已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、現(xiàn)實中所得到的照片不免會包含各類的噪聲,給人們做出準確的判斷造成了一定程度的困難。為了確保后續(xù)的圖像處理結果更加穩(wěn)健可靠,需要對圖像進行去噪處理?,F(xiàn)在有很多模型和方法可以去除圖像噪聲。一個好的圖像去噪模型的主要特征是它在去除圖像中噪聲的同時,能夠保留住圖像中的重要信息。然而,不同的變分模型含有不同的規(guī)則項,不同的規(guī)則項決定了不同的去噪結果。
本文主要比較了十個含有不同規(guī)則項的具有代表性的變分模型,其中包括一個低階模型和九個高階
2、模型。雖然高階模型適合于圖像處理與圖像分析,但是會得到很難離散求解的高階非線性偏微分方程。因此,本文針對各模型給出了詳細的離散形式以及基于快速傅立葉變換(FFT)的分裂Bregman算法的數(shù)值實現(xiàn),以提高計算速度。數(shù)值試驗驗證了基于FFT的分裂Bregman算法在計算速率上的優(yōu)越性,從圖像去噪的角度比較了不同規(guī)則項的優(yōu)劣。根據(jù)所得結論,即廣義總變分(TGV)規(guī)則項更適合于分段光滑圖像及真實圖像,將TGV規(guī)則項運用于彩色圖像去噪中,彌補現(xiàn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 求解加權整體變分圖像去噪模型的快速算法研究.pdf
- 基于變分偏微分方程的圖像去噪及其快速算法.pdf
- 基于偏微分方程的圖像去噪、分割及其快速算法研究.pdf
- 四階向量值圖像去噪問題的快速算法.pdf
- 快速非局部均值圖像去噪算法.pdf
- 基于TLS的圖像去噪算法以及多層快速實現(xiàn).pdf
- 基于變分模型的圖像去噪算法研究.pdf
- 基于高階偏微分方程的圖像去噪算法研究.pdf
- TV模型圖像去噪的算法分析.pdf
- 基于深度學習的圖像去噪算法
- 面向移動設備的快速NLM圖像去噪算法.pdf
- 基于視覺感受野模型的圖像去噪算法研究.pdf
- 基于PDE、圖割的圖像去噪模型及算法.pdf
- 基于邊緣保持的圖像去噪算法.pdf
- 基于塊的圖像去噪算法研究.pdf
- 高階自適應變分與PDE圖像去噪模型.pdf
- 基于稀疏表示的圖像去噪算法
- 基于深度學習的圖像去噪算法.pdf
- 基于Contourlet的圖像去噪算法研究.pdf
- 基于稀疏表示的圖像去噪算法.pdf
評論
0/150
提交評論