基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种结合噪声分布先验知识的稀疏表示混合去噪算法.该算法通过自适应中值滤波器进行初始化来分析噪声分布先验,对稀疏编码中的原子进行自适应加权.然后以当前原子集的极值为基准调整选取阈值,对稀疏编码中的原子进行选择淘汰.本算法避免了传统混合去噪算法的两相检测策略,时间复杂度显著降低.实验表明本算法在峰值信噪比PSNR和去噪效率上都有明显优势.
推荐文章
一种基于稀疏表示的图像去噪算法
图像去噪
稀疏表示
小波变换
脊波变换
基于字典学习的图像稀疏去噪算法
稀疏字典
K-SVD算法
字典学习
稀疏去噪
自适应SAR图像噪声识别和去噪算法研究
图像去噪
图像能量熵
小波分解
噪声曲面
BP神经网络
图像去噪的新型自适应混合滤波算法
混合噪声
改进自适应中值滤波器
改进自适应均值滤波器
计算机仿真
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 噪声先验自适应加权的稀疏表示混合去噪算法
来源期刊 计算机工程与科学 学科 工学
关键词 混合去噪 稀疏表示 自适应中值滤波 原子加权
年,卷(期) 2015,(10) 所属期刊栏目 图形与图像
研究方向 页码范围 1917-1923
页数 7页 分类号 TP391.4
字数 7634字 语种 中文
DOI 10.3969/j.issn.1007-130X.2015.10.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张建明 长沙理工大学综合交通运输大数据智能处理湖南省重点实验室 25 87 6.0 7.0
2 吴宏林 长沙理工大学综合交通运输大数据智能处理湖南省重点实验室 17 60 5.0 6.0
3 李沛 长沙理工大学计算机与通信工程学院 3 8 2.0 2.0
4 黄倩倩 长沙理工大学计算机与通信工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
混合去噪
稀疏表示
自适应中值滤波
原子加权
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导