為解決傳統(tǒng)自動濾波系統(tǒng)穩(wěn)定性差、運行效果不佳的問題,設計多維彩色圖像局部模糊特征自動濾波系統(tǒng)。通過改善自動濾波系統(tǒng)硬件配置,添加解擾器和復用器,實現(xiàn)對圖像模糊區(qū)域特征的準確提取。為保障系統(tǒng)運行穩(wěn)定,進一步優(yōu)化系統(tǒng)軟件運行流程,結合中值濾波原理進行降噪,有針對性地對采集到的圖像特征進行像素數(shù)值恢復,從而實現(xiàn)對多維彩色圖像局部模糊特征自動濾波系統(tǒng)的設計。最后通過實驗證實,多維彩色圖像局部模糊特征自動濾波系統(tǒng)穩(wěn)定性和運行效果得到了明顯提高。 

【文章來源】：現(xiàn)代電子技術. 2020,43(14)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

系統(tǒng)硬件結構

解擾器配置優(yōu)化

根據(jù)圖像重構和中值濾波原理對采集的角點像素進行匹配，具體多方向線性結構角點像素分量匹配原理如圖3所示。基于多方向線性結構角點像素分量匹配原理進一步對濾波數(shù)值進行計算，并根據(jù)計算結果進行圖像形態(tài)恢復處理，對于不同方向的角點像素濾波數(shù)值進行加權去噪，從而降低圖像局部區(qū)域的噪點概率。由于在降噪處理過程中，導致圖像局部灰度數(shù)值偏低等問題。為解決以上問題，需對局部區(qū)域圖像濾波數(shù)值進行賦值，通過引入自適應權重因子，對模糊區(qū)域灰度數(shù)值進行改善，具體加權算法如下：

【參考文獻】：
期刊論文
[1]基于灰度圖像分解的局部放電特征提取與優(yōu)化[J]. 汪可,張書琦,李金忠,孫建濤,趙曉宇,廖瑞金,鄒國平.  電機與控制學報. 2018(05)
[2]基于變差函數(shù)和局部方差圖的煤巖圖像紋理特征提取[J]. 黃蕾,郭超亞.  工礦自動化. 2018(04)
[3]一種基于深度學習模型的圖像模糊自動分析處理算法[J]. 陳陽,周圓.  小型微型計算機系統(tǒng). 2018(03)
[4]單幅散焦圖像的局部特征模糊分割算法[J]. 王亮,田萱.  計算機科學. 2018(02)
[5]基于局部特征的卷積神經網(wǎng)絡模型[J]. 施恩,李騫,顧大權,趙章明.  計算機工程. 2018(02)
[6]一種改進的運動模糊圖像修復參數(shù)計算方法[J]. 向懷坤,白云海.  深圳職業(yè)技術學院學報. 2018(01)
[7]結合全局和局部信息的水平集圖像分割方法[J]. 劉晨,池濤,李丙春,張宗虎.  計算機應用研究. 2017(12)
[8]基于遞歸濾波和自適應亮度響應的圖像局部細節(jié)增強[J]. 陳孟臻,盧振坤.  湘潭大學自然科學學報. 2017(04)
[9]基于MROGH特征描述子的圖像局部拷貝—旋轉—移動行為取證[J]. 于立洋,韓琦,牛夏牧.  智能計算機與應用. 2017(04)
[10]融合多重信息的圖像局部不變特征描述[J]. 劉學,程大江,王峰,溫瑞生.  無線電通信技術. 2017(04)



本文編號：3525098