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. tvdenoise.m

  2. 基于偏微分方程中的整体变分（TV）的图像去噪方法。

  3. 所属分类：其它

    • 发布日期：2009-07-14
    • 文件大小：3072
    • 提供者：xhhjin

  1. 基于偏微分方程的图像降噪算法研究.kdh

  2. 数字图像作为媒介，已经成为信息时代不可或缺的信息来源。实际获得的图像在 形成，传输，接收和处理的过程中，不可避免的存在各种类型的干扰。噪声恶化了图 像质量，使图像模糊，特征淹没，给边缘检测，图像分割，特征提取，图像的压缩和 编码等这些后继分析带来困难。因此，滤除噪声，尽可能的复原原始图像是数字图像 处理中最重要、最基本的研究课题之一，具有重要的理论价值和实际意义。 近十年多来，偏微分方程（PDEs）的理论和方法在图像处理各领域的应用越来 越引起了人们的关注。本文在现有基于偏微分去噪模型的基础上

  3. 所属分类：专业指导

    • 发布日期：2011-05-09
    • 文件大小：1048576
    • 提供者：jijiezhizhu

  1. 中值维纳小波等五种图像去噪方法源码（matlab）和报告

  2. 均值、中值、维纳、TV、小波五种图像去噪方法源码（matlab）.均经过运行调试。包括对一种方法的研究报告（word）。

  3. 所属分类：软件测试

    • 发布日期：2012-07-01
    • 文件大小：2097152
    • 提供者：gycool21

  1. 结构保持的图像去噪方法研究

  2. 图像在获取和传输过程中，不可避免地会受到噪声污染，致使图像质量下降，严重影响了后续图像处理工作(如图像超分辨率、图像分割、图像识别、特征提取等。 为了提高图像质量，为后续图像处理提供更可靠真实的图像，对图像进行去噪处理就成为图像处理中一项基础而重要的研究工作。图像去噪的目的是根据观察到的降质图像估计恢复原始真实图像，即在去除噪声同时更好保持图像中的重要结构信息。研究如何更好保持图像的边缘、纹理等重要结构信息的图像去噪模型和算法具有重要的理论意义和实用价值。 本论文以刻画边缘和纹理的图像先验建模

  3. 所属分类：其它

    • 发布日期：2013-03-01
    • 文件大小：6291456
    • 提供者：pengwangguo

  1. 全变分去噪

  2. 保持边界去噪较好的方法，matlab代码，可以直接用，就是单一点。

  3. 所属分类：数据库

    • 发布日期：2013-04-24
    • 文件大小：424
    • 提供者：u010436881

  1. tv方法去除噪声

  2. tv方法去除噪声，用于图像去噪，简单实用

  3. 所属分类：C

    • 发布日期：2014-03-15
    • 文件大小：69632
    • 提供者：lemon1235

  1. ROF算法用于去噪

  2. Osher是ULCA的教授，ROF方法使用TV约束进行去噪，可以从偏微分方程角度进行理解，是一篇非常经典的文献，引用次数高达6000多次

  3. 所属分类：专业指导

    • 发布日期：2014-03-25
    • 文件大小：2097152
    • 提供者：u014347448

  1. 去噪的代码

  2. 一种去噪方法，TV去噪，直接调用即可

  3. 所属分类：C/C++

    • 发布日期：2017-06-20
    • 文件大小：951
    • 提供者：w2016cx

  1. 优化加权TV的复合正则化压缩感知图像重建

  2. 目的压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制,能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题,提出一种基于优化加权全变差(TV)的复合正则化压缩感知图像重建模型。方法提出的重建模型是以TV正则化模型为基础。首先,为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点,引入图像的梯度信息估计权重,构建加权TV的重建模型。其次,利用全变差去噪(ROF)模型对权重进行优化估计,从而减少计算权重时受噪声的影响。再次,将非局部结构相似性先验和局部自

