-
题名一种改进的随机脉冲噪声去除方法
被引量：5
- 1
-
-
作者
张军鹏
刘克轩
赵燕
-
机构
西北工业大学理学院应用数学系
-
出处
《西南民族大学学报（自然科学版）》
CAS
2006年第2期312-315,共4页
-
文摘
引入灰度变化率的概念,并据此提出了一种去除随机脉冲噪声的改进算法,将其用于噪声点的检测,简化了最大-最小值方法中的噪声检测过程.本文方法保留了最大-最小值方法去除随机脉冲噪声的优点,且检测算法简单,去噪快速有效.
-
关键词
图像去噪
随机脉冲噪声
中值滤波
灰度变化率
-
Keywords
image denoising
random impulsive noise
median filter
variance rate of gray level
-
分类号
TB535
[理学—物理]
-
-
题名电力系统强噪声测量数据快速鲁棒回归平滑降噪
被引量：1
- 2
-
-
作者
靳宗帅
张恒旭
-
机构
电网智能化调度与控制教育部重点实验室(山东大学)
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2023年第3期169-176,共8页
-
基金
国家自然科学基金资助项目(52107109)
山东省自然科学基金资助项目(ZR2021QE145)。
-
文摘
针对电力系统测量数据受噪声污染严重的问题,提出一种快速鲁棒回归平滑降噪方法。首先,通过局部回归平滑过程实现背景噪声降噪;然后,根据全局平滑残差自适应检测离群数据;最后,针对离群数据进行鲁棒回归平滑过程降噪并滑动修复离群数据造成的局部平滑畸变。所述方法实现了全局快速回归平滑、随机脉冲噪声自适应检测、局部平滑畸变快速修复,极大降低了计算复杂性。仿真分析与实测数据分析结果表明,相比传统鲁棒局部回归平滑方法,所提方法不仅保持了良好的背景噪声与高强度随机脉冲噪声降噪能力,还能够有效辨识扰动阶跃突变引起的伪脉冲噪声,提升降噪过程的扰动响应信息保留能力,计算效率优势明显。
-
关键词
电力系统
测量数据
背景噪声
随机脉冲噪声
鲁棒回归平滑
-
Keywords
power system
measurement data
background noise
random impulsive noise
robust regression smoothing
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名双通道四元数卷积网络去噪方法
被引量：1
- 3
-
-
作者
曹义亲
饶哲初
朱志亮
万穗
-
机构
华东交通大学软件学院
中国科学院软件研究所计算机科学国家重点实验室
重庆交通大学交通运输学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第6期1359-1372,共14页
-
基金
国家自然科学基金(61861016)
江西省青年科学基金项目(20202BABL212006)
+2 种基金
中国博士后科学基金(2020M680697)
江西省教育厅科学技术研究项目(GJJ190359)
计算机科学国家重点实验室开放课题基金(SYSKF2102)。
-
文摘
基于深度学习的彩色图像去噪方法通常是在各个通道进行卷积操作后再进行合并得到最后的卷积结果。这种方式没有充分考虑色彩通道之间的光谱相关性,可能导致去噪结果的失真。四元数卷积将彩色像素当作一个整体来进行处理,可以很好地解决这一问题。但是单一的四元数卷积网络不能较好地还原图像细节信息。针对这一问题,提出一种用于去除彩色随机脉冲噪声的双通道四元数卷积网络(DQNet)。该网络首先基于结构通道和色彩通道融合的策略,采用基于扩张卷积的结构细节还原模块提取结构和边缘特征,采用四元数卷积网络提取色彩特征;然后针对卷积运算会导致部分全局信息丢失的问题,通过长线连接将含有丰富全局特征的输入噪声图像与卷积结果进行融合,设计基于注意力机制的特征增强模块来指导网络提取复杂背景中的潜在噪声特征;最后利用残差学习实现彩色随机脉冲噪声的复原。实验结果表明,所提算法具有较好的去噪性能,在中度噪声污染或高度噪声污染的情况下去噪效果更为突出。
-
关键词
图像去噪
深度学习
随机脉冲噪声
四元数卷积
双通道
-
Keywords
image denoising
deep learning
random impulsive noise
quaternion convolution
dual-channel
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名加权密集扩张卷积网络的随机脉冲噪声去除
- 4
-
-
作者
曹义亲
符杨逸
饶哲初
-
机构
华东交通大学软件学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第18期179-189,共11页
-
基金
国家自然科学基金(61861016)
江西省科技支撑计划重点项目(20161BBE50081)。
-
文摘
基于深度学习的图像去噪方法,大多没有充分利用不同层次的特征信息,通道合并时都是直接在通道维度上对特征图进行拼接,并没有考虑到浅层与深层卷积特征各自的重要性。为解决上述问题,提出一种加权密集扩张卷积连接网络模型,用于去除图像的随机脉冲噪声。通过使用不同扩张因子的扩张卷积来丰富浅层特征图的多尺度特征信息;考虑到浅层与深层卷积特征各自的重要性,将原始密集块进行改进,采用加权密集连接结构,并使用扩张卷积提高感受野;采用跳跃连接,将浅层的多尺度特征信息和不同加权密集扩张卷积块的特征信息进行融合,充分利用深层卷积特征和浅层卷积特征信息实现随机脉冲噪声的复原。实验结果表明,所提模型的去噪效果更加突出。
-
关键词
图像去噪
深度学习
密集连接
扩张卷积
权重
随机脉冲噪声
-
Keywords
image denoising
deep learning
dense connection
dilated convolution
weight
random impulsive noise
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于模糊推理的彩色图像噪音消除算法
- 5
-
-
作者
朱亚兴
钟灵
余爱民
-
机构
广东科学技术职业学院计算机工程技术学院
广东工业大学自动化学院
-
出处
《计算机工程与应用》
CSCD
2012年第15期177-180,共4页
-
基金
国家-广东联合基金重点项目(No.U0735003)
广东省自然科学基金(No.8151064007000004
+1 种基金
No.10151064007000000
No.07006387)
-
文摘
为有效消除彩色图像在采集和传输过程中出现的随机脉冲噪音,提出了一种基于模糊推理的矢量中值滤波算法。该算法通过设计的模糊规则判断当前滤波窗口对应是否为细节区域,采用不同参数的经典矢量中值滤波进行处理。若未被判断为噪音时,原滤波窗口中心像素会保留。通过与目前常见的各类矢量滤波算法进行比较,该算法在图像细节的保留上有较好效果。
-
关键词
矢量滤波
随机脉冲噪音
彩色图像
-
Keywords
vector median filter
random impulsive noise
color image
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
