排序方式: 共有13条查询结果,搜索用时 8 毫秒
1.
针对声呐图像的特点,提出了一种新的基于马尔可夫随机场(MRF)的非监督声呐图像自动分割方法。研究发现,声呐图像混响区基本上都服从高斯分布,然而,其直方图离散化的分布效果不利于图像的自动分割,因此,通过一种快速有效的高斯金字塔模型对声呐图像进行预处理,使得处理后的声呐图像的海底混响区直方图服从高斯分布。在此基础上提出了一个能够自动确定声呐图像分类个数的模型,并通过该模型结合一种局部能量极值化的方法对马尔科夫模型的初始化参数进行估计,从而形成一种完全自动的声呐图像分割模型。最后,利用该模型对声呐图像数据进行了分割实验,并和其他典型的分割算法进行了比较,验证了该方法的有效性及快速性。 相似文献
2.
张元科 《上海电力学院学报》2010,(7)
提高低剂量CT图像的信噪比(SNR)是使低剂量CT获得有效临床应用的关键。本文对低剂量CT投影数据噪声研究发现,在投影图像的某些区域中可能会存在一些孤立的噪声点,滤除这些孤立点后的投影数据近似服从非平稳高斯噪声分布。由此,提出一种低剂量CT图像降噪算法,包括孤立点检测与滤波(IDE),基于最大后验概率(MAP)的高斯噪声滤波及FBP重建过程。计算机仿真以及真实数据实验表明,本文提出的去噪算法获得的重建CT图像,SNR及视觉效果均有明显的提高。 相似文献
3.
由于提高低剂量CT图像的信噪比是低剂量CT获得有效临床应用的关键,为此,提出了一种低剂量CT投影域的自适应统计降噪算法.针对低剂量CT投影图像的非平稳高斯噪声特性,采用EM算法自适应地估计图像模型中的参数,并在此基础上对图像进行最大后验概率估计,从而达到图像降噪的目的.在对参数的估计过程中,引入MCMC的吉布斯采样技术,并在算法中引入两项初始化技术,从而减少了参数估计过程中的计算量,加快了算法的收敛速度.对仿真投影数据以及真实投影数据的实验结果表明,与传统算法相比,该算法在抑制噪声及保持分辨率方面均具有明显优势. 相似文献
4.
文中提出了一种基于细化和自适应网格相结合的矢量化方法。该方法将局部矢量化与全局矢量化结合起来,既具备了基于细化方法进行图纸矢量化的优点,同时又可以利用自适应网格技术提取交叉处矢量以避免畸变的产生。 相似文献
5.
我国是一个煤炭储量较大的国家,对煤炭的消耗量较大,在不断的消耗中排放出了大量的SO2、烟尘等污染物,这些污染物对环境造成了极大的破坏作用。如何治理煤炭燃烧过程中所排放的烟气已成为当前急需解决的重要问题。文中针对燃煤锅炉烟气治理技术的现状进行了具体的分析。 相似文献
6.
彩色光栅图像的矢量化 总被引:3,自引:0,他引:3
彩色图像的矢量化在很多领域都有着重要的应用,例如制作在网上非常流行的精美的生动形象的矢量动画,实现彩色地图的GIS系统等。文中提出了一种对彩色图像进行矢量化的方法.并给出了相应处理过程和算法流程。该矢量化方法根据彩色图像的特点,在处理过程中引入HSI彩色空间,利用轮廓提取和跟踪技术,完成了对彩色图像的矢量化。经试验表明,该算法有一定的实用性。 相似文献
7.
现针对汽轮机进水的主要现象,分析了进水的原因,并进一步对如何防止汽轮机进水和汽轮机进水后的处理措施进行了具体的阐述。 相似文献
8.
低剂量CT投影图像噪声分析及去噪算法研究 总被引:1,自引:0,他引:1
提高低剂量CT图像的信噪比(SNR)是使低剂量CT获得有效临床应用的关键。本文对低剂量CT投影数据噪声研究发现,在投影图像的某些区域中可能会存在一些孤立的噪声点,滤除这些孤立点后的投影数据近似服从非平稳高斯噪声分布。由此,提出一种低剂量CT图像降噪算法,包括"孤立点"检测与滤波(IDE),基于最大后验概率(MAP)的高斯噪声滤波及FBP重建过程。计算机仿真以及真实数据实验表明,本文提出的去噪算法获得的重建CT图像,SNR及视觉效果均有明显的提高。 相似文献
9.
针对低剂量CT图像的低信噪比的问题,提出了一种新的基于MCMC方法的低剂量CT投影图像的自适应降噪算法.该算法是在对投影图像先验模型中的平滑参数以及噪声方差进行自适应估计的基础上,求解理想投影图像在观察投影图像条件下的期望值,以此期望值作为理想投影图像的估计值,从而达到图像降噪的目的.其中对先验概率模型中的平滑参数以及非平稳噪声的方差在运用EM算法进行估计过程中,引入MCMC技术中的Gibbs采样,很好解决了参数估计中的计算问题,并在此基础上,通过再一次运用MCMC的Gibbs采样,以获得理想数据的条件期望值.计算机仿真实验以及真实投影图像的实验均表明了本文所提出的算法在低剂量CT图像降噪中能够取得良好的效果. 相似文献
10.
针对传统基于核范数最小化(NNM)的低秩约束模型在低剂量CT(LDCT)影像去噪中易造成局部纹理细节丢失的问题,提出一种具有区域内容感知能力的加权NNM的LDCT影像去噪算法。首先采用基于奇异值分解(SVD)的方法估计LDCT影像中的局部噪声强度;然后采用基于局部统计特性的方法进行目标影像块匹配;最后根据影像局部噪声强度以及不同奇异值水平自适应设置核范数权重,以实现基于加权NNM的LDCT影像去噪。仿真实验结果表明,所提算法在均方根误差(RMSE)指标上较传统NNM算法、全变分最小化算法以及变换学习算法分别降低30.11%、14.38%和8.75%,在结构相似度(SSIM)指标上较上述3种算法分别提高34.24%、23.06%和11.52%。真实临床数据实验结果表明,所提算法处理结果的放射医生评价平均分为8.94,与常规剂量CT影像的评价平均分数仅差0.21,显著高于传统NNM算法、全变分最小化算法和变换学习算法的平均分。仿真及真实临床数据的实验结果表明,所提算法能够在滤除LDCT影像伪影噪声的同时,有效保持局部纹理细节信息。 相似文献