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38675967

  1. ResPr-UNet-3D去噪高效管道TF-keras：3D图像降噪使用改进的U-Net架构，可利用先前的图像。 使用基于keras和tf.data.Dataset API的高效张量流管道训练模型-源码

  2. ResPr-UNet-3D去噪高效管道-TF-keras 该存储库包含该论文的数据，代码和结果。带有3D图像降噪Proc的图像优先残差U-Net网络。 欧元。 信号处理。 Conf。 EUSIPCO，第1264-1268页，2020年。（hal-02500664） 我们提出了一种改进的U-Net架构（ResPrU-Net），该架构利用先前的图像进行3D图像降噪。 先前的图像与输入串联在一起，并通过剩余连接连接到输出，如下图所示 ResPrU-Net背后的思想基于先前提出的变分方法SPADE

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：5242880
    • 提供者：weixin_42131618

  1. 基于小波收缩的梯度保真度的图像变分去噪

  2. 提出了一种新的变分图像模型，结合了Curvelet收缩方法和总变分（TV）功能，可用于图像恢复。 为了抑制阶梯效应和类似Curvelet的伪影，我们使用多尺度Curvelet收缩来计算初始估计图像，然后提出一个新的梯度保真度项，该项旨在迫使所需图像的梯度接近Curvelet逼近梯度。 然后，我们介绍了Euler-Lagrange方程，并对数学性质进行了研究。 为了提高保留边缘和纹理细节的能力，在梯度下降流算法的迭代过程中自适应估计空间变化参数。 数值实验表明，我们提出的方法在减轻阶梯效应和曲​​

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：657408
    • 提供者：weixin_38706100

  1. 空间移不变系统图像超分辨复原的快速解耦算法

  2. 超分辨率图像复原是当今一个重要的热门研究课题.本文提出了一种基于全变差模型的超分辨率复原快速解耦算法.利用半二次正则化思想,提出了一个新的解耦TV(Total variation)模型.利用交替最小化方法和线性空间不变模糊的性质将上采样融合、去模糊和去噪分步进行.算法中对上采样融合采用非迭代的直接计算方法;去模糊过程采用基于变换的预处理共轭梯度迭代算法,而去噪过程采用了子空间投影方法.本文算法降低了算法复杂度;超分辨率重建图像在去除噪声的同时,不仅能够保证图像平坦区域的保真度,较好地抑制阶梯效应

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_38653508

  1. 一种基于偏微分方程的PCB图像增强方法

  2. 针对传统的图像增强方法对印刷电路板(PCB)图像进行预处理时难以一步实现去噪和增强对比度的问题,提出了一种基于偏微分方程的图像增强方法,并给出了具体实现过程。该方法采用基于TV模型的降噪与直方图均衡化相结合来实现,在增强对比度的同时保留有效边缘。仿真实验表明了该算法优于传统的先增强、后去噪和先去噪、后增强的方法。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：994304
    • 提供者：weixin_38562026

  1. 基于Curvelet变换和非局部TV模型的图像去噪

  2. 为解决Curvelet图像去噪所产生的"环绕"效应以及非局部TV模型去噪过度平滑而无法保持细小纹理的问题,本文提出了一种基于Curvelet变换与非局部TV模型相结合的图像去噪方法(Curvelet and Non-Local TV,CNL-TV)。该方法首先对含噪图像进行Curvelet变换,将其分解成不同尺度的图像;其次根据每层图像的特性,选择合适的非局部TV模型参数分别进行处理;最后将处理后的每层图像融合。实验结果表明,该算法不仅能够有效地减少噪声,消除Curvelet去噪产生的"环绕"效

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：724992
    • 提供者：weixin_38677585

  1. 基于Moreau包络平滑l1/全变差范数模型的图像脉冲噪声去除方法

  2. 脉冲噪声是导致图像退化的主要原因之一，低密度脉冲噪声去除比较容易，但高密度比较困难。为了有效去除高密度的脉冲噪声，提高边缘和细节纹理的保持能力，提出了一种基于莫罗(Moreau)包络平滑l1/全变差范数(l1/TV)模型的脉冲噪声去除方法。此方法具有修复前后图像对比度和形态不变，不易产生局部模糊等优点。由于l1/TV模型中的两个目标函数均为不可微凸函数，无法直接求解，提出了利用解耦形式的Moreau包络对全变差范数进行平滑化处理，平滑后的函数是原函数的可微紧下界，具有迭代形式的解析解，证明了它也

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：4194304
    • 提供者：weixin_38640674