导读:本文包含了噪声去除论文开题报告文献综述及选题提纲参考文献，主要关键词:卷积神经网络,子网络,图像结构,卷积层
噪声去除论文文献综述
王岩,何兰,李琦,宋运娜,佡思维[1]（2019）在《混合卷积神经网络图像噪声去除》一文中研究指出本文针对基于图像分解理论基础上,将DnCNN模型和RED-Net网络结构综合起来,利用DnCNN估计噪声图像的纹理部分,并利用RED-Net估计噪声图像的卡通部分,提出混合CNN医学图像斑点噪声去除模型,此模型对恢复图像中的细节部分以及光滑图像噪声方面是较好的解决方案。在图像噪声去除领域起到较好的作用。如付诸现实将产生较好的经济效益。(本文来源于《中国科技信息》期刊2019年21期）
王浩然,周强[2]（2019）在《基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法》一文中研究指出针对红外热像仪读出电路的偏置电压存在非均匀性,造成红外图像出现条纹噪声的问题,提出了基于全变分模型和高斯曲率滤波结合的去噪算法。在分析红外条纹噪声成因并研究其特性的基础上,首先对含噪图像采用全变分模型进行去噪处理;然后确定复原图像出现阶梯效应的区域,将其对应的噪声图像中的区域看作可展曲面,采用高斯曲率滤波处理;最后将全变分模型和高斯曲率滤波的处理结果综合输出。实验结果表明,所提算法能够去除红外图像中的条纹噪声,并且能够克服全变分去噪后复原图像出现阶梯效应的问题。(本文来源于《激光杂志》期刊2019年10期）
李嘉,张阳[3]（2019）在《基于小波分析的去除心电图信号中高频噪声算法研究》一文中研究指出通过分析心电图(ECG)信号的噪声来源,采用了小波分析作为ECG去噪方案,并对相关理论和算法进行了阐述。(本文来源于《科技与创新》期刊2019年19期）
孙中皋,王巧玲,王新军,王欣月[4]（2019）在《方差稳定变换下曲波域MR图像莱斯噪声去除算法》一文中研究指出磁共振图像往往含有莱斯噪声,不同于加性高斯噪声,莱斯噪声的分布与图像的数据相关,使其更为难以去除.已有方法表明,方差稳定变换可以将莱斯噪声分布变换为方差稳定的高斯分布.利用该特性,结合曲波变换这一新的多尺度变换理论,提出一种磁共振图像莱斯噪声去除算法.算法分别采用了硬阈值和贝叶斯软阈值两种曲波域去噪方法,并针对这两种方法对曲波域低频系数层未做有效去噪的缺陷,提出对低频系数层进行软阈值去噪的改进.实验结果表明,改进算法在峰值信噪比和平均结构相似度的评价上均有较大提高,证明该算法在去除莱斯噪声及保护图像信息上的有效性.(本文来源于《辽宁师范大学学报(自然科学版)》期刊2019年03期）
徐智,唐刚,刘伟,李钟晓[5]（2019）在《基于变分模态分解参数优化的地震随机噪声去除方法》一文中研究指出为解决变分模态分解在地震数据去噪中依赖人工经验,模态分解和去噪效果具有一定随机性和偶然性的问题,提出基于频域奇异值分解信噪比估计的参数优化方法。该方法在参数范围内以较高的估计信噪比为评价参数对模态分量数目与有效模态进行选取,自适应寻找去噪最有效的参数,从而避免主观选取参数的随机性,改善去噪效果。仿真模型实验表明:估计信噪比与真实信噪比的误差为正相关关系,能够有效反映地震数据中噪声程度,所估计信噪比可以作为去噪效果的评价参数。通过仿真模型和实际地震数据对方法进行验证,结果表明基于估计信噪比参数优化后的变分模态分解方法能够有效压制噪声、凸显同相轴信息。(本文来源于《北京化工大学学报(自然科学版)》期刊2019年05期）
王昶,张永生,王旭,纪松[6]（2019）在《遥感影像条带噪声去除的小波变分法》一文中研究指出为了避免条带噪声去除过程中丢失影像细节,提出一种基于小波变分法去除遥感影像条带噪声。首先,对含有条带噪声的遥感影像进行小波分解;其次,通过构建的条带保留变分模型(SPVM)去除低层高频分量(含条带噪声)中的细节信息而保留条带噪声,从而有效分离出低层高频分量(含条带噪声)中的细节信息;通过构建的条带去除变分模型(DVM)去除高层高频分量(含条带噪声)中的条带噪声,从而有效地保留高层高频分量(含条带噪声)中的细节信息;最后,通过小波重构,获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节,去噪后的影像对比度及质量都是最优的。(本文来源于《测绘学报》期刊2019年08期）
黄威,贲放,吴珊,孙思源,廖桂香[7]（2019）在《正交多项式法在航空电磁运动噪声去除中的应用》一文中研究指出时间域航空电磁测量数据中常伴有表现出低频特性的运动噪声,其幅值远大于航空电磁探测系统的磁场强度,因此能否正确、高效地对其进行去除成为了时间域航空电磁数据预处理的关键问题。经过研究,本文采用正交多项式拟合方法对时间域航空电磁数据中的运动噪声进行去除。对数据中每个半周期时间序列利用正交多项式进行拟合,从而作差达到去除数据中运动噪声的目的。通过对理论数据和实测数据运动噪声去除的效果可以看出,正交多项式拟合方法可以有效的去除运动噪声,同时提升了航空电磁实测数据质量,提高了数据的信噪比。(本文来源于《物探与化探》期刊2019年04期）
