2023年全國(guó)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68頁未讀 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近年來,數(shù)學(xué)工具已逐漸成為研究圖像處理和計(jì)算機(jī)視覺的基本工具之一,尤其是以變分方法和偏微分方程為代表,被廣泛應(yīng)用于圖像處理的各個(gè)領(lǐng)域.本文主要應(yīng)用它們對(duì)圖像去噪問題進(jìn)行建模以及算法研究.這些工具不僅為建模提供了理論依據(jù),還有助于研究模型的性能以及算法的有效性.本文針對(duì)圖像處理的去噪問題,將結(jié)構(gòu)相似度(SSIM)融合到非局部全變分(NLTV)圖像去噪模型中,這是受到結(jié)構(gòu)相似性指數(shù)可以有效評(píng)估圖像質(zhì)量的啟發(fā).本文也將給出基于結(jié)構(gòu)相似度的新模

2、型,并給出新模型的兩種求解算法,所做工作主要有以下幾個(gè)方面:
  1.非局部變分(NLTV)模型中忠誠項(xiàng)采用L2度量,針對(duì)其沒有考慮圖像空間結(jié)構(gòu)性,在模型的忠誠項(xiàng)中引入結(jié)構(gòu)相似度(SSIM)進(jìn)行改進(jìn),提出一種新的去噪模型,即模型1,并給出相應(yīng)的算法,即算法1.在忠誠項(xiàng)中引入結(jié)構(gòu)相似度替代L2度量,不僅僅考慮了圖像之間的像素差,還考慮了圖像整體的亮度、對(duì)比度,使得去噪結(jié)果更符合人眼的視覺效果.將模型1與引入Split-Bregman

3、求解的NLTV模型相比,從視覺效果方面,可以看出細(xì)節(jié)更豐富了,從仿真結(jié)果來看,去噪效果也有一定的提高.
  2.算法1中正則項(xiàng)采用MSE度量的權(quán)函數(shù),在處理含有豐富細(xì)節(jié)的邊緣區(qū)域小塊時(shí),難以找到與之相似性較高的小塊,使得去噪效果不明顯,導(dǎo)致它在邊緣區(qū)域去噪能力依然較弱.針對(duì)這一缺陷,提出一種自適應(yīng)的權(quán)函數(shù)計(jì)算方法,即算法2.新的權(quán)函數(shù)計(jì)算方法中,在邊緣區(qū)域,引入結(jié)構(gòu)相似度參數(shù)作為小塊相似性的度量,從而能夠精確地估計(jì)出邊緣區(qū)域小塊之

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(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)頁內(nèi)容里面會(huì)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(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