共查询到19条相似文献，搜索用时 250 毫秒
1.
《十堰职业技术学院学报》2017,(6):103-106
基于低秩近似方法进行图像去噪逐渐成为图像处理领域研究的热点。将图像块分解成一个低秩矩阵和噪声矩阵,利用矩阵的秩来约束图像块的相似性,且现有的非局部稀疏表示算法利用图像块的自相似性进行去噪。鉴于此,提出低秩近似与非局部稀疏的图像去噪模型。该算法加强了图像分解的全局稀疏性约束,更好地保留了图像的细节和边缘信息。 相似文献
2.
3.
《实验技术与管理》2020,(3)
现有算法大多假设输入图像是不含有噪声的。但与实际情况相反,在生活中获得的图像多数是含有噪声的。本文对含噪图像的超分辨率重建问题进行研究,并提出一种可以快速实现的算法。首先,借鉴传统算法中高、低分辨率字典的训练方法,在此基础上将低分辨率图像块的纹理结构加入字典的训练过程。值得注意的是,这里的低分辨率图像块和高分辨率图像块具有相同的图像尺寸,前者是通过双立方插值得到的。其次,由于字典训练过程中使用的实例图像是不含有噪声的,因此面对不同程度噪声的输入图像并不需要重新训练字典。在重建过程中,通过使用稀疏字典的列原子作为匹配对象从而大大降低了计算成本,并对输入的特征向量和稀疏字典做了归一化处理,提高了精度。根据输入的特征向量和匹配对象的相似程度选择k个相似块,并通过权重限制模型完成对相似块的权值分配,从而重构出对应的高分辨率图像块。最后,通过加权平均重建了原始估计的高分辨率图像和去噪后的低分辨率图像,再将两幅重建图像与迭代反投影相结合,得到最终估计的高分辨率图像。在自然图像上验证了本文算法,并与先前报道的算法进行比较,其结果优于其他算法并具有较好的鲁棒性。 相似文献
4.
针对压缩感知重构算法中信号稀疏度未知和步长大小固定的问题,提出一种新的压缩感知信号重构算法,即基于弱选择的稀疏度自适应回溯追踪（SPWAMP）算法。该算法将自适应思想、变步长迭代思想与回溯思想相结合,在未知信号稀疏度的情况下,利用阈值方法选取预选集,通过变步长更新支撑集原子个数并结合回溯思想剔除不可靠原子,最终实现信号精确重构。仿真结果表明,当信号稀疏度K达到65时,该算法重构精度相对稀疏度自适应匹配追踪（SAMP）算法提高了40%,而此时正交匹配追踪（OMP）算法、子空间追踪（SP）算法和分段弱选择正交匹配追踪（SWOMP）算法已无法实现重构。因此,该算法相对其它同类算法提高了信号重构精度。 相似文献
5.
6.
本文提出了一种基于轮廓波（Contourlet）变换和统计模型相结合的图像去噪方法。Contourlet变换能够更好地表征图像各个方向的特征．通过对特征系数的分析．估计统计模型,利用近似最大后验概率估计（MAP）做局部方差估计并且和噪声方差的估计比较来达到去噪的目的。为了克服缺乏平移不变性所带来的Gibbs效应,本文采用循环平移法进行优化,有效地克服Gibbs效应。与小波变换去噪法和Contourlet变换阈值去噪法比较,该算法不仅能够提高图像去噪的PSNR,而且能够更有效地保持图像的边缘和细节。 相似文献
7.
相位恢复问题是指仅从幅值测量中恢复原始信号.由于幅值测量中缺少相位信息，精确恢复原始信号困难，因此需要加入正则化项确保高精度重建原始信号.结合交替投影和卷积神经网络提出了基于卷积神经网络去噪正则化的相位恢复算法(NrPR＿DnCNN).所提算法将相位恢复问题转化为去噪和约束优化两个子问题，并利用l1正则化快速梯度下降法交替求解.仿真结果表明：与BM3D＿PRGAMP算法相比，所提算法重构图像的峰值信噪比在二种高斯噪声水平上分别提高了2.08 dB和3.20 dB,验证了所提算法的有效性和鲁棒性；误差-迭代仿真结果验证了所提算法具有良好的收敛性. 相似文献
8.
9.
冀东江 《天津工程师范学院学报》2012,22(2)
在计算机断层成像（CT）中,代数重建算法（ART）、联合代数迭代重建算法（SART）、有序子集期望值最大重建算法（OSEM）是迭代重建技术中广泛应用的3种技术,文章针对三维锥束CT情况,比较研究了上述3种迭代算法在含噪投影数据、完备投影数据以及投影数据稀疏和视角受限情况下的重建结果,并对重建结果进行了对比和分析。仿真结果表明：在一定条件下,OSEM算法重建的图像质量好于其他两种算法。 相似文献
10.
多帧图像超分辨率重建技术就是将一些变形、模糊、降采样的低分辨率图像进行融合,估计出一幅高分辨率图像,其步骤主要分为运动估计、插值处理、图像重建.本文采用Vandewalle配准方法将处理过的低分辨率图像序列映射到一幅高分辨率网格上,然后进行插值,最后结合小波变换和迭代方法进行图像重建,并采用小波阈值去噪方法进行去噪处理.实验结果表明：本算法能较好地提高图像的峰值信噪比,是图像重建的一种有效方法. 相似文献
11.
