Tetrolet变换方块效应改善算法

针对Tetrolet 变换算法对图像去噪后存在方块效应的缺陷,文中对Tetrolet 变换算法进行了扩展和改进,并引入移位（Cycle Spinning）来有效消除Tetrolet 变换算法中的方块效应。仿真结果表明,所提出的算法不仅能有效去除噪声,而且可得到更高的峰值信噪比,提高了图像的主客观质量。去噪后图像保留了原始图像的边缘和细节等局部特征,较为平滑,且方块效应得到了一定的改善和抑制,因而该算法是有效可行的。     

BP神经网络算法在图像预测物体重量中的应用

本采用误差反向传播算法(BP)通过图像预测物体重量，先对图像进行特征提取，再用BP算法进行训练，建立了图像识别重量模型。利用水杯图像相关资料建立了数据库，由水杯图像的特征因素作为样本对网络进行训练，并用训练好的网络预测未知水杯重量。由实例表明，该方法在测物体重量中是可行的，误差较小，为物体重量预测提供了一种新思路和新方法。     

基于Tetrolet变换的图像降噪新算法

通过在Tetrolet变换域利用最小化均方误差的SURE无偏估计方法对图像进行去噪处理,利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中用SURE无偏估计方法代替经典的硬阈值函数来对图像进行去噪。实验结果表明了该算法的有效性,其更高的峰值信噪比和更好的视觉效果说明该算法是可行的。     

自适应去噪函数性能研究

提出一种新自适应去噪函数。与经典的硬阈值函数与软阈值函数相比,此函数具有明显优点。首先,此函数表达式简单易于计算,连续并有无穷阶导数,便于进行各种数学处理;其次,本文证明了新函数具有收敛性、连续可导性及自适应性,为信号的自适应去噪提供了新的方法。仿真结果表明新函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的信噪比和更好的视觉效果,去噪后图像相对硬阈值函数去噪图像较光滑,相对软阈值函数去噪图像则更多地保留了图像边缘等局部特征,同时其均方误差最小,优于经典的两种阈值函数。