearningCHENG Chun-yan（Faculty of Information Engineering，Jiangxi University of Science and Technology，Ganzhou 341000， Chi
電腦知識(shí)與技術(shù) 2018年2期2018-02-03
- 基于改進(jìn)的小波閾值圖像去噪算法研究
和軟閾值法在圖像去噪中的缺陷。針對(duì)這些缺陷，提出一種改進(jìn)的閾值去噪法，該方法不僅可克服硬閾值不連續(xù)的缺點(diǎn)，還能夠有效解決小波分解預(yù)估計(jì)系數(shù)與真實(shí)小波系數(shù)間存有的恒定誤差。通過(guò)Matlab仿真實(shí)驗(yàn)，使用改進(jìn)的小波閾值法對(duì)圖像去噪處理后，除噪效果比較理想，在去噪性能指標(biāo)上，PSNR（峰值信噪比）和EPI（邊緣保護(hù)指數(shù)）均好于傳統(tǒng)閾值方法。關(guān)鍵詞：小波閾值；圖像去噪；小波系數(shù)；峰值信噪比；邊緣保護(hù)指數(shù)DOIDOI：10.11907/rjdk.172083中圖分類
軟件導(dǎo)刊 2018年1期2018-02-01
- 基于小波閾值的圖像去噪
，選取較佳的圖像去噪法。在Matlab上仿真結(jié)果表明，基于SURE閾值去噪法有效提高了圖像去除噪聲能力，保留較好的圖像細(xì)節(jié)。關(guān)鍵詞：圖像去噪；小波閾值；SURE閾值；MATLAB0引言圖像在生成或傳輸過(guò)程中很容易受到噪聲（如敏感元器件內(nèi)部產(chǎn)生的高斯噪聲、光電轉(zhuǎn)換過(guò)程中的泊松噪聲和感光過(guò)程中產(chǎn)生的顆粒噪聲）的干擾或影響而使圖像的質(zhì)量受到損害，為了抑制噪聲，改善圖像質(zhì)量，便于后續(xù)處理，需要對(duì)圖像進(jìn)行去噪處理。目前，小波閾值去噪方法是小波去噪方法中最早被提出的一
軟件 2017年7期2018-01-24
- 基于深度學(xué)習(xí)的圖像處理技術(shù)
；圖像處理；圖像去噪；圖像分類；圖像增強(qiáng)中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）09-0065-02人工智能的發(fā)展促進(jìn)了現(xiàn)代化科技和智能化生活的發(fā)展，它最大的貢獻(xiàn)就是給人們生活和工作帶來(lái)了極大的方便。而深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的一部分，在人工智能發(fā)展方面起著至關(guān)重要的作用。為此，加大對(duì)深度學(xué)習(xí)的研究，將深度學(xué)習(xí)與其它領(lǐng)域有機(jī)的結(jié)合起來(lái)，為了人們的生活和社會(huì)的發(fā)展，去研發(fā)一些新產(chǎn)品和新技術(shù)，顯然是很必要的。1 圖像處理
數(shù)字技術(shù)與應(yīng)用 2018年9期2018-01-18
- 利用圖像統(tǒng)計(jì)特征的的自適應(yīng)中值濾波算法
差 方向性 圖像去噪中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：16723791（2017）11（b）-0021-02在處理椒鹽噪聲時(shí)，自適應(yīng)中值濾波算法是一種效果較好的算法[1]。該算法根據(jù)濾波窗口內(nèi)中值與極大值和極小值的關(guān)系，判斷中心點(diǎn)是否是噪聲點(diǎn)[2]。當(dāng)中心點(diǎn)在極大值和極小值之間認(rèn)為是圖像中的像素。當(dāng)中心點(diǎn)該算法認(rèn)為極值點(diǎn)是圖像中的噪聲點(diǎn)，但實(shí)際情況是有可能是圖像的細(xì)節(jié)點(diǎn)[3]。本文根據(jù)局部均值與方差的信息設(shè)定一個(gè)閾值，來(lái)判斷極值點(diǎn)是否
科技資訊 2017年32期2018-01-09
- 小波閾值圖像去噪中小波基選擇
且廣泛應(yīng)用的圖像去噪方法，在進(jìn)行小波變換時(shí)必須選擇一種類型的小波，不同的小波基存在著特性差異，直接影響去噪效果。實(shí)驗(yàn)表明，不同噪聲的圖像在進(jìn)行閾值去噪處理時(shí)能夠選擇一種最優(yōu)的小波基，達(dá)到去噪效果最佳。關(guān)鍵詞：閾值；圖像去噪；小波變換；小波基中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）30-0245-021 引言隨著小波理論日益完善，小波以良好的時(shí)頻局部化特性在圖像去噪領(lǐng)域受到越來(lái)越多的關(guān)注。目前小波去噪的方法大概可以分為
