2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩110頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、圖像作為信息化時(shí)代的一種重要的信息載體,其對(duì)應(yīng)的圖像處理技術(shù)已廣泛地應(yīng)用于各個(gè)領(lǐng)域,如航空航天、軍事、治安監(jiān)控、醫(yī)療衛(wèi)生等。在這些應(yīng)用領(lǐng)域,一幅高質(zhì)量的圖像對(duì)相關(guān)問(wèn)題的分析和后續(xù)處理起著至關(guān)重要的作用。但由于采集設(shè)備、通訊條件等因素的限制,圖像在采集、傳輸與存儲(chǔ)過(guò)程中無(wú)法避免受到各種噪聲信號(hào)的污染,導(dǎo)致圖像偏離了它的真實(shí)情況,大大降低了對(duì)圖像目標(biāo)信息后續(xù)的解釋和編譯能力,如特征提取、目標(biāo)識(shí)別和圖像分析。這使得在利用圖像之前有必要去除圖像

2、中的噪聲。
  為克服非局部平均方法在選擇相似塊時(shí)間復(fù)雜度高的缺點(diǎn),并且充分利用非局部相似塊之間的結(jié)構(gòu)特征信息,更好地保護(hù)圖像原有結(jié)構(gòu)信息,論文工作著重從兩個(gè)階段來(lái)改善現(xiàn)有的非局部平均算法,即相似塊的搜索和在此基礎(chǔ)上的非局部去噪方法。主要包括以下幾個(gè)方面的工作:
  1.提出一種非局部馬爾科夫蒙特卡羅采樣和低秩逼近的隨機(jī)去噪方法。該方法首先通過(guò)馬爾科夫蒙特卡羅隨機(jī)采樣尋找每個(gè)圖像塊的相似匹配塊組,然后對(duì)這些相似匹配塊組進(jìn)行奇

3、異值分解,用分解后的低秩結(jié)構(gòu)恢復(fù)原圖像,從而達(dá)到去噪的目的。實(shí)驗(yàn)表明,所提方法計(jì)算復(fù)雜度低,和非局部平均方法相比,較好地保留了邊緣等細(xì)節(jié)信息;和BM3D方法相比,所提方法能保持較好的視覺(jué)質(zhì)量。
  2.為降低奇異值分解的低秩逼近方法的計(jì)算代價(jià),減少對(duì)原數(shù)據(jù)的重構(gòu)誤差,提出一種基于雙邊下采樣傅里葉變換投影的低秩逼近圖像去噪算法。該算法改變高斯隨機(jī)下采樣投影,采用下采樣隨機(jī)傅里葉變換投影,達(dá)到對(duì)原數(shù)據(jù)更高的重構(gòu)精度。實(shí)驗(yàn)結(jié)果表明,所提

4、算法能有效地逼近奇異值分解的最小重構(gòu)誤差,降低計(jì)算復(fù)雜度。與NLM方法相比,在去除噪聲的同時(shí)較好地保留了原圖像的結(jié)構(gòu)信息;與單邊隨機(jī)投影低秩逼近方法相比,保證了較低的重構(gòu)誤差;和BM3D方法相比,所提方法能保持較好的視覺(jué)質(zhì)量。
  3.提出了一種自適應(yīng)隨機(jī)非局部去噪方法,在圖像的不同位置確定對(duì)應(yīng)的非局部相似塊的最佳尺寸,從而提升去噪圖像的質(zhì)量。新方法分為兩個(gè)階段實(shí)現(xiàn):基于自適應(yīng)窗的相似塊搜索,和在此基礎(chǔ)上的雙向非局部去噪算法。在第

5、一階段,對(duì)噪聲圖像每個(gè)像素點(diǎn)鄰域通過(guò)多次馬爾科夫蒙特卡羅隨機(jī)采樣尋找到多個(gè)相似匹配塊組;利用不同匹配塊組估計(jì)的一致性給出相似塊尺寸調(diào)整的判據(jù);調(diào)整相似塊尺寸并重復(fù)上述過(guò)程得到該像素點(diǎn)鄰域的最佳相似塊尺寸和對(duì)應(yīng)的最優(yōu)相似塊組。在第二階段,為充分利用選定的相似塊組的雙向相似結(jié)構(gòu),同時(shí)為減少計(jì)算代價(jià),提出修正的雙向非局部算法,得到對(duì)應(yīng)的無(wú)噪相似塊組的估計(jì);進(jìn)一步利用疊加的方法得到去噪圖像。理論分析和仿真實(shí)驗(yàn)結(jié)果表明:相比于固定尺寸窗的去噪算法

6、,如BM3D和NLM方法等,本文算法具有較低的時(shí)間復(fù)雜度,去噪后圖像具有更高的圖像質(zhì)量和理想的視覺(jué)效果。
  4.提出一種分而治之的隨機(jī)圖像去噪方法。所提方法采用分而治之的策略提取圖像中的方向信息,進(jìn)行有方向的采樣。首先使用小波變換將觀測(cè)圖像分成不同子帶圖像提取不同方向的方向結(jié)構(gòu)信息;其次對(duì)各子帶圖像采用不同的橢圓高斯采樣獲得不同子帶相似塊,此方法降低高斯分布下的高采樣拒絕率。在第二階段對(duì)已選定的相似塊進(jìn)行處理,為避免使用稀疏編碼

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論