本文關(guān)鍵詞： 椒鹽噪聲 加權(quán)超圖 誘導(dǎo)有序加權(quán)平均(IOWA)算子 圖象復(fù)原　出處：《控制與決策》2017年04期 　論文類型：期刊論文

【摘要】：針對(duì)圖像椒鹽噪聲,提出基于加權(quán)超圖和誘導(dǎo)有序加權(quán)平均(IOWA)算子的椒鹽噪聲濾除算法.首先,用加權(quán)超圖對(duì)圖像進(jìn)行表示,根據(jù)椒鹽噪聲為極值的特點(diǎn),定義超圖邊的權(quán)值,該權(quán)值能夠反映邊內(nèi)中心節(jié)點(diǎn)對(duì)應(yīng)像素為噪聲點(diǎn)的可能性,進(jìn)而利用超圖邊的權(quán)值進(jìn)行噪聲檢測(cè);其次,構(gòu)建IOWA算子對(duì)噪聲點(diǎn)進(jìn)行復(fù)原,并采用噪聲檢測(cè)與復(fù)原交替進(jìn)行的方式完成圖像的椒鹽噪聲濾除.仿真實(shí)驗(yàn)結(jié)果表明,所提出的算法不但可有效復(fù)原椒鹽噪聲,而且能保持原圖像的輪廓等細(xì)節(jié)信息.
[Abstract]:In this paper, an algorithm for filtering salt and pepper noise based on weighted hypergraph and induced ordered weighted average IOWA-operator is proposed. Firstly, the image is represented by weighted hypergraph, and the weight of the edge of hypergraph is defined according to the extreme value of salt and pepper noise. The weight can reflect the possibility that the center node in the edge is a noise point, and then use the weight of the hypergraph edge to detect the noise. Secondly, the IOWA operator is constructed to restore the noise point. The simulation results show that the proposed algorithm can not only recover the salt and pepper noise effectively, but also keep the detailed information of the original image, such as the contour of the original image.
【作者單位】： 安徽大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;安徽大學(xué)商學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61502003,71501002,61472002,61671018) 安徽省自然科學(xué)基金項(xiàng)目(1608085QF133,1508085QG149)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 徐澤水;基于IOWA算子的模糊語(yǔ)言偏好矩陣排序方法[J];系統(tǒng)工程與電子技術(shù);2003年04期

相關(guān)碩士學(xué)位論文 前1條

1 金玉雪;基于相似度模糊推理和IOWA算子的風(fēng)電功率融合預(yù)測(cè)[D];太原理工大學(xué);2014年

，

本文編號(hào)：1516857