

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(rèn)領(lǐng)
文檔簡介
1、隨著計算機科學(xué)的快速發(fā)展,人們對數(shù)字圖像處理的需求也日趨擴大,常見的圖像去噪算法包括各種自適應(yīng)中值濾波算法、小波閾值算法、基于偏微分方程方法、總變分最小化算法、非局部均值濾波算法,等等。圖像去噪是圖像處理的預(yù)處理過程,是圖像處理的一個重要分支。偏微分方程方法是圖像去噪的一個熱門研究領(lǐng)域,受到國內(nèi)外學(xué)者的廣泛關(guān)注。在眾多方法中,各向異性擴散模型已成為一個廣受關(guān)注的偏微分方程圖像去噪方法。
熵在概率論、信息論、物理、圖像等領(lǐng)域都有
2、重要應(yīng)用,并且取得很多重要的研究成果。其中, Tsallis熵在圖像處理多個領(lǐng)域得到了廣泛的應(yīng)用,如圖像閾值分割,圖像匹配等。Tsallis熵是香農(nóng)熵的推廣,并具有如下性質(zhì):1)孤立的噪聲對局部Tsallis熵值影響很小。2)圖像細節(jié)處的局部Tsallis熵值較高。
本學(xué)位論文主要做了以下的研究:
各向異性擴散模型中,擴散系數(shù)決定模型擴散的程度,它是關(guān)于圖像梯度的函數(shù),在梯度大的地方,擴散系數(shù)小,在梯度較小的地方,擴
3、散系數(shù)大。因此,該模型能夠在平滑圖像的時候,保留圖像的邊緣。但是,該模型也存在一些不足,它只利用了圖像梯度信息,對于圖像紋理,弱細節(jié)不能很好地保持。針對這個問題,該文結(jié)合圖像 Tsallis熵值在圖像的平滑區(qū)域和邊緣處熵值有差異的性質(zhì),提出結(jié)合 Tsallis熵的各向異性擴散模型,新模型的擴散系數(shù)不僅依賴于圖像梯度,而且利用了圖像局部 Tsallis熵,實驗表明:新模型對于去噪后的圖片能較好的保留圖像的細節(jié)和弱邊緣,并且具有很好的去噪性
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。
最新文檔
- 改進的各向異性擴散圖像去噪模型.pdf
- 圖像去噪的各向異性擴散方法.pdf
- 19139.圖像去噪的保細節(jié)各向異性擴散模型研究
- 基于分?jǐn)?shù)階各向異性擴散模型的圖像去噪方法研究.pdf
- 基于改進的各向異性擴散圖像去噪算法研究.pdf
- 各向異性擴散和小波相結(jié)合的圖像去噪算法研究.pdf
- 基于小波域的各向異性擴散醫(yī)學(xué)超聲圖像去噪研究.pdf
- 結(jié)合多尺度分析與各向異性擴散的超聲圖像去噪算法.pdf
- 各向異性擴散的自適應(yīng)變正則參數(shù)方法在圖像去噪中的應(yīng)用.pdf
- 基于各向異性偏微分方程圖像去噪方法的研究.pdf
- 基于雙退化各向異性擴散方程的乘性去噪模型研究.pdf
- 基于彎曲邊緣和復(fù)雜紋理保持的各向異性圖像去噪算法研究.pdf
- 帶約束的各向異性擴散去噪方法.pdf
- 基于GVC的擴散模型與圖像去噪方法研究.pdf
- 基于各向異性擴散的圖像放大法.pdf
- 基于各向異性擴散的紋理圖像分割方法研究.pdf
- 基于圖像特征的各向異性擴散濾波算法研究.pdf
- 帶有保真項的各向異性擴散模型.pdf
- 數(shù)字圖像去噪的模型研究.pdf
- 基于FoE模型的圖像去噪研究.pdf
評論
0/150
提交評論