作者:
原文服务方: 计算技术与自动化       
摘要:
噪声的存在会影响对图像中有用信息的提取。针对经验模态分解(Empirical Mode Decomposition, EMD)方法噪声抑制后图像质量下降的问题,提出了一种基于EMD-CLEAN的图像去噪方法。首先利用EMD对含噪图像进行分析,将其自动分解为一系列本征模函数(Intrinsic Mode Function, IMF),然后利用信息熵差值自动确定高频含噪IMF的数量,并利用CLEAN算法对高频含噪IMF进行噪声抑制,最后将低频IMF与噪声抑制后的高频IMF叠加获得重构图像。采用仿真数据的实验结果表明,所提方法能够有效抑制噪声分量,同时较好地保留图像中的细节信息,具有一定的应用前景。
推荐文章
图像去噪方法探析
图像
噪声
去噪方法
反变换
基于小波变换的图像去噪方法研究
图像去噪
小波阀值萎缩法
混合模型
中值滤波
基于Matlab的几种图像去噪方法研究
图像去噪
邻域平均法
中值滤波
维纳滤波
小波变换
基于RTF的高光谱图像去噪方法
高光谱去噪
回归树场
代价函数
光谱和空间上下文信息
过平滑
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 基于EMD-CLEAN的图像去噪方法
来源期刊 计算技术与自动化 学科
关键词 图像去噪 经验模态分解 信息熵 CLEAN算法
年,卷(期) 2022,(1) 所属期刊栏目 图形图像技术
研究方向 页码范围 112-116
页数 4页 分类号 TM615
字数 语种 中文
DOI 10.16339/j.cnki.jsjsyzdh.202201020
五维指标
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
图像去噪
经验模态分解
信息熵
CLEAN算法
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
计算技术与自动化
季刊
1003-6199
43-1138/TP
16开
1982-01-01
chi
出版文献量(篇)
2979
总下载数(次)
0
总被引数(次)
14675
论文1v1指导