噪声图像

作品数：152被引量：629H指数：12
导出分析报告
相关领域：自动化与计算机技术电子电信更多>>
相关作者：焦李成王爽侯彪牛玉贞吴金建更多>>
相关机构：深圳市腾讯计算机系统有限公司西安电子科技大学天津大学浙江大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中国博士后科学基金中央高校基本科研业务费专项资金吉林省科技发展计划基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机工程x
共 条 记 录，以下是1-8
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
高斯平滑下引线框架的多尺度噪声图像快速配准算法被引量：2
《计算机工程》2018年第5期209-214,共6页曹晓欢 杨建华 张扬 
西安市科技计划项目(CXY1510(4))
为满足机器视觉系统的实时性要求,提出一种新的快速图像配准算法,即高斯多尺度快速注册算法(GMFR)。GMFR综合图像空间域互相关算法(CC)与频域互功率谱算法(CPS)在配准精度和效率上的优势,并在图像多尺度表达的基础上,通过引入高斯平滑...
关键词：引线框架 噪声图像 快速配准 高斯多尺度 性能函数 
基于梯度信息的自适应邻域噪声图像分割模型被引量：5
《计算机工程》2018年第5期227-233,239,共8页李钢 李海芳 尚方信 郭浩 
国家自然科学基金(61402318)
现有分割模型多数不能兼顾概率噪声图像和非均匀图像的分割精度,为此,构建一种改进的活动轮廓模型。引入新的邻域拉伸变形机制,使用图像梯度引导邻域变形,以降低无关信息和噪声点对分割结果的影响。将局部相关性系数引入能量泛函,使模...
关键词：图像分割 高斯噪声 自适应邻域 活动轮廓模型 图像梯度 
改进权重函数的非局部均值图像去噪算法被引量：5
《计算机工程》2016年第12期254-261,共8页张娜 刘辉 尚振宏 邹滨益 
国家自然科学基金(61462052);中国科学院太阳活动重点实验室项目(KLSA201310);昆明市科技局项目(08S100310)
经典非局部均值去噪算法在度量邻域结构特征相似性上对于旋转和平移情况下不够灵活。为此,提出一种基于归一化转动惯量的非局部均值图像去噪算法。利用归一化转动惯量作为相似权重的一部分来调节相似性度量。实验结果表明,与原始非局部...
关键词：非局部均值 去噪 相似性度量 噪声图像 归一化 
独立分量分析在图像处理中的应用被引量：1
《计算机工程》2011年第S1期261-262,277,共3页陈红艳 马上 
针对传统图像边缘检测方法对噪声敏感的问题,提出一种基于独立分量分析(ICA)的噪声图像边缘检测方法。采用基于ICA的稀疏编码收缩算法消除噪声分量,将处理后的图像经过适当的几何变换得到另外2幅图像,对原始图像与变换后的这2幅图像进行...
关键词：边缘检测 噪声图像 独立分量分析 稀疏编码 
图像隐写与自然噪声辨识研究被引量：2
《计算机工程》2011年第4期150-151,154,共3页汤光明 刘静 
河南省信息安全重点实验室课题基金资助项目(10ISLB001)
提出一种辨识图像隐写与自然噪声的方法。从图像中常见的2类噪声(高斯白噪声和椒盐噪声)出发,基于加性噪声模型,利用图像直方图特征函数质点区分原始图像和隐写噪声图像,利用小波高频子带系数差分方差识别隐写图像与噪声图像。对大量隐...
关键词：图像隐写 噪声图像 直方图特征函数 小波分解 
基于模糊推理的噪声图像边缘检测被引量：3
《计算机工程》2010年第15期194-195,共2页郭芳侠 梁娟 王晅 
陕西省自然科学基础研究计划基金资助项目(2009JM8003)
对于噪声感染的图像,提出一种基于模糊推理的图像边缘检测方法。该方法将像素点的基本梯度与关联梯度作为模糊推理系统的输入变量,根据确定的模糊规则,运用模糊推理方法得到该点属于噪声的程度,从而去除由噪声引起的伪边缘,实现边缘检...
关键词：基本梯度 关联梯度 模糊推理 边缘检测 
基于矫正变量的聚类噪声图像分割算法
《计算机工程》2009年第23期220-221,共2页朱嵬鹏 王士同 
传统聚类图像分割算法在对含有噪声的图片进行分割时图片中的噪声往往引起较大的偏差。针对含有一定噪声的图片提出一种算法,分别在传统模糊聚类算法中的距离公式和隶属度值公式中增加修正量的方法,以减少噪声对聚类结果的影响。实验结...
关键词：图像分割 聚类 噪声 矫正 隶属度 
噪声图像中圆心和半径的Robust估计算法
《计算机工程》1992年第2期36-38,45,共4页汪涛 张鹏 邢小良 
本文提出了一种在噪声图像中估计圆心和半径的Robust算法,易于处理包括Gaussian噪声和出格点的污染图像。
关键词：圆心 半径 算法 噪声 图像处理 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部