排序方式: 共有5条查询结果,搜索用时 62 毫秒
1
1.
2.
针对传统锚定邻域回归(anchored neighborhood regression, ANR)的图像超分辨率方法缺乏灵活性、且对图像的细节没有很好的恢复能力的缺点,提出一种锚定邻域回归和卷积神经网络(convolution neural network, CNN)相结合的图像重建方法。首先,在ANR中提出使用弹性网络回归模型,使算法具有特征选择的特点。其次,在CNN的图像预处理部分使用lanczos3插值方法,加快了运算速度,在特征提取中提出使用具有自门控特性的Swish函数作为激活函数,用于提高测试准确度。最后,在重建图像的评价方面提出了图像的相关系数,并用于对重建图像做进一步的有效性评估。实验结果证明,所提方法平均峰值信噪比(PSNR)达到了32.68,平均结构相似性(SSIM)达到0.938 0,平均相关系数达到0.982 8。算法有效地恢复了图像的细节部分,图像质量得到了进一步提升。 相似文献
3.
4.
5.
针对传统经验模式分解(EMD)方法存在的模式混淆问题,以及总体平均经验模式分解(EEMD)不具备完备性和计算量太大的缺陷,提出一种改进的自适应互补集合经验模式分解(CEEMD)方法。该方法在分析加噪准则的基础上,引入峰值误差(PE)作为加噪评价指标,来自适应确定最佳加噪幅值;然后利用原始信号的幅值标准差以及加入噪声的幅值标准差的比值系数,对不同信号自适应获取总体平均次数;最后将该方法运用到由美国麻省理工学院建立的MIT-BIH心电数据库中,很好地实现了对目标信号的去噪。实验表明,所提方法的平均信噪比(SNR)达到了19.249 7、均方根误差(RMSE)仅为0.047 3,平均平滑度指标R只有0.030 5。算法有效地去除了原始心电信号噪声,改善了信号的平滑度,提高了运算效率。 相似文献
1