期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
针对多模态图像的自适应引导形态学设计 被引量:1
1
作者 孙梦迪 孙忠贵 +1 位作者 孔旭 韩红燕 《计算机应用》 CSCD 北大核心 2023年第2期560-566,共7页
针对传统数学形态学(TMM)细节保持能力较差,以及现有自适应改进方法数学性质丢失的问题,提出了一种针对多模态图像的自适应引导形态学(GAMM)。首先,通过考虑输入图像和引导图像的联合信息进行结构元素的构建,从而在一定程度上增强了相... 针对传统数学形态学(TMM)细节保持能力较差,以及现有自适应改进方法数学性质丢失的问题,提出了一种针对多模态图像的自适应引导形态学(GAMM)。首先,通过考虑输入图像和引导图像的联合信息进行结构元素的构建,从而在一定程度上增强了相应算子对噪声的鲁棒性;其次,借助3σ原则,使结构元素成员的选取能够自适应于图像内容;最后,利用稀疏矩阵的哈达玛积对结构元素施加一个对称性约束。理论证明和仿真实验均表明所提形态学的相应算子能够同时具备保序性和附益性等重要数学性质。在多模态图像上进行去噪实验,结果表明GAMM比TMM以及近年所提出的鲁棒自适应形态学(RAMM)在峰值信噪比(PSNR)上高出约2~3 dB;同时,主观视觉效果对比表明了GAMM在噪声去除、结构保持方面明显优于TMM和RAMM。 展开更多
关键词 自适应引导形态学 多模态图像 数学性质 鲁棒性 稀疏矩阵
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部