注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 自适应全变分图像去噪模型及其快速求解

  2. 在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上，利用边缘检测算子选取自适应参数，构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型，并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明，自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息，得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。 —————————————————————————————————— This paper combined shock

  3. 所属分类：专业指导

    • 发布日期：2012-03-20
    • 文件大小：665600
    • 提供者：mathimpro

  1. 自适应全变分图像去噪Matlab源代码

  2. 在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自适应参数,构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明,自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。

  3. 所属分类：其它

    • 发布日期：2016-04-21
    • 文件大小：65536
    • 提供者：icymiracle

  1. 数字图像去噪算法研究

  2. 数字图像处理是数学技术和计算机技术交叉领域的一门新学科，图像去噪一直是该领域的研究热点，数字图像的有效去噪是图像信息预处理的关键步骤。在近二十年的研究中，涌现出许多去噪模型，主要有：高斯滤波、中值滤波、小波变换和DCT变换滤波、各向异性扩散方程模型、全变分模型、双边滤波、非局部平均滤波等等。 本文对各向异性扩散方程模型的原理、数值离散格式以及该模型与其它模型之间的联系进行了系统的讨论，接着讨论了双边滤波和非局部平均滤波两类较新的去噪模型，并对各类去噪模型的优缺点进行分析。文章的最后部分介绍了本

  3. 所属分类：其它

    • 发布日期：2008-12-22
    • 文件大小：6291456
    • 提供者：guolizi

  1. 分裂BregmanTV全变分各向同性各向异性去噪.zip

  2. 偏微分方程PDE图像处理去噪部分的经典算法，分裂Bregman算法的源代码，包含各向同性去噪和各向异性去噪算法演示。

  3. 所属分类：机器学习

    • 发布日期：2020-04-30
    • 文件大小：157696
    • 提供者：ptx824

  1. 利用高阶交错网格有限差分法数值模拟VTI介质井孔声场

  2. 横向各向同性(TI)介质是岩石地球物理中常见的一种现象,研究其井孔声场传播特征对声波测井理论以及为声波测井解释提供依据具有重要意义。针对具有垂直对称轴的横向各向同性(VTI)介质,根据柱坐标系条件下的弹性波波动方程,推导了速度—应力交错有限差分公式,采用时间二阶、空间十阶的交错有限差分算法对VTI介质中的井孔声场进行数值模拟。给出了在均匀介质中井孔声场不同时刻的波场快照,以及不同各向异性系数的VTI介质中的波场快照,计算了井轴上声源激发出的声波全波列波形。结果表明,在其他条件不变的条件下,VTI

  3. 所属分类：其它

    • 发布日期：2020-07-14
    • 文件大小：1048576
    • 提供者：weixin_38692100

  1. 基于字典学习和加权TV的MRI重构算法

  2. 为更好地提高核磁共振图像重构质量，提出了一种基于熵约束字典学习和加权全变分的图像重构算法。首先对图像进行分块，基于熵约束构建新的字典学习模型，生成字典库；结合加权的各向同性与各向异性的全变分正则项构建图像重构模型，并采用Split-Bregman算法求解，最终得到重构图像。实验结果表明，该算法不仅能有效消除噪声，对噪声具有鲁棒性，又能保留图像边缘纹理信息，抑制阶梯效应。与现有的算法相比，该算法对图像重构有着更好的性能。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：440320
    • 提供者：weixin_38613548

  1. 各向异性全变分引导滤波及其Split Bregman方法

  2. 引导滤波(GF)去噪的关键是选取一幅包含清晰结构信息的引导图像。为提高GF的去噪效果, 提出一种由各向异性全变分(ATV)引导的滤波方法。首先利用ATV模型对噪声图像进行光滑处理, 生成包含良好结构信息的引导图像, 然后利用GF进行处理。为提高算法的稳健性, 对上述过程进行迭代处理。由于计算全变分模型的传统迭代方法速度较慢, 因此采用Split Bregman迭代方法进行加速处理。实验结果表明：该算法不仅在峰值信噪比、归一化均方误差和结构相似性等客观指标上具有优势, 而且计算速度比传统迭代方法提

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：13631488
    • 提供者：weixin_38678172