一種新的混合相似性權(quán)重的非局部均值去躁算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)傳統(tǒng)非局部均值（NLM）濾波在噪聲標(biāo)準(zhǔn)差較大時(shí)，加權(quán)歐氏距離不能真實(shí)反映鄰域塊相似度的問(wèn)題，提出一種新的混合相似性權(quán)重的非局部均值去噪算法。首先，利用平穩(wěn)小波變換的特點(diǎn)對(duì)噪聲圖像進(jìn)行分解，并利用濾波函數(shù)對(duì)細(xì)節(jié)子帶進(jìn)行預(yù)去噪處理；然后，根據(jù)預(yù)去噪圖像計(jì)算塊間相似性參考因子，并使用其替換傳統(tǒng)NLM算法中高斯核函數(shù)；最后，為使相似性權(quán)重更符合人眼視覺(jué)系統(tǒng)（HVS）特點(diǎn)，使用基于圖像結(jié)構(gòu)感知的塊奇異值分解（SVD）方法定義鄰域間相似性度量，與傳統(tǒng)NLM算法相比能更為真實(shí)地反映鄰域間相似度。實(shí)驗(yàn)結(jié)果表明，混合相似性權(quán)重的非局部均值去噪算法較傳統(tǒng)NLM算法在視覺(jué)上能更好地保留紋理細(xì)節(jié)及邊緣信息，而且結(jié)構(gòu)相似度（ SSIM）指標(biāo)較傳統(tǒng)NLM算法也有一定提高，在噪聲標(biāo)準(zhǔn)差較大情況下具有有效性和魯棒性。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種新的混合相似性權(quán)重的非局部均值去躁算法下載
相關(guān)電子資料下載
- 深度學(xué)習(xí)中的模型權(quán)重 56
- Meta Quest商店優(yōu)化搜索權(quán)重，助力小型開(kāi)發(fā)者應(yīng)用 396
- 英偉達(dá)神奇研究：用別的模型權(quán)重訓(xùn)練神經(jīng)網(wǎng)絡(luò)，改神經(jīng)元不影響輸出！ 366
- 一種層次權(quán)重決策分析方法 1219
- 無(wú)需權(quán)重更新、微調(diào)，Transformer在試錯(cuò)中自主改進(jìn)！ 841
- 一種自適應(yīng)權(quán)重MSRCR低照度圖像增強(qiáng)算法 1988
- 將線性Transformer作為快速權(quán)重系統(tǒng)進(jìn)行分析和改進(jìn) 1702
- 如何使用較小的語(yǔ)言模型，并用少量樣本來(lái)微調(diào)語(yǔ)言模型的權(quán)重 1990
- 探討神經(jīng)網(wǎng)絡(luò)基本架構(gòu)：?jiǎn)卧?神經(jīng)元、連接/權(quán)重/參數(shù)、偏置項(xiàng) 7129
- 紫光展銳新一輪融資和股權(quán)重組已于日前完成 6420