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. 稀疏分解图像去噪

  2. 传统的去噪方法往往假设含噪图像的有用信息处在低频区域，而噪声信息处在高频区域，从而基于中值滤波、Wiener 滤波、小波变换等方法实现图像去噪，而实际上这种假设并不总是成立的。基于图像的稀疏表示，近几年来研究者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。利用 K-SVD 算法求得基于稀疏和冗余的训练字典，同时针对 K-SVD 算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。文献[28]提出了稀疏性正则化的

  3. 所属分类：讲义

    • 发布日期：2018-03-30
    • 文件大小：2mb
    • 提供者：qq_24599599

  1. 基于非下采样shearlet变换的微地震随机噪声压制

  2. 基于非下采样shearlet变换的微地震资料去噪方法,相比于其他多尺度变换方法具有更好的方向敏感性和最优稀疏表示性能,具有更强的去除随机噪声的能力,信号保真度更好。同时较传统的shearlet变换具有平移不变性,克服了伪吉布斯现象。利用非下采样shearlet变换阈值去噪法与小波和曲波阈值变换方法对微地震仿真和实际资料的随机噪声的压制进行对比分析,结果表明非下采样shearlet变换具有更好的去噪能力。

  3. 所属分类：其它

    • 发布日期：2020-04-29
    • 文件大小：242kb
    • 提供者：weixin_38680506

  1. 基于稀疏表示的小波去噪

  2. 基于稀疏表示的小波去噪, 是值得参考的一篇很好的文献

  3. 所属分类：教育

    • 发布日期：2014-06-19
    • 文件大小：5mb
    • 提供者：u014230508

  1. 基于自适应稀疏表示的光谱去噪和基线校正

  2. 通过分析光谱信号特征,结合稀疏表示理论,提出了一种自适应稀疏表示的光谱去噪方法。该方法对信号分段构造学习样本,分别用OMP法和K-SVD法初始化和过训练原子库。将光谱信号在新的原子库上进行自适应稀疏分解,实现光谱信号去噪。利用信噪比(SNR)、均方根误差(RMSE)、波形相似度(NCC)、峰值平均相对误差(AREPV)四个指标来评价去噪效果。仿真实验结果表明,与小波软阈值和小波硬阈值方法相比,该方法能更好地同时消除噪声和基线漂移。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：400kb
    • 提供者：weixin_38624628

  1. 基于OMP的小波系数遥感图像降噪。

  2. 近年来，提出了许多减少遥感图像噪声的方法。本文提出了一种基于OMP算法的改进的WCOMP方法，用于遥感图像的去噪。 我们将小波变换的系数引入贪婪策略，将OMP算法与SVD分解相结合，将这些系数与离散余弦变换（DCT）的冗余字典进行训练，以实现图像的稀疏表示，然后重构该图像。是提高图像降噪的最终性能。 实验结果表明，WCOMP方法比小波，Contourlet和K-SVD等传统图像去噪方法具有更好的效果。 与传统的降噪方法相比，我们提出的方法可以更有效地滤除噪声并保留原始图像的有用信息。

  3. 所属分类：其它

  1.  基于映射函数收缩算法的图像去噪方法

  2. 文中讨论了图像的高斯加性噪声模型和图像的稀疏性表示，提出了利用映射函数来描述图像的去噪过程，通过求解映射函数和利用映射函数对加噪图像的小波变换子带系数进行变换，达到了降低图像噪声并使加噪图像逼近原始图像的目的。经过实验比较，验证了本文算法的可行性和鲁棒性。

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：795kb
    • 提供者：weixin_38693173