圖像去噪技術(shù)研究背景及方法-免費(fèi)閱讀
【正文】 實(shí)驗(yàn)結(jié)果表明，使用該算法去噪后的圖像在主觀視覺(jué)效果和客觀質(zhì)量方面均優(yōu)于傳統(tǒng)的去噪方法。多尺度幾何分析是一個(gè)嶄新的領(lǐng)域，正在不斷地發(fā)展中，在國(guó)外也是剛起步不久 ； 國(guó)內(nèi)的許多學(xué)者也意識(shí)到了該領(lǐng)域的廣闊前景，積極投身于這場(chǎng)變革中。Contourlet 變換的最終結(jié)果是用類似于線段 (Contour Segement)的基結(jié)構(gòu)來(lái)逼近原圖像，這也是其之所以被稱之為 Contourlet 變換的原因。 2020 年， Starck、 Candes 和 Donoho 提出了基于頻域子帶濾波和離散局部Ridgelet 變換的 Curvelet 變換，并將其用于圖像去噪，取得了令人滿意的效果。 Pelnnec 和 Mallat 還給出了緒論 Bandelet 變換的最優(yōu)基快速尋找算法，初步實(shí)驗(yàn)結(jié)果表明，與普通 的波變換相比， Bandelet 在去噪和壓縮方面體現(xiàn)出了一定的優(yōu)勢(shì)和潛力。 圖像的多尺度幾何分析是一個(gè)十分前沿的研究領(lǐng)域，理論和算法都還在不斷地發(fā)展中，現(xiàn)階段其應(yīng)用主要集中在圖像去噪、圖像編碼和圖像檢索等領(lǐng)域。 3 多尺度 表示方法 多尺度圖像表示方法 。因此可以通過(guò)設(shè)定合適的閾值，將絕對(duì)值小于閾值的小波系數(shù)置零，而保留絕對(duì)值大于閾值的小波系數(shù)。日前，人們提出的多尺度兒何分析方法 主 要有 ：自適應(yīng)主要包括 Pennec和 Mallat提出的 Bandelet變換 [10] ( 2020年 ) ， Donoho 和 Huo 提出的 Beamlet[11] ，還有 Velisavljevic 等人提出的Directionglet[12]； 非自適應(yīng)主要包括 Meyer 和 Coifman 提出的 Brushlet[13]， Candes和 Donoh 提出的脊波變換 (Ridgelet transform )[14， 15]（ 1998 年 )，還有 Candes 和Dohono 構(gòu)造的 Curvelet[16， 17]以及 Do 和 Vetterli 提出的 Contourlets 變換 [18， 19] ( 2020 年 )等等。小波變換是 Fourier 變換、 Gabo 變換和短時(shí) Fourier 變換等在數(shù)學(xué)上的一個(gè)自然延伸。圖像空間域去噪方法是在原始圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算，對(duì)像素的灰度值進(jìn) 行處理。本系統(tǒng)指紋識(shí)別模塊采用美國(guó) Digital Persona公司的 ， 它的誤識(shí)率 (False Aaccept Rate)可以低至 ％ ， 具有較高的可靠性。本文介紹的考勤管理系統(tǒng)引入了指紋識(shí)別技術(shù)，采 用 Client/Server結(jié)構(gòu)，它克服了卡類考勤系統(tǒng)的諸多缺陷，具有極大的通用性。小波變換作為一種新穎的數(shù)學(xué)工具 ， 由于其多尺度、多分辨率的固有特性 ， 使它在圖像處理領(lǐng)域 ， 表現(xiàn)出以下優(yōu)點(diǎn) ： 小波變換的完善重構(gòu)能力 ， 保證了信號(hào)在分解過(guò)程中沒(méi)有任何信息損失 ， 也不會(huì)產(chǎn)生任何冗余信息 ； 小波變換把圖像分解成逼近圖像和細(xì)節(jié)圖像之和 ，它們分別代表了圖像的不同結(jié)構(gòu) ， 因此 ， 原始圖像的結(jié)構(gòu)信息和細(xì)節(jié)信息很容易被提取 ； 二維小波分解為圖像的分析提供了方向 選擇性。它的產(chǎn)生符合人類視覺(jué)皮層對(duì)圖像的 有效表示的要求 ：局部 性、 方向性和多尺度性 [9]。因?yàn)樵谀撤N意義上，它提供了這類信號(hào)的最優(yōu)表示方法。 在指紋圖像去噪中，特別考慮減小各種元器件帶來(lái)的噪聲，主要包括了高斯白噪聲和交沿噪聲，其中交沿噪聲對(duì)指紋圖像影響較為突出。圖像去噪技術(shù)研究背景及方法 1背景 21 世紀(jì)是信息化的時(shí)代，信息的形式不再是單純的語(yǔ)音，而是發(fā)展到包括數(shù)據(jù)、文字、圖像、視頻等在內(nèi)的多媒體形式。 傅立葉分析揭示了時(shí)域與頻域之間的內(nèi)在聯(lián)系，反應(yīng)了信號(hào)在“整個(gè)”時(shí)間范圍內(nèi)的“全部 ”頻譜成分，是研究周期現(xiàn)象不可或缺的工具。遺憾的是，自然圖像并不是一維分段連續(xù)信號(hào)的簡(jiǎn)單疊加。如果小波的興起能用革命二字來(lái)比擬的話，那么， 度幾何分析這場(chǎng)新的浪潮無(wú)疑又將掀起另一場(chǎng)革命，這場(chǎng)新革命 同樣也將深刻地影響各學(xué)科領(lǐng)域，其深度、廣度，甚至將超過(guò)小波分析 。 基于以上分析 ， 本文著重進(jìn)行了基于 多尺度 變換的指紋圖像的 去噪 研究。自 1999年開(kāi)始研制以來(lái)，已在幾十家單位使用，用戶反映良好。 2 圖像去噪
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1