基于fpga的macro運(yùn)動(dòng)控制網(wǎng)絡(luò)的研究及實(shí)現(xiàn)畢業(yè)論文(文件)
【正文】 0 l o g1 ( , ) ( , )MNijP S N Rf i j f i jMN???????? ???????? ?????? (41) 基于離散 Curvelet 變換的去噪效果分析 32,32,64,1 個(gè)方向，實(shí)驗(yàn) 結(jié)果如下 : （注：若圖與 上文 靠的很近的，則在此處空一行，設(shè)為 段前、段 后 均 0 行，固定值 10 磅） (a)原始圖像 (b)含噪圖像 圖 41 “ boat”圖像 Curvelet 去噪 從圖 41中可以看出，噪聲基本被消 除，帽子上羽毛文理和頭發(fā)的邊緣、嘴唇的輪廓也比較清晰，較好地保留 了圖像的邊緣信息 ，信噪比 爺 得到大大地提高 ， 這 就 使得 如何克 服這種“環(huán)繞”效應(yīng) (即劃痕 )是圖像去噪領(lǐng)域中一個(gè)非常具有研究意義的問(wèn)題，也是一個(gè)難題 ，因此在已有方法的基礎(chǔ)上改善這種現(xiàn)象成為一種必然的趨勢(shì)。 一、 彩色圖像 去噪 實(shí)驗(yàn)： 說(shuō)明：圖 43中原圖 (a)中葉子后面的背景是虛化的，這是相機(jī)本身的一種功能 。 TV 方法的時(shí)間、空間步長(zhǎng)分別為 ? ， 1h? ，迭代次數(shù)的選取以峰值信噪比值 (PSNR)最優(yōu)為準(zhǔn)。表 42為本文算法與 TV 方法的計(jì)算時(shí)間比較。 長(zhǎng)春 師范 大學(xué) 本科畢業(yè) 論文 12 第五章 結(jié) 論 本文主要研究了圖像去噪問(wèn)題，它是數(shù)字圖像處理中的一個(gè)重要的分支 。 長(zhǎng)春 師范 大學(xué) 本科畢業(yè) 論文 13 致 謝 在論文的最后，要感謝給予我支持的老師，家人以及同學(xué)。 衷心地感謝所有關(guān)心和幫助過(guò)我的老師，家人和同學(xué)們！ 注： “ 致謝 ” 二字之間空二格 。 所有被引用文獻(xiàn)均要列 入?yún)⒖嘉墨I(xiàn)表中，詳細(xì)要求及格式請(qǐng)參考《文后參考文獻(xiàn)著錄規(guī)則》（ GB /T 771420xx）。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。 作 者 簽 名： 年 月 日 指導(dǎo)教師簽名： 年 月 日 。 作 者 簽 名： 年 月 日 長(zhǎng)春師范大學(xué)本科畢業(yè)論文（設(shè)計(jì)）版權(quán)使用授權(quán)書 本 論文 （設(shè)計(jì)） 作者及指導(dǎo)教師完全了解“ 長(zhǎng)春師范大學(xué)本科畢業(yè)論文（設(shè)計(jì)） 版權(quán)使用規(guī)定”，同意 長(zhǎng)春師范大學(xué) 保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交 論文 （設(shè)計(jì)） 的復(fù)印件和電子版，允許論文 被查閱和借閱。 長(zhǎng)春 師范 大學(xué) 本科畢業(yè) 論文 15 長(zhǎng)春 師范 大學(xué) 本科畢業(yè) 論文 16 長(zhǎng)春師范大學(xué)本科畢業(yè)論文（設(shè)計(jì)）原創(chuàng)性聲明 本人鄭重聲明：所呈交的本科畢業(yè) 論文 （設(shè)計(jì)） ，《 xxxXX論文題目 XXXXXXXXXXXXXXXXXXXXXXXXX》是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。 英文參考文獻(xiàn)使用 Times New Roman 字體 。 老師在生活和學(xué)習(xí)中給予了我很多幫助，這些都將 令我終生難忘和感激 ！ 同時(shí)要感謝教研室的同學(xué) ，在 幾年的學(xué)習(xí)和生活中，他們所給予我的大力支持和幫助，使得 我對(duì)生活和學(xué)習(xí)充滿了信心，同時(shí)在他們身上學(xué)習(xí)到了很多優(yōu)秀的品質(zhì)，我想這些在我步入社會(huì)以后 都會(huì)對(duì)我有很大的幫助。 （ 2）系統(tǒng)地介紹了 Curvelet 變換與偏微分方程圖像去噪基本理論， 對(duì)已有的經(jīng)典偏微分去噪模型進(jìn)行了介紹通過(guò)實(shí)驗(yàn)進(jìn)行仿真分析 這兩種方法從本質(zhì)上結(jié)合起來(lái) 以達(dá)到更廣泛的應(yīng)用是未來(lái)的一個(gè)研究方向。 小結(jié) 我們?cè)诘诙潞偷谌乱呀?jīng) 分別對(duì) Curvelet變換去噪與 TV去噪原理進(jìn)行了深入研通過(guò)十幾次的迭代便可消除。 圖 47 為在噪聲方差 ? =25 時(shí)，各種去噪算法的去噪效果圖。 該算法中， TV 方法是在 Curvelet 變換的基礎(chǔ)上進(jìn)行的，只需很少次的迭代便能達(dá) 仿真實(shí)驗(yàn) 及 結(jié)果 分析 選取 大小為 256? 256 的 兩組 圖像作為仿真對(duì)象，觀測(cè)噪聲選用零均值的高斯白噪聲。 TV 模型不僅適用于灰度圖像的去噪，同時(shí)也適用于彩的時(shí)間、空間步長(zhǎng)分別 取 ? ， 1h? 。在實(shí)際運(yùn)用中，以上方法受到 了一種基于雙變量描述的高效算法。當(dāng) (a) 小波對(duì)邊緣的描述 (b) Curvelet 對(duì)邊緣的描述 長(zhǎng)春 師范 大學(xué) 本科畢業(yè) 論文 7 ? ? 1gu??時(shí)，為線性熱擴(kuò)散方程，即各向同性擴(kuò)散，對(duì)整個(gè)圖像進(jìn)行相同程度的平 處理領(lǐng)域，用于圖像去噪時(shí)，它以一種分片演化的方式對(duì)圖像進(jìn)行平滑，在一定程度上改善了這種“塊”狀效應(yīng)。 基于 Curvelet變換的圖像去噪 理論 步驟來(lái)實(shí)現(xiàn)： (1) 首先對(duì)圖像進(jìn)行預(yù)處理； (2) 對(duì)圖像進(jìn)行 Curvelet 變換得到各自帶上的 Curvelet 系數(shù)； (3) 對(duì)每個(gè)子帶上的 Curvelet 系數(shù)進(jìn)行閾值處理 ； 小結(jié) 本章系統(tǒng)地介紹了 Curvelet 變換理論的發(fā)展，分析了第二代 Curvelet 變換較之第我們將在第四章通過(guò)實(shí)驗(yàn)對(duì)它的優(yōu)缺點(diǎn)進(jìn)行分析，為改進(jìn)算法的提出奠定 理論 基 礎(chǔ)。 (a) 小波對(duì)邊緣的描述 (b) Curvelet 對(duì)邊緣的描述 圖 21 小波與 Curvelet 對(duì)物體邊緣的描述 分塊 （ a） Curvelet 變換分解過(guò)程 （ b） Curvelet 變換重過(guò) 圖 22 第一代 Curvelet 變換的分解與重構(gòu) 長(zhǎng)春 師范 大學(xué) 本科畢業(yè) 論文 5 連續(xù) Curvelet 變換 ? ?,j l k x? 為 Curvelet函數(shù) ， 用 j ， l ， k 分別表示尺度，方向，位置參量，? ?22f L R? 表示二維圖像 信號(hào) ,從 而 Curvelet變換的 表示 形式如下 ： ? ? ? ? ? ?2, , , , , , j l k j l kRc j l k f f x x d x???? ? (21) 離散 Curvelet 變換 變換系數(shù)可以表示為 ? ?12,f t t 與數(shù)字曲線波 ,Djlk? 的內(nèi)積： ? ? ? ? ? ?121 2 , , 1 20, , , ,DD j l kt t nc j l k f t t t t???? ? (29) Curvelet 方法通過(guò)在頻域的各個(gè)子帶執(zhí)行有效的拋物尺度規(guī)則來(lái)更好地捕捉圖像的曲線邊緣信息 。 即： 文字 靠的很近的，則在此處加一空行：設(shè)為 段前、段后 均 0行，固定值 10 磅 XX 靠的很近的，則在此處加一空行：設(shè)為 段前、段后 均 0行，固定值 10 磅 ，則在此處設(shè)為 段前、段后 均 0行，固定值 10磅 ，設(shè)為 段前、段后 均 0行、 固定值 10 磅） 腳 注：注意 腳注的
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1