基于加權空間離群點度量的隨機脈沖噪聲降噪算法
大小：0.87 MB 人氣： 2017-12-11 需要積分：2
針對排序統計類降噪算法在隨機脈沖噪聲（ RVIN）圖像降噪過程中，對圖像邊緣和細節部分噪聲識別不夠準確以及恢復比較模糊的問題，提出了基于加權空間離群點度量（ SLOM）的脈沖噪聲降噪算法WSLOM-EPR。該算法以優化的空間距離差為基礎，引入圖像鄰域均值和標準差，建立反映局部邊緣細節特征的噪聲檢測方法，提高邊緣細節處噪聲的識別精度；然后以精確檢測結果為基礎，優化保邊正則（EPR）函數，提高算法的執行效率，并增強算法保留邊緣細節的能力。仿真結果顯示，WSLOM-EPR算法在40%到60%噪聲密度下對噪聲點的誤檢和漏檢綜合表現優于對比算法，且能在兩者之間保持一個較好的平衡；降噪后的峰值信噪比（ PSNR）好于對比算法中的大多數情況，且邊緣細節在視覺上更加清晰連續。結果表明WSLOM-EPR算法提高了噪聲檢測精度，有效地保持了恢復圖像的邊緣細節信息。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%