基于云模型編碼算法的圖像消噪研究-論文.pdf

基于云模型編碼算法的圖像消噪研究-論文.pdf

ID:53763296

大?。?87.81 KB

頁數(shù):5頁

時間:2020-04-24

基于云模型編碼算法的圖像消噪研究-論文.pdf_第1頁
基于云模型編碼算法的圖像消噪研究-論文.pdf_第2頁
基于云模型編碼算法的圖像消噪研究-論文.pdf_第3頁
基于云模型編碼算法的圖像消噪研究-論文.pdf_第4頁
基于云模型編碼算法的圖像消噪研究-論文.pdf_第5頁
資源描述:

《基于云模型編碼算法的圖像消噪研究-論文.pdf》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、2014年8月圖學(xué)學(xué)報August2014第35卷第4期JoURNALoFGRAPHICSVo1.35No.4基于云模型編碼算法的圖像消噪研究李丹,王洪濤(河南牧業(yè)經(jīng)濟學(xué)院,河南鄭州450044)摘要:為了提高圖像消噪的質(zhì)量,采用云模型編碼算法。首先通過正態(tài)云發(fā)生器產(chǎn)生云滴;接著正云滴映射為圖像中大于平均灰度的像素,負云滴映射為圖像中小于平均灰度的像素,不同云滴的編碼則表示不同的像素的灰度特征;然后根據(jù)編碼規(guī)則將圖像子塊分為平滑塊和非平滑塊,平滑塊區(qū)域保持其增強質(zhì)量;最后給出了基于云模型編碼算法的圖像消噪模型和算法流程。實驗仿真顯示該文算法對圖像消噪效果最好,能以較大概

2、率找到全局最優(yōu)解。關(guān)鍵詞:云滴;編碼;灰度中圖分類號:TP393文獻標(biāo)識碼:A文章編號:2095.302X(2014)04—0643—05ImageDenoisingBasedonCloudModelCodeLiDan,WangHongtao(HenanUniversityofAnimalHusbandryandEconomy,ZhengzhouHenan450044,China)Abstract:Thepresentedcloudmodelalgorithmisusedtoimprovethequalityofdenoisedimage.Firstly,thenorm

3、alcloudgeneratorisusedtoproduceclouddroplet.Secondly,thepositiveclouddropletismappedtothepixelsthatgrayscaleisbiggerthantheaveragegrayscaleofimage,thenegativeclouddropletismappedtothepixelsthatgrayscaleissmallerthantheaveragegrayscaleofimage,anddiferentcodeisrepresentedbygrayfeatureofdif

4、erentpixe1.Thirdly,theruleofcodeisdividedintoflatandnonflatblocks,andtheflatblockareaismaintainedqualityleve1.Finally,theprocessingofimagemosaicisdescribed.Theexperimentresultsshowthatthismechanismiseficientandcanfindtheglobaloptimalsolutionwithhighprobability.Keywords:clouddroplet;code;

5、grayscale人類傳遞的信息有80%是視覺信息,因此,圖方法的共同特質(zhì)是實現(xiàn)簡單,但是消噪效果差J。像信息是傳遞信息的重要媒體和手段。但是圖像獲后來出現(xiàn)了人工智能算法,比如:遺傳算法、模擬取過程中,總會受到噪聲的污染使得圖像的質(zhì)量下退火算法、粒子群算法等,遺傳算法主要有局部搜降,而在一些場合總需要一些清晰度高的圖像,比索能力差和存在早熟等問題,使得需要較長時間才如突出圖像中目標(biāo)物體的某些特點、從數(shù)字圖像中能找到最優(yōu)解,且易陷入局部極值【4】;模擬退火算提取目標(biāo)物的特征參數(shù)等,這些都有利于對圖像中法具有較強的局部搜索能力,但把握搜索過程的總目標(biāo)的識別、跟蹤和理解【JJ

6、。體能力較差、運行效率低;粒子群算法在處理后期目前,在圖像消噪過程中采用的方法有:局部陷入數(shù)據(jù)坍塌[5]。對人工智能算法的改進,如適應(yīng)統(tǒng)計特性學(xué)、多尺度分析學(xué)、數(shù)學(xué)形態(tài)學(xué)等,這些度尺度變換,遺傳參數(shù)自適應(yīng)調(diào)整等,這些方法雖收稿日期:2013.10.29;定稿日期:2013.12.16項目基金:河南省政府重大專項資助項目(121100111000)作者簡介:李丹(1976_.,女,河南鄭州人,講師,本科。主要研究方向為計算機應(yīng)用。E-mail:lidan1976·@foxmail.com應(yīng)用與交流然可以提高算法的某些性能,卻不能解決收斂速度1為首位,負云滴以二進制0為首位

7、,正云滴映射和全局最優(yōu)之間的矛盾,同時單一機制的優(yōu)化算法為圖像中大于平均灰度的像素,負云滴映射為圖像很難實現(xiàn)全局優(yōu)化,且效率也較低。中小于平均灰度的像素,中間位為像素灰度值,末本文采用云模型編碼算法,首先通過正態(tài)云發(fā)位為決策變量,這樣不同云滴的編碼則表示不同的生器產(chǎn)生云滴;接著正云滴映射為圖像中大于平均像素的灰度特征?;叶鹊南袼兀撛频斡成錇閳D像中小于平均灰度的海明距離表示兩個云滴之間的距離,云滴維數(shù)像素,不同云滴的編碼則表示不同的像素的灰度特為含有決策變量的個數(shù)【8],如xg:i為云中的第i個征;然后根據(jù)編碼規(guī)則將圖像子塊分為平滑塊和非

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。