一种基于随机重排和无标签模型的隐式图像盲去噪方法.pdf
是立****92
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于随机重排和无标签模型的隐式图像盲去噪方法.pdf
本发明公开了一种基于随机重排和无标签模型的隐式图像盲去噪方法,包括以下步骤:首先,利用图像高频信号滤波器提取带噪图像的低频图像,接着用带噪图像减去低频图像以获取高频信号,并对高频信号进行预处理;其次,通过隐式噪声模型提取高频信号生成同类型的噪声信号,利用生成的的噪声信号构建带噪图像数据;最后,将带噪图像数据训练基于神经网络盲去噪模型,利用训练好的基于神经网络盲去噪模型对图像进行去噪处理。
基于轮廓波域块隐马尔可夫模型SAR图像去噪方法.pdf
本发明公开了一种基于轮廓波域块隐马尔可夫模型SAR图像去噪方法,它涉及图像处理领域,主要解决现有方法缺少空间适应性,细节信息丢失严重,边缘模糊的问题。其步骤为:(1)对数变换和Contourlet分解;(2)对Contourlet系数进行BlockHMM建模并训练;(3)利用估计参数对Contourlet系数进行校正;(4)对校正后的Contourlet数依次进行Contourlet逆变换和反对数变换,得到一次去噪图像;(5)对差值图像进行去噪,得到二次去噪图像;(6)对两次去噪图像进行融合,
一种基于隐马尔科夫模型的步态去噪方法.pdf
本发明公开了一种基于隐马尔科夫模型的步态去噪方法,包含以下步骤:1)对步态轮廓高度进行归一化处理;2)对步态序列长度进行归一化处理;3)建立步态集合概率分布序列;4)初始化隐马尔可夫模型;5)估计混淆矩阵B;6)估计转移矩阵A;7)对步态进行后验估计;8)在步态后验估计的基础上进行步态回归。本发明建立步态轮廓概率分布,并将其看作步态的先验概率,使用隐马尔科夫模型的解码算法,找出每个步态图像所对应的步态先验概率,进而得到步态的后验估计,有效的去除了背包、大衣、肢体等缺失引入的步态噪声,有助于显著提高步态识别
基于盲噪声估计的高光谱图像去噪方法.pdf
基于盲噪声估计的高光谱图像去噪方法,包括将ICVL数据集分为训练数据集和测试数据集两个数据集(干净图像);将训练数据集和测试数据集的图像加上噪声得到噪声图像;将样本训练集的噪声图像送入噪声估计子网络中得到噪声水平估计;再将噪声图像和噪声水平一起输入去噪子网络得到去噪后的干净图像;将训练后的网络用于测试数据集进行测试从而得到去噪后的干净高光谱图像。本发明是由噪声估计子网络和去噪子网络两部分构成,使用噪声估计子网络可以实现图像盲去噪。噪声估计子网络模块使用了多尺度特征融合,能够发挥不同尺度的优势更好地提取噪声
一种基于增强Transformer的图像盲去噪方法及系统.pdf
本发明公开了一种基于增强Transformer的图像盲去噪方法及系统,采用动态卷积层与增强Transformer模块相结合,自适应地对多个模块通过加权的方式进行特征融合;引入动态卷积层,在不增加额外的网络深度和宽度的情况下,自适应调整参数,极大提升模型的表达能力;在Transformer模块内部加入残差学习操作,解决Transformer模块难训练的问题,更有效地提取全局特征和语义信息,提升去噪效果;采用残差学习操作,分别融合由卷积层、动态卷积层、增强Transformer模块获得的层次特征,传递网络各层