發(fā)布時(shí)間：2021-11-28 20:33

　　為解決傳統(tǒng)自動(dòng)濾波系統(tǒng)穩(wěn)定性差、運(yùn)行效果不佳的問題,設(shè)計(jì)多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)。通過改善自動(dòng)濾波系統(tǒng)硬件配置,添加解擾器和復(fù)用器,實(shí)現(xiàn)對(duì)圖像模糊區(qū)域特征的準(zhǔn)確提取。為保障系統(tǒng)運(yùn)行穩(wěn)定,進(jìn)一步優(yōu)化系統(tǒng)軟件運(yùn)行流程,結(jié)合中值濾波原理進(jìn)行降噪,有針對(duì)性地對(duì)采集到的圖像特征進(jìn)行像素?cái)?shù)值恢復(fù),從而實(shí)現(xiàn)對(duì)多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的設(shè)計(jì)。最后通過實(shí)驗(yàn)證實(shí),多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)穩(wěn)定性和運(yùn)行效果得到了明顯提高。 

【文章來(lái)源】：現(xiàn)代電子技術(shù). 2020,43(14)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

系統(tǒng)硬件結(jié)構(gòu)

解擾器配置優(yōu)化

根據(jù)圖像重構(gòu)和中值濾波原理對(duì)采集的角點(diǎn)像素進(jìn)行匹配，具體多方向線性結(jié)構(gòu)角點(diǎn)像素分量匹配原理如圖3所示�；诙喾较蚓�性結(jié)構(gòu)角點(diǎn)像素分量匹配原理進(jìn)一步對(duì)濾波數(shù)值進(jìn)行計(jì)算，并根據(jù)計(jì)算結(jié)果進(jìn)行圖像形態(tài)恢復(fù)處理，對(duì)于不同方向的角點(diǎn)像素濾波數(shù)值進(jìn)行加權(quán)去噪，從而降低圖像局部區(qū)域的噪點(diǎn)概率。由于在降噪處理過程中，導(dǎo)致圖像局部灰度數(shù)值偏低等問題。為解決以上問題，需對(duì)局部區(qū)域圖像濾波數(shù)值進(jìn)行賦值，通過引入自適應(yīng)權(quán)重因子，對(duì)模糊區(qū)域灰度數(shù)值進(jìn)行改善，具體加權(quán)算法如下：

【參考文獻(xiàn)】：
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(guó)平.  電機(jī)與控制學(xué)報(bào). 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(dòng)化. 2018(04)
[3]一種基于深度學(xué)習(xí)模型的圖像模糊自動(dòng)分析處理算法[J]. 陳陽(yáng),周圓.  小型微型計(jì)算機(jī)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(jì)算機(jī)科學(xué). 2018(02)
[5]基于局部特征的卷積神經(jīng)網(wǎng)絡(luò)模型[J]. 施恩,李騫,顧大權(quán),趙章明.  計(jì)算機(jī)工程. 2018(02)
[6]一種改進(jìn)的運(yùn)動(dòng)模糊圖像修復(fù)參數(shù)計(jì)算方法[J]. 向懷坤,白云海.  深圳職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2018(01)
[7]結(jié)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(jì)算機(jī)應(yīng)用研究. 2017(12)
[8]基于遞歸濾波和自適應(yīng)亮度響應(yīng)的圖像局部細(xì)節(jié)增強(qiáng)[J]. 陳孟臻,盧振坤.  湘潭大學(xué)自然科學(xué)學(xué)報(bào). 2017(04)
[9]基于MROGH特征描述子的圖像局部拷貝—旋轉(zhuǎn)—移動(dòng)行為取證[J]. 于立洋,韓琦,牛夏牧.  智能計(jì)算機(jī)與應(yīng)用. 2017(04)
[10]融合多重信息的圖像局部不變特征描述[J]. 劉學(xué),程大江,王峰,溫瑞生.  無(wú)線電通信技術(shù). 2017(04)



本文編號(hào)：3525098