版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著紅外熱成像技術(shù)的發(fā)展,紅外熱成像系統(tǒng)已經(jīng)廣泛應(yīng)用于軍事和民用領(lǐng)域。紅外成像系統(tǒng)應(yīng)用范圍的不斷擴展,也使得許多場合對紅外成像系統(tǒng)成像質(zhì)量的要求越來越高。然而,由于受紅外探測器材料、加工工藝、及外界環(huán)境等因素的影響,紅外成像系統(tǒng)所采集的圖像中總是存在大量的噪聲,這些噪聲嚴重降低了紅外圖像的視覺效果,給紅外圖像的觀察帶來了諸多不便。抑制或消除紅外圖像中的噪聲一直是紅外圖像處理中的技術(shù)難題,尤其是紅外圖像采集過程中產(chǎn)生的固定圖案噪聲,運用傳
2、統(tǒng)的圖像去噪方法進行處理時難以獲得理想的圖像效果,因此,研究新的紅外圖像去噪方法不僅必要而且具有重要理論意義和應(yīng)用價值。
本文針對傳統(tǒng)濾波算法在濾除紅外圖像噪聲的同時也濾除了圖像中有用信息的不足,提出基于稀疏表示的紅外圖像去噪方法。該方法采用匹配追蹤分解法,將紅外圖像信號分解到由特定基函數(shù)構(gòu)成的過完備原子庫上,圖像中的有用信息能夠用原子表示,而圖像中的噪聲由于沒有結(jié)構(gòu)特性,與原子的相關(guān)性很低甚至不能用原子表示,因此在圖像分
3、解完成后,僅利用代表圖像有用信息的原子來重建圖像,就能達到抑制圖像噪聲的目的。
針對紅外圖像,本文選擇過完備Gabor原子庫作為紅外圖像稀疏分解的原子庫,采用匹配追蹤分解法,將紅外圖像分解到過完備原子庫上。針對圖像稀疏分解計算量巨大,計算耗時長的缺點,提出了一種可行的優(yōu)化方法,將一幅圖像按照行數(shù)來進行分解,而不是將整幅圖像作為一個很長的信號來進行分解,從而節(jié)省了稀疏分解的計算量,大大縮短紅外圖像稀疏分解的耗時。同時,文章針
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的圖像去噪算法
- 基于稀疏表示的圖像去噪算法.pdf
- 基于稀疏表示的圖像去噪研究.pdf
- 基于稀疏表示的圖像去噪研究
- 基于稀疏表示的圖像去噪以及去霧霾算法.pdf
- 基于稀疏表示的圖像去噪方法研究.pdf
- 畢業(yè)論文基于稀疏表示的圖像去噪算法研究
- 基于稀疏表示理論的圖像去噪方法研究.pdf
- 基于稀疏表示和小波的圖像去噪算法研究.pdf
- 基于稀疏表示與字典學(xué)習(xí)的圖像去噪算法研究.pdf
- 基于稀疏表示模型的非局部圖像去噪算法研究.pdf
- 基于小波域稀疏表示的圖像去噪算法研究.pdf
- 基于稀疏表示的圖像去噪的研究與實現(xiàn).pdf
- 基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究.pdf
- 基于稀疏表示理論的圖像去噪與融合算法研究.pdf
- 基于稀疏表示和非局部均值的SAR圖像去噪算法研究.pdf
- 基于稀疏表示與非局部相似的圖像去噪算法研究.pdf
- 基于小波和稀疏表示的CBCT圖像去噪.pdf
- 基于多字典和稀疏表示的圖像去噪方法.pdf
- 基于樣例學(xué)習(xí)的稀疏表示圖像去噪方法研究.pdf
評論
0/150
提交評論