【摘 要】
：
针对图像椒盐噪声,提出基于加权超图和诱导有序加权平均(IOWA)算子的椒盐噪声滤除算法.首先,用加权超图对图像进行表示,根据椒盐噪声为极值的特点,定义超图边的权值,该权值能够反映边内中心节点对应像素为噪声点的可能性,进而利用超图边的权值进行噪声检测;其次,构建IOWA算子对噪声点进行复原,并采用噪声检测与复原交替进行的方式完成图像的椒盐噪声滤除.仿真实验结果表明,所提出的算法不但可有效复原椒盐噪声
论文部分内容阅读
针对图像椒盐噪声,提出基于加权超图和诱导有序加权平均(IOWA)算子的椒盐噪声滤除算法.首先,用加权超图对图像进行表示,根据椒盐噪声为极值的特点,定义超图边的权值,该权值能够反映边内中心节点对应像素为噪声点的可能性,进而利用超图边的权值进行噪声检测;其次,构建IOWA算子对噪声点进行复原,并采用噪声检测与复原交替进行的方式完成图像的椒盐噪声滤除.仿真实验结果表明,所提出的算法不但可有效复原椒盐噪声,而且能保持原图像的轮廓等细节信息.
其他文献
Many studies on fractional order chaotic systems and secure communications have been carried out, however,switching fractional order chaotic system and its application to image encryption have not bee
为实现数字全息观测的实时重建,提出一种基于计算统一设备架构(CUDA)的方法来实现高速并行运算,分析全息图重建算法和CUDA并行计算体系,将图形处理器(GPU)编程和CUDA并行计算技术应用在数字全息图的重建算法中以实现实时重现,并且进行了粒子三维速度矢量场的快速重建实验,实验结果表明,基于CUDA架构下的数字全息图重建方法,能够大大加速全息图的重建速度,为数字全息实时观测提供了技术支持。
云计算环境下,对海量激光扫描CT图像目标特征点的快速定位,提高故障或病理诊断效率。传统的CT图像特征点定位方法采用纹理超像素边缘分割方法,当图像中激光扫描图像中出现大量的噪点和亮点分布不均衡时,图像的特征点定位准确度不高。提出一种基于活动轮廓线套索融合检索的云计算环境下海量激光扫描CT图像的快速定位算法。采用Laplace锐化算法实现激光扫描CT图像的边缘增强和锐化处理,构建图像的活动轮廓模型,对
高动态范围图像通过更高的对比度和更广的显示亮度增加用户的身临其境感和用户体验质量,因而对其质量评价有着广泛的应用需求。已有研究表明流形可作为大脑感知的一种表述,故提出了基于流形学习的高动态范围图像质量评价方法。该方法将高动态范围图像进行预处理后进行亮度分解和纹理提取,分别对亮度分解和纹理提取后的边缘与纹理特征图像进行流形特征相似度度量;然后考虑色度域扩展,对色度分量直接进行结构相似度度量;将六个特
传统方法在实时仿真环栅激光图像时对边缘拟合不完整,清晰度差、图像识别率低、亮度分布不均匀、环栅激光图像受到外部环境的干扰较强。提出一种基于实时重光照模型的环栅激光图仿真方法研究,搭建适用于仿真环栅激光图的实时重光照模型,基于模型多次拟合环栅激光图像的各层环形边缘曲线、绘制圆心,提高光照分量的识别能力并对其进行归一化处理,最后合成重光照图像,完成对环栅激光图像的仿真。试验证明文章的方法能够有效地实现
通过红外图像边缘检测实现激光红外目标识别。针对灰度值轮廓点标记边缘检测方法精度不高的缺点,提出一种基于组合优化理论下自适应权重均衡分割的红外图像边缘检测算法。首先对采集的红外图像进行小波降噪预处理,然后对降噪提纯的红外图像进行Harris角点检测,以邻域灰度值为信息素优化融合信息组合,采用自适应权重均衡分割方法提取红外图像的边缘特征,对提取的边缘特征通过最小二乘组合优化处理实现轮廓检测。最后通过仿
目前学术界在可见光图像的混合光照视觉干扰排除、追踪和识别工作中存在盲区,主要表现在抑制图像噪音能力弱,导致图像分辨率无法维持绝对稳定。基于上述情况,提出一种拥有强抗干扰能力的混合光照视觉干扰下可见光图像追踪识别方法,其利用端点逆向填充法,对可见光图像中的混合光照视觉干扰进行纵向、横向以及倾斜修复。介绍了结构匹配追踪方法的追踪流程,在追踪结果中融合了基准时间与空间概念,使用像素点特性向量误差完成了混
人体再识别广泛应用于视频图像监控、公安图库检索和军事情报侦察等重要领域。文章设计实现了一种人体再识别系统,拍摄被关注人物的图像,即能在图库中查询得到相同目标的图像信息。系统由服务器和手机客户端组成,两者通过局域网组网。服务器建立关注人物的图像库,使用多通道级联特征(MCCF)算法实现目标的再识别;手机客户端采用改进的方向梯度直方图(HOG)算法,自动检测和提取拍摄场景中的行人,实现关注人物的入库和
多光谱成像是一项非常有前景的图像高保真获取与再现技术,近年来在水下物体颜色还原的应用中也受到的极大的需求和关注。然而,不同于空气中的物体的成像过程,在水下成像过程中,当光通过水而进行传播,光被水体严重吸收和散射,导致图像变暗,在其光谱和颜色方面发生模糊和扭曲。文中讨论的是基于水下图像的水衰减系数的校准和其多光谱图像的光谱重构。首先在不同的距离处获取物体的图像,提出了基于不同距离的图像进行水体衰减系
论文提出一种非下采样轮廓波变换(NSCT)域内基于自适应单位链接脉冲耦合神经网络(UL-PCNN)的多聚焦图像融合方法。首先,利用NSCT对源图像进行多尺度和多方向分解;对于低频子带,利用一种基于边缘的图像融合方法;对于高频方向子带,采用局部邻域改进拉普拉斯能量作为UL-PCNN的外部激励,同时利用各子带图像改进的拉普拉斯能量和自适应调节UL-PCNN的链接强度,并选取具有较大点火幅度的系数作为融