2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

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、在現(xiàn)實生活中所獲得的圖像往往都受到了噪聲的干擾,噪聲的存在給圖像后續(xù)處理和分析帶來困難。因此對圖像去噪方法的研究具有非常重要的意義。本文主要基于小波變換和非下采樣Contourlet變換對圖像去噪問題進行了研究,主要工作如下:
   (1)提出了一種改進的小波域非局部均值去噪算法,該算法在已有小波域非局部均值去噪方法的基礎(chǔ)上,為了更加準(zhǔn)確地估計子帶非局部的相似性,論文同時考慮低頻圖像的相似度和高頻圖像的相似度,把低頻圖像的相似度

2、和高頻圖像的相似度相乘作為最終各細節(jié)子帶非局部塊的相似度,給出了改進的小波域非局部均值去噪算法的權(quán)值計算公式。實驗表明相比原算法,改進后算法在噪聲抑制和保留圖像邊緣和細節(jié)信息方面均有所提高。
   (2)針對超聲圖像降斑問題,將基于正交小波變換的雙變量閾值去噪方法推廣至二進小波變換域,并應(yīng)用于超聲圖像斑點抑制,提出了基于二進小波的雙變量閾值超聲圖像降斑方法。二進小波具有的平移不變性和對邊緣等細節(jié)信息的良好響應(yīng)特性使得該方法可以更

3、好地保持超聲圖像的細節(jié)信息。
   (3)針對SAR圖像降斑問題,提出了一種基于非下采樣Contourlet變換的SAR圖像降斑方法。該算法引入非對數(shù)加性模型,通過研究非下采樣Contourlet域非對數(shù)加性噪聲的分布特性,對非下采樣Contourlet域中平穩(wěn)區(qū)域的非對數(shù)加性噪聲使用高斯分布建模,對高頻系數(shù)用SURE-LET方法進行收縮。實驗結(jié)果表明本文算法在有效濾除SAR圖像同質(zhì)區(qū)域內(nèi)的斑點噪聲的同時,能夠較好地保持SAR圖

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(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論