電腦知識(shí)與技術(shù) 2018年30期2018-01-04
- 抖動(dòng)狀態(tài)下運(yùn)動(dòng)模糊圖像去噪濾波方法
下的運(yùn)動(dòng)模糊圖像去噪濾波一直存在效果不佳、誤差大的問(wèn)題，提出并設(shè)計(jì)了基于最小化全變差與稀疏表示結(jié)合的抖動(dòng)狀態(tài)下運(yùn)動(dòng)模糊圖像去噪濾波器。通過(guò)成像噪聲干擾及傳輸信道干擾兩方面對(duì)運(yùn)動(dòng)模糊圖像產(chǎn)生噪聲的原因進(jìn)行分析，確定抖動(dòng)點(diǎn)，采用最小化全變差法構(gòu)建全變差去噪模型，并進(jìn)行加權(quán)平均，引入稀疏表示法構(gòu)建運(yùn)動(dòng)模糊圖像去噪濾波器模型，達(dá)到抖動(dòng)狀態(tài)下運(yùn)動(dòng)模糊圖像去噪濾波器設(shè)計(jì)的目的。實(shí)驗(yàn)結(jié)果表明，采用改進(jìn)去噪濾波器，相比傳統(tǒng)的去噪濾波器其去噪濾波誤差、效率等均有一定的優(yōu)勢(shì)。
現(xiàn)代電子技術(shù) 2017年23期2017-12-20
- 圖像去噪算法研究
的可讀性，對(duì)圖像去噪算法進(jìn)行研究。分別采用均值濾波器、中值濾波器及自適應(yīng)的維納濾波器對(duì)圖像進(jìn)行去噪仿真，同時(shí)采用非下采樣剪切波（NSST）對(duì)相應(yīng)的含噪圖像進(jìn)行處理。經(jīng)過(guò)實(shí)驗(yàn)仿真和均方誤差的比較，NSST對(duì)含噪圖像的去噪具有一定的有效性。關(guān)鍵詞：圖像去噪 均值濾波 中值濾波 剪切波中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2017）09（b）-0243-03現(xiàn)實(shí)中，我們所獲得的數(shù)字圖像大部分都是受到噪聲干擾的，所以研究圖像去
科技資訊 2017年26期2017-11-08
- 基于小波變換的圖像閥值去噪算法
?！娟P(guān)鍵詞】圖像去噪；小波變換；小波閥值去噪圖像傳統(tǒng)去噪方法是將含噪聲的信號(hào)通過(guò)一個(gè)濾波器處理，之后得到濾波器處理之后的信號(hào)。但這種方法對(duì)于高斯白噪聲這類的信號(hào)效果并不理想。在低信噪比的情況下，經(jīng)過(guò)濾波處理之后，圖像不僅沒(méi)有得到理想的改善，并且處理之后的圖像變的模糊，從而達(dá)不到所要求的效果。基于小波變換的圖像閥值去噪算法，利用小波變換良好的局部化特性，在變換后圖像特征處系數(shù)幅值較大，在相鄰尺度層間有很強(qiáng)的相關(guān)性，便于提取和保護(hù)。本文分析了小波變換的過(guò)程，并
科技視界 2017年14期2017-10-09
- 基于圖像處理的多小波變化理論及其應(yīng)用
圖像壓縮以及圖像去噪等方面均具有更加顯著的效果。關(guān)鍵詞： 圖像處理； 多小波變換； 圖像去噪； 圖像壓縮中圖分類號(hào)： TN911?34； TP391.9 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）18?0095?03Multi?wavelet transform theory based on image processing and its applicationRU Qingyun1， GUO Xianzhou2（1. Henan I
現(xiàn)代電子技術(shù) 2017年18期2017-09-25
- 結(jié)合全變分的雙邊濾波圖像去噪方法研究
亮摘 要： 圖像去噪是數(shù)字圖像處理過(guò)程中的一個(gè)重要步驟，它將直接影響到圖像處理的最終質(zhì)量。針對(duì)傳統(tǒng)的全變分（TV）正則化去噪算法容易產(chǎn)生階梯效應(yīng)的缺點(diǎn)，利用雙邊濾波去噪算法在空間域和值域兩個(gè)方面進(jìn)行濾波的特點(diǎn)，提出一種結(jié)合TV模型的雙邊濾波方法，該方法能在一定程度上有效地改善階梯效應(yīng)。仿真實(shí)驗(yàn)結(jié)果表明，提出的去噪方法不僅能夠獲得較好的去噪效果，還能有效地保持圖像的邊緣特征信息，降噪效果明顯。在較高水平噪聲情況下，與TV算法相比，該方法針對(duì)小尺寸灰度圖片（2
現(xiàn)代電子技術(shù) 2017年17期2017-09-08
- 基于圖像去噪方法的研究