In this paper, a two-level Bregman method is presented with graph regularized sparse coding for highly undersampled magnetic resonance image reconstruction. The graph regularized sparse coding is incorporated with the two-level Bregman iterative procedure which enforces the sampled data constraints in the outer level and updates dictionary and sparse representation in the inner level. Graph regularized sparse coding and simple dictionary updating applied in the inner minimization make the proposed algorithm converge with a relatively small number of iterations. Experimental results demonstrate that the proposed algorithm can consistently reconstruct both simulated MR images and real MR data efficiently, and outperforms the current state-of-the-art approaches in terms of visual comparisons and quantitative measures. 相似文献
12.
针对雾气分布不均匀的交通监控图像去雾,提出了一种基于近似点扩展函数估计-APEX的去雾算法。算法采用APEX的基本原理,利用暗原色先验求出的有雾图像透射图对APEX参数进行估计,且估计值按整幅图像的雾气浓度分布自适应调整,再计算出点扩展函数并逆运算得出复原的清晰图像。实验结果证明,该算法实时性高且去雾效果好,特别是对雾气分布不均匀的交通图像也有去雾效果,能满足智能交通监控系统的需求。 相似文献
13.
14.
由于低秩先验能够有效地学习图像数据的冗余和数据的全局结构,因此低秩约束在矩阵填充中得到广泛应用。以往的研究表明,低秩约束对张量恢复具有显著影响,这些工作往往通过Tucker秩解决,然而Tucker秩不能捕获张量的内在相关性。提出一种新的基于张量链秩1（Tensor-Train Rank-1,TTR1）分解的逼近张量核范数的邻近算子。低秩约束能够很好地捕获数据的全局结构,但不能利用可视化数据的局部平滑性,因此提出将张量低秩和全变分（total variation,TV）正则化相结合的超分辨率（super-resolution, SR）重建方法,充分利用图像冗余性、全局结构信息和图像局部平滑性,实现图像的SR重建。实验结果表明,相比于Tucker低秩和TV正则化模型（LRTV_SR）,该方法在峰值信噪比指标上平均提高了0.2dB,充分验证了基于TTR1分解的张量低秩约束在超分辨率重建中更能保留彩色图像的全局结构特性。 相似文献
15.
为了解决带有皮裂纹特征的指静脉图像中干扰区域影响静脉特征提取的难题,提出一种基于开关型非局部均值滤波的指静脉图像去噪算法。该算法首先生成静脉图像像素点的Hessian矩阵,然后通过Frangi滤波对起皮干裂区域进行精准检测,最后对受干扰区域进行非局部均值滤波去噪。理论分析与实验结果表明,该算法与现有经典静脉去噪算法相比,充分利用了图像上其它区域的冗余信息,在实现去噪的同时,更好地保留了非受干扰图像区域的静脉细节部分,一定程度上克服了经典去噪算法对整个图像的过平滑问题。在认假率为0时,拒真率相比原结果降低了5.63%。 相似文献
16.
目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率不高、重构精度较低等问题。针对以上情况,提出一种基于非凸低秩优化的压缩感知植株图像重构算法。首先通过KinectV2.0采集植株图像深度数据并进行预处理,结合K-means与Mean-shift聚类算法提取目标植株有效区域,再考虑图像的非局部自相似性,采用加权[lp]范数最小化算法（WSNM）求解低秩优化问题,较好地保留了图像结构细节,最后采用Dog-leg最小二乘算法取代最快下降法进行迭代优化。试验结果证明,该算法在不同采样率下的植株图像重构质量优于其它同类算法,尤其在低采样率下重构效果更为突出。 相似文献
17.
为了改善实际交通环境中运动车辆车牌图像的质量,提出一种新的超分辨率重建方法,即通过融合低分辨率图像间的互补信息得到一幅高分辨率车牌图像.首先,在超分辨率重建正则化框架下引入梯度残差项作为一个梯度强制项来改善重建图像的质量.其次,为了提高重建算法的鲁棒性,用L1范数度量数据残差项和梯度残差项.最后,用最速下降法求解相应的最小能量泛函.模拟和实际视频图像序列的实验结果验证了所提方法的有效性和实用性,所提方法在重建图像的信噪比指标和视觉效果方面均优于双三次插值和DAMRF法. 相似文献
18.
针对服装推荐方法推荐精度不高、覆盖率低,不能充分挖掘用户潜在兴趣的问题,提出一种基于用户图像内容属性偏好与时间因子的服装推荐（UIACF）算法。通过构建深度卷积神经网络,提取服装图像中的服装属性,并据此形成用户属性向量,将基于用户属性偏好的相似度与基于时间因子的用户兴趣偏好相似度融合,构建用户偏好模型。将其与基于用户的协同过滤（UCF）算法、基于项目的协同过滤（ICF）算法及基于项目偏好的协同过滤（UCSVD）算法进行比较,结果显示,UIACF 算法准确率提高 14%。该算法为基于用户的服装协同过滤个性化推荐提供了一种新思路,用户潜在兴趣挖掘效率更高。 相似文献
19.
为了解决脑核磁共振图像中的灰度不均匀现象,提出了一个基于两相的脑图像分割模型．该模型在图像局部熵基础上融合局部高斯信息和全局信息的两相水平集来拟合图像信息,同时采用一种新的简单有效的初始化方法,进行脑灰质、脑白质、脑髓液分割．实验结果表明,该模型能有效地对脑灰质、脑白质、脑髓液进行分割,同时提供准确光滑的目标边界,解决了CV模型等对灰度不均匀图像分割失败的问题． 相似文献