-
题名基于噪声模型变换的子光斑质心提取方法
被引量：2
- 1
-
-
作者
陈春璐
赵旺
赵孟孟
王帅
赵晨思
杨康建
-
机构
中国科学院自适应光学重点实验室
中国科学院光电技术研究所
中国科学院大学
-
出处
《光学学报》
EI
CAS
CSCD
北大核心
2023年第3期103-113,共11页
-
基金
国家自然科学基金(61805251,61875203,11704382,62105336)
中国科学院青年创新促进会优秀会员项目(2017429)。
-
文摘
受天光背景、大气湍流强度、信标光回光特性和探测器噪声等因素影响,夏克哈特曼波前传感器子孔径光斑常存在强度分布不均匀和低信噪比的情况,故子孔径内光斑质心定位不准且波前探测精度下降。提出了一种基于噪声模型变换的子孔径光斑质心提取方法,采用方差稳定变换(VST)将探测引入的泊松高斯噪声转换为高斯噪声,进一步基于残差反馈优化BM3D策略实现低信噪比子孔径图像的高效去噪。结果显示:所提方法可有效提取低信噪比夏克哈特曼波前传感器光斑阵列图像中的光斑信号数据,提高了子孔径光斑的质心定位精度和稳定性;相比于传统自适应阈值法等方法,所提方法在子光斑图像峰值信噪比低于6时,可以提升波前复原精度2倍以上。
-
关键词
测量
自适应光学
质心提取
方差稳定变换
改进去噪算法
波前复原
-
Keywords
measurement
adaptive optics
centroid extraction
variancestabilizing transformation
improved denoising algorithm
wavefront restoration
-
分类号
O436.2
[机械工程—光学工程]
-
-
题名基于L1范数和自适应全变差的椒盐噪声图像去噪
被引量：3
- 2
-
-
作者
何明
-
机构
重庆工业职业技术学院建筑工程与艺术设计学院
-
出处
《西南师范大学学报（自然科学版）》
CAS
2021年第5期115-120,共6页
-
基金
重庆市社会科学规划项目(2017YBYS108)
重庆工业职业技术学院校级重点项目(GZY201709-2B).
-
文摘
针对经典全变差模型在进行椒盐去噪时不能有效保留图像边缘信息的问题,提出一种基于L1范数和自适应全变差正则化的椒盐噪声图像去噪方法.该方法在全变差和图像去噪模型的基础上构建了显式椒盐去噪模型,利用噪声像素的平均值计算自适应正则化参数,并有效保留图像边缘信息,使用原始对偶梯度算法求解显示模型,使所求得的数值解更加接近原始图像.实验结果表明:与其他方法相比,本文方法在PSNR和SSIM方面均优于对比的方法,可以有效去除高密度椒盐噪声.
-
关键词
椒盐噪声
自适应图像去噪
原始对偶梯度
全变差正则化
图像复原
-
Keywords
salt and pepper noise
adaptive image denoising
primal dual gradient
total variation regularization
image restoration
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于局部坐标二次微分的自适应全变分去噪复原
被引量：3
- 3
-
-
作者
郭永彩
彭兰辉
高潮
-
机构
重庆大学光电工程学院光电技术及系统教育部重点实验室
-
出处
《光电工程》
CAS
CSCD
北大核心
2012年第8期10-17,共8页
-
基金
教育部博士点基金(20090191110026)
-
文摘
针对传统TV去噪复原算法以梯度模值作为图像的边缘检测算子,无法清晰地识别边缘和灰度渐变区及去除平坦区内的孤立噪声的问题,提出了一种基于局部坐标二次微分的边缘检测算子对传统模型进行改进。改进后的模型能根据各像素点的新检测算子信息,自适应选取复原模型中决定扩散强弱的参数,并且利用图像局部信息对正则化项和保真项进行加权。同时在数值实现上,采用一种基于梯度矢量的方向变化的方法来实现散度离散化,以更加有效地保留图像的局部细节信息。数值试验表明,该算法在克服灰度渐变区内的阶梯效应和保留图像的细节边缘方面明显优于传统算法。
-
关键词
全变分
阶梯效应
局部坐标
自适应去噪复原
-
Keywords
total variation
staircase effect
local coordinate
adaptive denoising and restoration
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应的图像组合降噪
被引量：1
- 4
-
-
作者
周登文
申晓留
-
机构
华北电力大学计算机科学与技术系
-
出处
《中国图象图形学报》
CSCD
北大核心
2008年第2期219-224,共6页
-
文摘
BayesShrink是小波收缩降噪最好的算法之一,而WienerChop方法则是利用小波域维纳滤波改进了VisuShrink算法。为了更好地滤除噪声,研究了WienerChop组合BayesShrink进行降噪的方法。实验表明,该组合算法优于WienerChop和BayesShrink算法,其可产生更低的均方误差和更高的信噪比。它不仅综合了WienerChop和BayesShrink两种算法的优点,而且改善了WienerChop算法的过光滑和BayesShrink算法残留较多噪声的问题,同时可获得视觉上更为愉悦的降噪图像。
-
关键词
自适应
图像降噪
图像恢复
小波
-
Keywords
adaptive method, image denoising, image restoration, wavelet thresholding
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN911.73
[自动化与计算机技术—计算机科学与技术]
-