。論文介紹了圖像去噪方法，空間域和頻域去噪方法，重點(diǎn)研究利用小波變換將圖像從空間域中變換到頻率域中，在頻率域中再通過(guò)相關(guān)方法進(jìn)行去噪的方法，利用這一方法達(dá)到去除圖像噪聲的目的。關(guān)鍵詞：圖像去噪；空間域；小波閾值去噪中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）05-0131-021 緒論1.1 圖像降噪的必要性由于人類社會(huì)的飛速發(fā)展，科學(xué)技術(shù)在不斷更新，數(shù)字成像設(shè)備如雨后春筍般層出不窮，計(jì)算機(jī)在人們生活中大范圍普及，
數(shù)字技術(shù)與應(yīng)用 2017年5期2017-09-07
- 視頻車輛檢測(cè)中改進(jìn)的閾值分割算法研究
學(xué)權(quán)重自適應(yīng)圖像去噪的迭代式閾值分割算法：利用數(shù)學(xué)形態(tài)學(xué)原理設(shè)計(jì)了一種權(quán)重自適應(yīng)形態(tài)學(xué)濾波器，采用由小到大的多結(jié)構(gòu)元構(gòu)造串、并聯(lián)復(fù)合形態(tài)的濾波器對(duì)視頻序列圖像進(jìn)行去噪；同時(shí)，對(duì)迭代式閾值分割法引入一個(gè)偏移系數(shù)，可以更加快速獲取最優(yōu)分割閾值，對(duì)圖像作精確的分割.實(shí)驗(yàn)證明，該算法比迭代式閾值分割算法的抗噪性好且減少閾值分割中的尋優(yōu)嘗試次數(shù)，得到了比較理想的分割效果.關(guān)鍵詞：權(quán)重自適應(yīng)；圖像去噪；迭代式閾值分割；車輛檢測(cè)中圖分類號(hào)：TP317.4 文獻(xiàn)標(biāo)志碼：A
廣西科技大學(xué)學(xué)報(bào) 2017年2期2017-05-30
- 圖像去噪中的小波變換應(yīng)用策略
了小波變換在圖像去噪的中使用的處理方法，主要探討了小波變換在圖像去噪中的使用。[關(guān)鍵詞]圖像處理；圖像去噪；去噪方法；小波變換一幅圖像經(jīng)常會(huì)受到各種各樣因素的和破壞，這種干擾有可能發(fā)生在實(shí)際應(yīng)用中，也有可能出現(xiàn)在傳輸過(guò)程中和量化等的處理中。由于受到這些因素的干擾，圖像的質(zhì)量會(huì)下降，甚至產(chǎn)生畸變。其中噪聲的對(duì)圖像的干擾是比較常見(jiàn)的。所以去噪是圖像處理的基本方法，也是比較重要的方法。去噪后的圖像質(zhì)量可以提高，圖像的信噪比也可以得到加強(qiáng)，圖像特征也會(huì)凸顯。所以，
科技視界 2016年19期2017-05-18
- 基于雙樹(shù)復(fù)小波變換的BivaShrink自選窗圖像去噪算法
ink自選窗圖像去噪算法中。實(shí)驗(yàn)結(jié)果證明，BivaShrink自選窗優(yōu)于BivaShrink 去噪算法，與傳統(tǒng)的離散小波變換相比，雙樹(shù)復(fù)小波自選窗圖像去噪效果優(yōu)于BivaShrink自選窗。關(guān)鍵詞：小波變換；圖像去噪；雙變量模型；雙樹(shù)復(fù)小波變換中圖分類號(hào)：TN911.73 文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.3969/j.issn.10036199.2017.01.0221引言現(xiàn)如今圖像已經(jīng)成為大家經(jīng)常要用到的信息，但圖像中總是參雜著各類的噪聲，會(huì)嚴(yán)重影響到圖像處
計(jì)算技術(shù)與自動(dòng)化 2017年1期2017-05-08
- 基于隨機(jī)共振與雙邊濾波的圖像去噪算法
和雙邊濾波的圖像去噪處理方法。實(shí)驗(yàn)結(jié)果表明，該方法能取得較好的去噪效果。關(guān)鍵詞 雙邊濾波；隨機(jī)共振；圖像去噪；雙穩(wěn)系統(tǒng)DOI DOI： 10.11907/rjdk.162516中圖分類號(hào)： TP312文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào) 文章編號(hào)： 16727800（2017）0020054030 引言噪聲具有兩面性。一方面，傳統(tǒng)觀點(diǎn)認(rèn)為噪聲是對(duì)信號(hào)的一種干擾，應(yīng)該盡可能地消除或抑制，使輸出信號(hào)質(zhì)量得到改善；另一方面，科學(xué)研究表明，噪聲并不是在任何情況下都起消極作用
軟件導(dǎo)刊 2017年2期2017-04-18