排序方式: 共有22条查询结果,搜索用时 0 毫秒
1.
离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。 相似文献
2.
图像去噪过程中,主要目的是有效去除噪声的同时能较好地保存图像的边缘与细节。基于此,本文根据自蛇模型与相干增强扩散的特征,提出了相应的混合去噪方法,并加入了保真项。实验结果表明该方法能有效去除图像噪声,同时对边缘信息的保留也较好。 相似文献
3.
在分析现有处理矩阵恢复问题的非凸秩最小化算法的基础上,提出了一种基于超松弛迭代的改进算法,并给出了松弛因子ω的确定准则。仿真实验表明:在惩罚参数选取较大的情形下,改进算法较原算法具有更快的收敛速度及更高的收敛精度,同时展示了基于非凸秩最小化算法的矩阵恢复技术在图像去噪中的应用。 相似文献
4.
在分析图像小波分解系数分布特征的基础上提出了一种基于Context模型与Wiener滤波的小波变换图像去噪算法。算法利用Context模型建立小波分解后系数的分类模型,并对不同尺度和方向的小波分解系数根据分类使用不同的阈值去噪。实验表明,本方法能较好的去除图像噪声和保留图像细节信息,在提高去噪图像信噪比和改善主观视觉效果方面都表现出了良好的性能。 相似文献
5.
针对雷达信号时频图像的去噪和增强问题,提出了利用生成对抗网络二次生成时频图像的方法。首先利用时频分析产生雷达信号的时频图像作为原始数据集1;接着利用生成对抗网络对数据集1进行学习之后生成新的数据集2,数据集2相对于数据集1拥有着去噪和增强的效果;最后提取时频图像奇异值特征检验生成的数据集2的有效性。对6种常见的雷达信号的时频图像进行了仿真实验,结果证明了该方法在时频图像去噪和增加样本多样性方面是有效的。 相似文献
6.
梯度模值较易受到外界影响,导致全变分模型在大噪声点处往往不能很好地消除噪声,从而产生阶梯效应。针对该问题,提出了一种基于卷积运算与全变分模型的图像去噪方法。首先,针对以扩散形式获得的图像像素点进行卷积运算,利用滤波去噪降低大噪声点的灰度值;其次,以能量泛函形式构建图像全变分模型,并求解泛函对应的拉格朗日方程极小值来实现图像去噪;最后,将去噪后图像作为双边滤波算法的引导图像进行二次去噪,从而进一步提升图像去噪质量。仿真实验结果表明,与经典方法相比,该模型对去噪过程中的阶梯效应问题具有较好的处理效果。 相似文献
7.
针对在噪声水平比较高的情况下难以从噪声图像本身提取准确先验信息的问题,提出一种从外部干净图像数据集学习非局部自相似先验信息的图像去噪方法。首先用高斯混合模型学习外部干净图像的非局部自相似先验信息,其次利用最大后验概率估计的方法找到与噪声图像块最匹配的外部先验信息,最后利用外部先验对噪声图像块进行稀疏表示。实验对比表明,所提算法在去除噪声的同时可以较好地保留图像的细节信息,使图像数据集的平均峰值信噪比提高0.18 dB以上。 相似文献
8.
9.
针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的
消噪算法。该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后
选取高阶IMF重构原信号,达到消噪的目的。针对对UWB信号的IMF重构过程中阶数阈值难以
确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特
性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了
EMD消噪中的阶数阈值选取问题。仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均
10 dB的信噪比增益,可以有效地对超宽带信号进行消噪。 相似文献
10.
抗通胀是当前一个阶段我国经济面临的重要难题。本文通过非线性小波变换阀值去噪和双区间Markov转移模型的分析表明,无论高通胀区还是低通胀区,我国通货膨胀的持久性均在0.9以上,通胀率偏离预期后受到随机冲击所需的回复时间较长,通货膨胀的治理成本较高。为有效降低我国通胀的高持久性,提高央行货币政策制定的透明度和政策施行的信用度是首要解决的问题。 相似文献