基于L2范数的高斯混合模型空域去噪方法

来源 :探测与控制学报 | 被引量 : 0次 | 上传用户:xuefeng96ew
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对图像像素间相似性衡量不准确而导致去噪性能下降的问题,提出了基于L2范数的高斯混合模型空域去噪方法。该方法将像素点周围像素的局部灰度信息的统计特性建模为高斯混合模型,结合高斯混合模型间的L2范数和像素位置的空间距离来定义像素点之间的相似性权值,以提高像素间相似性的度量的精确度。实验结果表明,利用高斯混合模型可更加准确地衡量像素间的相似性,同时,该去噪方法可提高图像的去噪效果,并能较好地保留图像的细节信息。
其他文献
针对雷达对快速目标或突发目标捕获困难的问题,提出了弹载GPS/BD数据引导雷达的数据处理方法。该方法首先对遥测地面站接收到的GPS/BD数据进行实时解算、坐标转换;然后利用数据有效性判读准则对数据进行实时判定,获得有效的引导数据;最后利用网络将引导数据实时发送至雷达,实现对弹道雷达的导引。试验验证表明,该方法以及数据处理算法可以稳定可靠地引导雷达完成测试任务,有效地提高测试的可靠性和靶场的测试能力
采集可压缩信号时,单像素相机的测量矩阵和稀疏变换基共同构成重构矩阵。针对0-1循环测量矩阵,尽管利于编程和硬件实现,但相应重构矩阵重构能力很差的问题,对比分析了基于0-1随机矩阵和0-1循环矩阵的重构矩阵,及其优化前后的重构效果,并给出相应的理论分析和比较评估。该理论分析和比较评估为单像素相机测量矩阵的选型和设计提供了方向指导,利于设计制造出性能更优的单像素相机。实验表明,对于可压缩信号,单像素相
针对目前单阶段目标检测算法中存在的误检、漏检以及检测精度不够高等问题,提出一种基于单阶段网络模型的目标检测改进算法。该算法使用深度残差网络对基础网络进行替换,提取更优秀的特征;增加一层用于检测小目标的底层特征图;结合反卷积和特征融合的方法,对提取出的高层特征图与底层特征图进行融合,使新的特征图中包含更丰富的上下文信息;设计更密集的检测框且在每层卷积层后都添加批规范化操作以提升模型训练速度,防止过拟