排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
2.
论文结合几种去噪方法,提出一种统一的图像去噪模型.该模型通过一个统一的目标函数将图像去噪问题转化为最优化问题,目标函数的构造主要包括估计残差惩罚函数、局部权函数及正则化项三个方面.随后基于此模型提出一种新的去除椒盐噪声的非线性滤波方法,其中估计残差惩罚函数采用L1范数形式,局部权函数采用自适应高斯核函数,正则化项则利用图像的小波域稀疏性作为先验约束来构造.由于充分融合了图像的全局和局部统计特性,因而在抑制噪声的同时能够更好地保持图像边缘等细节特征,相关去噪实验结果证实了本文方法的有效性. 相似文献
3.
基于人类视觉系统的全局和局部自适应特性,本文提出一种仿生彩色图像增强方法,用于增强不均匀光照或低照度情况下的图像.该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复三个部分.即全局亮度调节主要用来增强暗区域的亮度和压缩图像的动态范围;局部对比度增强利用当前点与其邻域象素的双边滤波输出之间的关系,调节当前点的亮度,以增强图像局部对比度;再通过一种简单的线性颜色恢复算法恢复图像色彩.与文献 所提彩色图像增强算法相比,实验结果表明本文所提方法的效果更好. 相似文献
4.
5.
针对现有亚像素边缘检测算法在定位精度、抗噪性能和计算速度方面问题,提出一种新的基于小波变换系数过零点的屋脊边缘亚像素检测算法,证明了利用该方法对屋脊边缘进行亚像素检测不存在原理误差,且具有较好的抗噪性能和较快的计算速度.仿真实验证实理论的正确性. 相似文献
6.
7.
基于小波包的图像去噪方法 总被引:12,自引:0,他引:12
本文在分析了信号与噪声的不同小波特性的基础上,提出了一种基于小波包的去噪方法,并用实验验证了该方法比相同条件下小波去噪的效果好。 相似文献
8.
9.
基于小波变换的屋脊边缘亚像素检测 总被引:6,自引:0,他引:6
工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意.针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中,该方法具有较好的定位精确度、抗噪能力和较快的计算速度.实验证明该方法可达到1/60像素的精确度。 相似文献
10.
Hu矩和Zernike矩在字符识别中的应用 总被引:2,自引:0,他引:2
理论分析与实验证明 ,Hu矩和Zernike矩与神经网络相结合 ,可运用于字符图像的识别 ,且Zernike矩的识别效果优于Hu矩。 相似文献