注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. NSCT域红外图像改进非局部均值滤波算法_韩红光.pdf

  2. 结合非下采样轮廓波变换（NSCT），提出了一种红外图像改进非局部均值滤波算法（Improved Non-local Means Filtering，INLMF）。该算法首先对红外噪声图像进行多尺度 NSCT 变换，其次分别从 相似图像块自适应划分方法以及滤波权重计算方法 2 个方面对经典非局部均值滤波算法进行适当改 进，将改进后的非局部均值滤波算法（INLMF）应用于处理高频分解系数，然后将滤波后的高频分解 系数与低频分解系数进行重构，得到去噪后的图像，最后对去噪后图像采用非负支撑域有限递归逆滤

  3. 所属分类：机器学习

    • 发布日期：2019-07-21
    • 文件大小：675kb
    • 提供者：imbeyond

  1. 2012 医学图像的自适应非局部均值去噪算法.pdf

  2. 摘 要： 为改善医学图像的质量以利于临床诊断，提出一种基于梯度信息的自适应非局部均值去噪算法。利用梯度方向信息实现对局部相 似窗的自适应旋转，从而搜寻到更多的匹配像素点。基于最小二乘思想建立最佳阈值与噪声标准差的关系模型，实现滤波参数的自适应选 择。实验结果表明，该算法的去噪效果较好，可用于医学图像的后处理阶段。 关键词：梯度；非局部均值滤波；医学图像；自适应滤波

  3. 所属分类：医疗

    • 发布日期：2020-06-29
    • 文件大小：941kb
    • 提供者：phytle0

  1. 基于图像分割的非局部均值去噪算法

  2. 针对传统非局部均值算法的滤波参数非自适应及去噪后边缘易模糊的缺点，提出了一种基于图像分割的非局部均值去噪算法。

  3. 所属分类：其它

  1. 一种自适应的非局部均值图像去噪算法

  2. 对Buades等人提出的非局部均值图像去噪算法进行改进。传统的方法在滤波参数定义上存在缺陷,为了解决这个问题,通过建立噪声方差与滤波系数的关系,提出解决噪声估计的方法。另外,根据小波系数的分布特点,利用GGD模型参数(尺度和形状参数)对系数进行拟合,并用GGD模型参数提出一种有效的噪声方差估计算法。实验结果表明,该噪声方差估计算法不仅能有效地估计噪声方差大小,而且使原有的非局部均值算法具有自适应性。这种自适应的非局部均值算法可以达到近似最优,具有鲁棒性和快速性,且算法精度高。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：825kb
    • 提供者：weixin_38609571

  1. 基于模糊边缘补足的自适应非局部均值图像去噪算法

  2. 针对传统非局部均值图像去噪算法对纹理细节处理保持不足的问题,提出一种结合模糊边缘补足(FEC)的非局部均值图像去噪算法。利用FEC算法检测出图像的边缘纹理特征图像;基于此自适应选择相似性权重参数,有针对性地对边缘纹理区域和平坦区域进行不同程度的平滑,以防止边缘细节信息的过平滑;用边缘的结构相似性改进非局部图像块的相似性权重,加强相同区域像素的贡献而削弱不同区域像素的贡献,从而达到更好地保持纹理细节的作用。实验结果表明:该方法能够很好地达到去除噪声的效果,同时还能保持更多的纹理细节特征和几何结构特

  3. 所属分类：其它

  1. 基于噪声估计的太赫兹图像自适应迭代去噪

  2. 提出了一种用于太赫兹图像的基于噪声估计的自适应迭代去噪算法。利用噪声水平估计方法获得真实实验图像的噪声标准差,使用基于四叉树的加权双平方非局部均值去噪方法对噪声图像进行去噪以提高重建图像的质量,并对去噪后的图像再次进行噪声估计与去噪,通过反复迭代获得最佳的去噪效果。实验结果表明,所提方法能较好地保留图像的细节,有效地去除由成像系统所引起的背景噪声,其对太赫兹图像具有较好的去噪效果。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：10mb
    • 提供者：weixin_38737283

  1. 自适应非局部数据保真项和双边总变分的图像去噪模型

  2. 针对常见去噪方法容易造成特定区域过度平滑、奇异结构残余噪声以及产生阶梯效应和对比度损失等问题，提出一种自适应非局部数据保真项和双边总变分的图像去噪模型，建立了自适应非局部正则化能量泛函和相应的变分框架。首先，对噪声图像利用自适应权值的非局部均值求得数据拟合项; 其次，引入双边总变分正则化项，利用正则化系数来适度平衡数据拟合项和正则化项的影响; 最后，通过能量函数最小化对不同的噪声统计快速求得最优解，从而达到降低残余噪声并纠正过度平滑的目的。通过理论分析和针对模拟噪声图像与真实噪声图像的实验结果表

  3. 所属分类：其它