

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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在獲取、編碼、傳輸圖像信號的過程中,圖像不可避免的受到各種噪聲的污染,從而影響圖像的質(zhì)量和對圖像的后續(xù)處理。所以,圖像去噪作為圖像預(yù)處理的一個重要環(huán)節(jié)在近年來引起了人們的廣泛關(guān)注。
與傳統(tǒng)的去噪方法相比,基于壓縮感知理論的去噪方法能夠充分發(fā)揮稀疏表示的優(yōu)勢,靈活的適應(yīng)實際環(huán)境,降低采樣率和數(shù)據(jù)處理的成本,獲得較好的去噪效果。本文以圖像的稀疏表示為基礎(chǔ),圍繞脊波變換、曲波變換、超完備稀疏表示理論等內(nèi)容展開探索和研究。
2、論文闡述了圖像去噪技術(shù)的發(fā)展和壓縮感知理論的相關(guān)基礎(chǔ)知識,重點介紹了壓縮感知理論的三個步驟和常用算法。然后是文章的主要內(nèi)容:
1.介紹脊波變換的研究發(fā)展過程和應(yīng)用,詳細(xì)闡述了與脊波變換有著緊密聯(lián)系的 Radon變換,以及連續(xù)脊波變換和離散脊波變換的原理,并且以脊波變換為基礎(chǔ),提出了一種與全變差最小模型相結(jié)合的圖像去噪算法,通過實驗對比,該算法能夠克服閾值收縮法的缺點,有更高的峰值信噪比和更好的視覺質(zhì)量,并說明該方法更適合于線狀
3、奇異特征豐富的圖像。
2.介紹曲波變換理論的相關(guān)知識,詳細(xì)闡述了兩代曲波變換的原理以及存在的問題,以正態(tài)高斯分布和最大后驗概率估計法為基礎(chǔ),提出了基于曲波變換的收縮法圖像去噪方法。通過實驗數(shù)據(jù)對比得知,該方法能夠較好的去除噪聲,同時更好的保留了原始圖像的集合特征。
3.介紹字典的相關(guān)知識:字典的提出、字典的選擇、字典的設(shè)計,詳細(xì)介紹了超完備稀疏字典理論,包括字典的數(shù)學(xué)描述,超完備稀疏表示問題的解決方法,同時解釋了冗余
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(hù)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(fù)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
- 基于稀疏表示理論的圖像去噪方法研究.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算法
- 基于稀疏表示的圖像去噪方法研究.pdf
- 基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究.pdf
- 基于稀疏表示的圖像去噪算法.pdf
- 基于壓縮感知的圖像去噪理論研究.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
- 基于稀疏表示的紅外圖像去噪算法研究.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)的圖像去噪方法的研究.pdf
- 基于稀疏表示和小波的圖像去噪算法研究.pdf
- 基于稀疏表示理論的圖像去噪與融合算法研究.pdf
- 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和人臉識別方法研究.pdf
- 稀疏表示理論的研究及其在圖像去噪中的應(yīng)用.pdf
- 基于邊緣增強(qiáng)和稀疏表示的圖像去噪方法研究.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