排序方式: 共有25条查询结果,搜索用时 31 毫秒
1.
对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷.给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25.2229dB、27.708dB.与含噪图像相比分别增加了7.7253dB和7.739dB。因此该方法表现出较高的去噪性能。 相似文献
2.
周千 《西安航空技术高等专科学校学报》2010,28(5)
偏微分方程的去噪方法是具有显著效果的图像去噪技术,从Perona-Malik模型的扩散系数出发,对其函数性质进行分析,并提出了一种关于像素的自调节修复算子,改进Perona-Malik模型的扩散系数,使其能在消除图像噪声的同时更好地保持边缘,在一定程度上克服了边缘保持与噪声消除之间的矛盾.最后,通过实验证明了该方法的有效性. 相似文献
3.
4.
针对纹理图像的去噪问题,通过分析全变分(TV)去噪模型与方向全变分(DTV)去噪模型,提出了一种具有鲁棒性的基于 的DTV去噪模型。为了刻画图像中的不同结构特征,该模型中DTV正则项的指数p 由图像的结构来确定在(0,2)中自适应地选取。由于该模型是含有可分性算子的非光滑优化问题,可用交替方向乘子法(ADMM)求解,并能保证算法的收敛性。数值实验结果表明:与其他经典模型相比,提出的模型取得了更高的峰值信噪比和结构相似度,在去除噪声的同时能有效保持图像的细节信息。 相似文献
5.
针对现有对刀方法存在的各种不足,提出了一种微小刀具的同轴全息对刀方法。在对全息成像原理和全息图像关键问题进行研究与分析的基础上,搭建了一套微细铣刀的全息对刀检测装置,并利用标准刀具在五轴加工中心进行了微细铣刀的对刀测量试验。试验结果表明:该对刀装置能够高效地进行微细铣刀的对刀检测,系统相对检测精度达5.1μm。在相同检测条件下,与高精度机外预调仪的测量结果相比,接触式对刀仪的相对误差为0.033%,而全息对刀样机的相对误差为0.007%,后者更能有效地实现微小刀具的对刀检测。该结果验证了微小刀具的同轴全息对刀方法的可行性,即全息测量可用于微细铣刀的高精度对刀。 相似文献
6.
数学形态学和小波变换在信号处理领域应用广泛,论文提出基于数学形态学的小波自适应算法进行图像去噪处理,通过实验证明该算法不仅可以对图像进行有效的去噪处理,而且能很好地保留原图像的细节特征,避免了常规算法的缺点,效果良好。 相似文献
7.
为增强低照度图像和抑制噪声,提出了一种通过学习收缩场(SF)改进Retinex分解的图像增强方法。首先,构造新的目标函数,在正则项中引入2组不同的高阶滤波器分别约束未知的反射图和照明图。高阶滤波器可以学习到多种激活模式,有利于在恢复反射图的同时抑制噪声污染。然后,在优化目标函数时通过求解收缩场更新隐变量,参数化的压缩函数可以自适应地调整相应滤波器在反射图和照明图上的响应。最后,在每个级联内更新照明图之前,嵌入一个辅助的收缩场,以抑制噪声和不良伪影的传播,从而更精确地估计照明图。实验结果表明,所提方法取得的峰值信噪比(PSNR)和结构相似性(SSIM)均高于当前最新的低照度图像增强方法。 相似文献
8.
基于Contourlet变换的子带自适应图像去噪 总被引:3,自引:0,他引:3
王忠华 《南昌航空工业学院学报》2006,20(2):21-23
Contourlet变换是继小波变换之后的又一新变换。由于Contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.本文提出一种基于Contourlet变换子带自适应图像的新颖去噪算法。该算法核心是估计无噪期望信号的概率。即结合无噪子带系数的广义Laplacian模型和加性高斯白噪声的概率估计,分析每个子带信号概率为固定的情况。实验结果显示这种新的子带自适应图像去噪算法优于Bayesian wavelet shrinkage和ContourletHMT算法。 相似文献
9.
针对小波变换不能有效地表示图像纹理和轮廓的缺陷,本文重点研究了基于Contourlet变换的图像去噪算法。首先对图像进行Contourlet变换,得到能量集中分布的变换系数,再对变换后的系数应用Bayes-Shrink去噪方法进行降噪处理,并分别比较了运用硬阈值方法和软阈值方法的处理效果。结果表明:基于Contourlet变换的图像去噪算法在峰值信噪比(PSNR)效果和去噪质量上都优于小波变换。 相似文献
10.