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50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)

文檔簡介

1、隨著醫(yī)學(xué)影像、遙感成像等技術(shù)的不斷發(fā)展,可用的多模圖像越來越多。但是圖像在獲取、傳輸與記錄過程中不可避免地要受到各種噪聲信號(hào)的干擾,多模圖像通常由不同的采集設(shè)備獲得,因此更容易受到成像帶寬的限制而產(chǎn)生噪聲。在圖像處理與計(jì)算機(jī)視覺領(lǐng)域,圖像去噪是一項(xiàng)重要的、基本的研究課題。去除圖像噪聲能提高圖像視覺質(zhì)量,是對(duì)圖像后續(xù)處理的前提;另外,圖像去噪的方法在理論上與其他圖像處理有著緊密的聯(lián)系,研究圖像去噪方法有一定的理論價(jià)值和實(shí)際意義。本文以多模

2、圖像作為研究對(duì)象,主要的研究內(nèi)容和成果包括:
  1)提出了一種新的基于非局部均值的多模圖像濾波算法。在該方法中,對(duì)于噪聲圖像濾波采用非局部均值方法,其中對(duì)于噪聲圖像塊之間灰度相似測(cè)度權(quán)重由另一幅圖像來引導(dǎo)計(jì)算。實(shí)驗(yàn)結(jié)果表明,該方法比基于局部的圖像去噪方法如雙邊濾波算法有更好的去噪效果。在此基礎(chǔ)上通過構(gòu)造聯(lián)合積分圖像來對(duì)提出算法進(jìn)行加速,與原始算法相比復(fù)雜度顯著降低,并且算法的復(fù)雜度不受濾波器大小影響,易于在并行系統(tǒng)中實(shí)現(xiàn)。

3、>  2)提出了一種基于交叉積分直方圖的對(duì)偶雙邊濾波算法,使算法能夠在沒有清晰參考圖像的情況下進(jìn)行多模圖像去噪處理。對(duì)偶雙邊濾波是目前對(duì)多模圖像去噪較為常規(guī)的方法,能同時(shí)對(duì)多幅圖像進(jìn)行聯(lián)合去噪,但存在計(jì)算效率低下的問題。本文算法通過所構(gòu)造的交叉積分直方圖,能夠在常數(shù)時(shí)間里計(jì)算出濾波器的系數(shù),并且算法的復(fù)雜度不受濾波半徑的影響,因此有效提高了原始對(duì)偶雙邊濾波器的適用范圍和計(jì)算效率。
  3)提出了一種交叉雙域?yàn)V波算法,可以解決目前多

4、模圖像時(shí)域聯(lián)合濾波算法對(duì)圖像細(xì)節(jié)信息保持較差的問題。算法在時(shí)域中使用交叉雙邊濾波,通過多模圖像邊界上的信息互補(bǔ)保持邊緣信息,然后對(duì)圖像殘量使用小波收縮算法恢復(fù)細(xì)節(jié)信息并疊加到時(shí)域?yàn)V波結(jié)果中。在此基礎(chǔ)上構(gòu)造時(shí)域和頻域交替迭代并通過逐步遞減縮小濾波核的范圍獲得最終濾波結(jié)果。通過對(duì)多模醫(yī)學(xué)圖像和自然多模圖像進(jìn)行測(cè)試,相比目前聯(lián)合濾波算法和單模雙域算法,所提出算法在PSNR值和視覺上都有較明顯提高。
  本文提出的算法,可以有效地對(duì)多模圖

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(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