检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于核各向异性扩散的红外小目标检测

强激光与粒子束 2015年第1期27卷 93-98页

作者：凌强黄树彩吴潇钟宇空军工程大学防空反导学院西安710051

为了减少红外图像中背景边缘对检测的影响,提出了一种具有鲁棒性的弱小目标检测算法,该算法利用核各向异性扩散模型进行背景预测,再与原图像差分实现弱小目标检测。为了提高算法的自适应能力,提出了一种鲁棒性扩散系数,能够根据图像背... 详细信息

为了减少红外图像中背景边缘对检测的影响,提出了一种具有鲁棒性的弱小目标检测算法,该算法利用核各向异性扩散模型进行背景预测,再与原图像差分实现弱小目标检测。为了提高算法的自适应能力,提出了一种鲁棒性扩散系数,能够根据图像背景的起伏程度自适应调整扩散系数曲线的陡峭程度。实验结果表明,与现有的检测算法相比,该算法能够在不同类型的复杂背景下有效抑制背景及其边缘,保留目标大小,降低虚警率,具有更强的鲁棒性。

关键词：核各向异性扩散小目标检测背景预测红外图像鲁棒性

基于核各向异性扩散的低信噪比裂纹降噪算法研究

在线全文

学校读者我要写书评

暂无评论

光学学报 2009年第4期29卷 913-917页

作者：郭春华汪同庆重庆大学光电技术及系统教育部重点实验室重庆400030

利用各向异性扩散和核方法,提出了一种新的核各向异性扩散去噪算法,应用于跨座式单轨轨道梁面线性裂纹的去噪取得了较好效果。在各向异性扩散的基础上,增加一个边缘增强算子,用于增强微弱的裂纹边缘信息,并且根据噪声均匀分布在多维空... 详细信息

利用各向异性扩散和核方法,提出了一种新的核各向异性扩散去噪算法,应用于跨座式单轨轨道梁面线性裂纹的去噪取得了较好效果。在各向异性扩散的基础上,增加一个边缘增强算子,用于增强微弱的裂纹边缘信息,并且根据噪声均匀分布在多维空间的特点,把低维数据推广到高维空间,结合核方法的优点,在核空间中实现去噪,同时采用平均绝对差值的自动扩散终止规则也提高了核各向异性扩散的效率。选用不同的边缘增强权值,讨论了合适的权值范围。该方法应用于低信噪比的轨道梁面线性裂纹宽度为0.4 mm噪声的去除时,与中值滤波、传统P-M各向异性扩散去噪相比,该方法去噪效果以及信噪比明显优于其它去噪算法。

关键词：图像处理降噪核各向异性扩散线性裂纹

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

在线全文

学校读者我要写书评

暂无评论

应用科学学报 2014年第3期32卷 221-228页

作者：吴一全李立陶飞翔南京航空航天大学电子信息工程学院南京210016 深圳市城市轨道交通重点实验室深圳518060 江苏省粮油品质控制及深加工技术重点实验室南京210023

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shear1et transform,NSST),将图像分解为低频分量... 详细信息

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shear1et transform,NSST),将图像分解为低频分量和多个高频分量.低频分量中包含图像信号的主要能量以及少量的噪声,而高频分量中含有大部分噪声和图像边缘信息.然后,利用K-奇异值分解(K-singularvalue decomposition,K-SVD)算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD)算法进行去噪.最后,对处理过的低频分量和高频分量进行非下采样shearlet反变换(inverse nonsubsampled shearlet transform,INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节.实验结果表明,与小波扩散去噪法、shearlet硬阈值去噪法、K-SVD稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.

关键词：图像去噪非下采样shearlet变换核各向异性扩散 K-奇异值分解稀疏表示

基于NSST变换域WNNM和KAD算法的SAR图像去噪

在线全文

学校读者我要写书评

暂无评论

郑州大学学报（理学版） 2017年第2期49卷 72-77页

作者：赵杰王配配河北大学电子信息工程学院河北保定071000 河北省数字医疗工程重点实验室河北保定071000

针对合成孔径雷达图像(synthetic aperture radar,SAR)斑点噪声影响的问题,提出了一种基于非下采样剪切波变换域(non-subsample shearlet transform,NSST)加权核范数最小化(weighted nuclear norm minimization,WNNM)和核各向异性扩散(kernel anisotropic diffusion,KAD)的SAR图像去噪方法.首先预估计SAR图像的全局噪声方差,其次对SAR图像进行对数变换,将图像的相干斑乘性噪声转化为加性噪声,然后对SAR图像进行NSST变换分解,将图像分为低频分量和多个高频分量.对分解后的低频分量和高频分量分别用WNNM算法和KAD进行去噪处理,最后用处理后的结果进行NSST重构得到去噪图像.给出了该算法的详细实现过程,并把它与之前的WNNM算法和非下采样shearlet变换算法进行了比较.实验结果表明,峰值信噪比相较于WNNM算法提高了约0.3 d B,而且更好地保存了图像的局部结构,并实现了良好的主观视觉效果.

关键词：合成孔径雷达图像去噪非下采样剪切波变换加权核范数最小化核各向异性扩散