王满利,田子建,桂伟峰,吴君[8]（2019）在《基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法》一文中研究指出为提高矿井混合噪声图像的可观测性,提出了基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法.使用局部高斯曲率优化混合噪声图像,抑制椒盐噪声对噪声分布的影响,使混合噪声分布近似为高斯噪声分布.使用非下采样剪切波变换分解高斯曲率优化图像,实施自适应硬阈值收缩降噪,去除混合噪声中的高斯噪声成分.最后,迭代使用局部高斯曲率优化和非下采样剪切波变换降噪去除残余噪声,直至输出图像梯度能量满足停止条件.实验表明,本文算法能够有效地去除高斯噪声和椒盐噪声构成的高密度混合噪声,且有效抑制了剪切波变换降噪引起的伪吉布斯现象,有效地降低了矿井图像的噪声.(本文来源于《光子学报》期刊2019年09期）
张福旺,苑会娟[9]（2019）在《基于深度残差网络的图像混合噪声去除》一文中研究指出深度卷积神经网络的提出引发了图像处理算法的一系列突破。但是,使用更深入的网络并不总是有帮助,训练它们的巨大障碍是逐渐消失的梯度、大量增长的参数和过长的时间。本文提出了一种基于深度残差网络的图像混合噪声去除算法。通过全局残差学习与局部残差学习,有效地解决了梯度消失与网络参数的增长,提升了模型对图像特征的选择与提取能力,减少了训练时间。实验结果表明,深度残差网络在图像混合噪声去除中效果显着,本文提出的算法得到的去噪图像更好地恢复图像的原始结构,信息丰富,对比度高,鲁棒性强,并且可以更好地保持图像的细节。(本文来源于《红外技术》期刊2019年07期）
李伟伟[10]（2019）在《非局部的可切换滤波图像椒盐噪声去除方法》一文中研究指出针对图像被高强度椒盐噪声污染的问题,提出一种可切换的非局部去噪算法.首先将噪声图像切割为若干局部块作为算法的基本处理单位,设计块的预修复过程,以避免由于高噪声污染对局部块的干扰,保证相似度度量和模型估计过程的准确性;其次,在非局部范围内构造非局部滤波器,度量相似度并计算修复权值以进行噪声修复,得到全方位的图像去噪效果.实验结果表明,该算法较传统局部信息构建滤波器的方法,无论对低污染程度的图像,还是高污染程度的图像,在效果和图像衡量指标上均有一定的提升.(本文来源于《吉林大学学报(理学版)》期刊2019年04期）
噪声去除论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对红外热像仪读出电路的偏置电压存在非均匀性,造成红外图像出现条纹噪声的问题,提出了基于全变分模型和高斯曲率滤波结合的去噪算法。在分析红外条纹噪声成因并研究其特性的基础上,首先对含噪图像采用全变分模型进行去噪处理;然后确定复原图像出现阶梯效应的区域,将其对应的噪声图像中的区域看作可展曲面,采用高斯曲率滤波处理;最后将全变分模型和高斯曲率滤波的处理结果综合输出。实验结果表明,所提算法能够去除红外图像中的条纹噪声,并且能够克服全变分去噪后复原图像出现阶梯效应的问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
噪声去除论文参考文献
[1].王岩,何兰,李琦,宋运娜,佡思维.混合卷积神经网络图像噪声去除[J].中国科技信息.2019
[2].王浩然,周强.基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法[J].激光杂志.2019
[3].李嘉,张阳.基于小波分析的去除心电图信号中高频噪声算法研究[J].科技与创新.2019
[4].孙中皋,王巧玲,王新军,王欣月.方差稳定变换下曲波域MR图像莱斯噪声去除算法[J].辽宁师范大学学报(自然科学版).2019
[5].徐智,唐刚,刘伟,李钟晓.基于变分模态分解参数优化的地震随机噪声去除方法[J].北京化工大学学报(自然科学版).2019
[6].王昶,张永生,王旭,纪松.遥感影像条带噪声去除的小波变分法[J].测绘学报.2019
[7].黄威,贲放,吴珊,孙思源,廖桂香.正交多项式法在航空电磁运动噪声去除中的应用[J].物探与化探.2019
[8].王满利,田子建,桂伟峰,吴君.基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法[J].光子学报.2019
[9].张福旺,苑会娟.基于深度残差网络的图像混合噪声去除[J].红外技术.2019
[10].李伟伟.非局部的可切换滤波图像椒盐噪声去除方法[J].吉林大学学报(理学版).2019