本文關(guān)鍵詞：加權(quán)稀疏的混合噪聲去除模型

  更多相關(guān)文章： 混合噪聲 加權(quán)編碼 非局部相似 變分 對(duì)偶方法

【摘要】：針對(duì)混合噪聲,結(jié)合加權(quán)稀疏與變分,提出了新穎的去噪模型。首先,進(jìn)行PCA訓(xùn)練自適應(yīng)字典,再結(jié)合非局部相似性,利用噪聲的特性進(jìn)行加權(quán)編碼。最后,結(jié)合變分正則項(xiàng),再利用對(duì)偶方法求出恢復(fù)后的圖像。仿真實(shí)驗(yàn)表明,該算法不僅提高了圖像的峰值信噪比,而且更好地保留圖像的重要特征,提高圖像的視覺(jué)效果。
【作者單位】： 桂林電子科技大學(xué)數(shù)學(xué)與計(jì)算科學(xué)學(xué)院廣西高校數(shù)據(jù)分析與計(jì)算重點(diǎn)實(shí)驗(yàn)室;桂林電子科技大學(xué)廣西高校圖像圖形智能處理重點(diǎn)實(shí)驗(yàn)室;廣西信息科學(xué)實(shí)驗(yàn)中心;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61362021) 廣西自然科學(xué)基金項(xiàng)目(2013GXNSFDA019030;2012GXNSFBA053014;2014GXNSFDA118036) 廣西高校圖像圖形智能處理重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(GIIP201408;GIIP201503)
【分類(lèi)號(hào)】：TP391.41
【正文快照】： 1圖像混合噪聲 圖像在獲取和運(yùn)輸?shù)倪^(guò)程中不可避免的會(huì)受到噪聲的污染,而被噪聲污染的圖像會(huì)影響圖像的后續(xù)處理,例如邊緣檢測(cè)、目標(biāo)識(shí)別和圖像分割等。因此去噪是圖像數(shù)字圖像處理的一個(gè)重要問(wèn)題,其主要目是在保存圖像的細(xì)節(jié)、紋理和邊緣等特征下,從給定的噪聲圖像中恢復(fù)理

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 侯艷麗;;一種有效的去除圖像混合噪聲的算法[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

2 楊農(nóng)豐;吳成茂;屈漢章;;基于變分模型的混合噪聲去噪方法[J];西安郵電大學(xué)學(xué)報(bào);2013年01期

3 趙敏;龔聲蓉;高祝靜;;基于灰色關(guān)聯(lián)系數(shù)的混合噪聲濾波算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年05期

4 許春和;張宇;孫廣明;;消除圖像中混合噪聲的濾波方法[J];計(jì)算機(jī)與信息技術(shù);2009年Z1期

5 王益艷;;一種去除圖像混合噪聲的濾波算法[J];計(jì)算機(jī)應(yīng)用與軟件;2010年10期

6 高山;李成;畢篤彥;;有效濾除高強(qiáng)度圖像混合噪聲的方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年05期

7 楊農(nóng)豐;吳成茂;屈漢章;;基于偏微分方程的混合噪聲去噪研究[J];計(jì)算機(jī)應(yīng)用研究;2013年06期

8 李慧娜;平源;;有效去除圖像混合噪聲的方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年13期

9 陳華玲;馮桂;;數(shù)字圖像的混合噪聲去除[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

10 楊幸芳;黃玉美;李艷;盧健;;一種有效的去除圖像混合噪聲的濾波算法[J];機(jī)械科學(xué)與技術(shù);2013年01期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 程成;改進(jìn)型脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像混合噪聲中的應(yīng)用研究[D];云南大學(xué);2012年

2 陳秉濤;數(shù)字圖像混合噪聲濾除算法研究[D];云南大學(xué);2012年

3 張英;一種基于高斯與椒鹽混合噪聲去噪算法研究[D];西安科技大學(xué);2014年

，

本文編號(hào)：1280124