排序方式: 共有26条查询结果,搜索用时 21 毫秒
11.
12.
结合忆阻器的记忆特征和细胞神经网络高效并行处理能力,将忆阻器作为可编程连接权值,提出了一种具有忆阻器特性的细胞神经网络.计算机仿真验证了提出的忆阻细胞神经网络用于图像去噪和边缘提取的有效性. 相似文献
13.
结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。 相似文献
14.
为了改进P-M模型图像去噪效果,提出了一种基于保真约束的P-M模型图像去噪方法。结合P-M模型和保真约束项的优点,通过保真约束项调节平滑权重,从而能有效去除噪声,较好保护图像特征,避免"阶梯"效应。研究结果表明了该方法进行图像去噪有效性。 相似文献
15.
为了寻求一种能将不同类型和数量的噪声从图像中去除的方法,提出了一种能从图像源中将噪声与信号分离的改进的小波ICA滤波器。该方法首先使用小波降维,用Morlet小波来解决非正交问题;通过ICA规范化降维后的信号,从而发现独立噪声特征;再通过相关性将图像和噪声分离;最后,对图像进行还原,得到去噪后的图像。通过实验与主成分分析(PCA)方法、FastICA方法进行了对比,验证了该方法的有效性。结果显示,本研究提出的方法降噪效果较PCA方法和FastICA方法有大幅提高。同时,复杂度略有上升。 相似文献
16.
由于受扫描电子设备、光电转换过程和重建算法的影响,固体发动机经ICT系统检测生成的灰度断层图像中含有多种噪声,严重影响了检测人员对发动机内部缺陷的诊断。为此,利用图像滤波技术对断层图像进行有效的处理,去除图像中的噪声,突出缺陷信息。在理论分析均值滤波、中值滤波、维纳滤波和小波变换滤波这4种滤波方法的基础上,分别将这4种方法应用到固体发动机ICT断层图像去噪中,经对比。得出维纳滤波在较好的保存缺陷信息的同时,有效的去除了噪声,是最适用于固体发动机缺陷检测需求的图像去噪方法。 相似文献
17.
针对Nonlocal-means图像去噪算法计算强度较高的问题,提出了一种投影加速算法.分析了Nonlocal-means算法的计算瓶颈,利用Walsh-Hadamard变换的快速运算和自递归特性,使用一组完备的Walsh-Hadamard 变换将图像块投影到其张成的空间中;利用Walsh-Hadamard投影的能量集中特性和匹配计算过程中的拒绝策略,在Nonlocal-mean,去噪算法的图像块匹配计算中快速丢弃无法匹配的图像块.实验结果表明,该算法获得了较好的加速性能,且去噪效果没有受到影响. 相似文献
18.
基于非线性复扩散和小波的图像去噪方法 总被引:1,自引:0,他引:1
基于偏微分方程和小波的图像去噪方法是目前图像处理的两大发展主流。提出了一种非线性复扩散和小波相结合的图像去噪方法。首先,根据小波变换的特性,把图像分成低频分量和高频分量两部分,然后根据这两部分图像的不同特点,结合非线性复扩散方法对图像去噪,最后把两部分图像融合成一幅图像。实验结果表明了方法无论是客观标准还是视觉效果上都优于非线性复扩散。 相似文献
19.
非下采样Contourlet变换克服了小波变换非一维奇异性最优基的缺点,而且其平移不变性使其边缘保持能力优于Contourlet.提出了一种非下采样Contourlet的合成孔径雷达(SAR,Synthetic Aperture Radar)相干斑去噪模型.首先对SAR图像进行同态变换,将乘性噪声变为加性噪声;再进行非下采样Contourlet变换,包括非下采样金字塔分级和非下采样方向滤波2部分;最后利用阈值的方法将信噪实施分离.实验中针对乘性噪声污染的航拍图像和原始SAR图像,进行了传统的Lee滤波器和小波滤波器去噪,与上述模型去噪进行比较,在去噪性能和边缘保持的主观视觉上都得到了优异的结果. 相似文献
20.
一种新的基于PCNN的自适应强去噪方法 总被引:4,自引:0,他引:4
为了实现椒盐噪声的有效去除和图像细节及纹理的有效保留,提出了一种新的基于PCNN(Pulse Coupled Neural Network)的自适应滤波方法ADEN(Adapative Denosing method for Extreme Noise)-PCNN.该方法引入了像素受污染状态的甄别机制,只对被污染的像素进行降噪处理,保证了去噪的同时不损坏图像信息,实现了图像的细节和纹理的有效保留;为了确保图像质量,在面向图像降噪的PCNN神经网络阵列结构中引入了自组织机制,可以自动地估计噪声的强度信息并进行PCNN网络中神经元连接方式的自组织转换,此外引入了自适应机制,根据噪声强度的估计信息,自动进行滤波次数的优选,增强自适应能力.实验结果表明所提方法较常规方法和其他同类方法在去噪效果、保留图像细节方面展现出明显的优势. 相似文献