导读:本文包含了去噪算法论文开题报告文献综述及选题提纲参考文献，主要关键词:随机共振,饱和非线性系统,图像去噪,灰度图像
去噪算法论文文献综述
殷学杰,马玉梅,潘振宽[1]（2019）在《基于饱和系统随机共振的图像去噪算法》一文中研究指出利用随机共振(SR)机制,在传输相关信号的非线性系统中加入噪声,在输出端信号可被增强。本文提出一种基于动态饱和非线性系统随机共振的图像去噪算法,首先将图像重采样为一维信号,并调节动态饱和非线性系统的参数,使之达到最优,使动态饱和非线性系统能够产生随机共振。相比一维随机共振,二维随机共振的图像复原效果更接近于原图,输出图像的直方图和峰值信噪比(PSNR),也明显优于一维随机共振。相比于传统滤波方法,饱和系统的去噪效果更好,同时对于噪声强度的变化具有较好的鲁棒性。(本文来源于《计算机与现代化》期刊2019年12期）
刘子铭[2]（2019）在《加权方向自适应全变分去噪算法》一文中研究指出本文提供了一种对含纹理方向特征的图像去噪算法,利用了图片的频率和方向角度的先验知识,将含噪图像用光谱框架方法分解为含大量噪声的高频图片和含少量噪声的低频图片,并对图像的高频图和低频图分别施加L1范数正则化和L2范数正则化;同时,由于结合了方向全变分,使得算法在去噪的同时有效的保护了图片的纹理信息,提高了算法的去噪能力。最后利用交替方向乘子法对算法求解并给出了算法的求解表达式。(本文来源于《电子技术与软件工程》期刊2019年23期）
谢斌,黄安,黄辉[3]（2019）在《本征图像分解的稀疏表示彩色图像去噪算法》一文中研究指出为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题,文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点,将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面,反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像,因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面,光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像,因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法,文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明,新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例,在噪声方差等于20时,新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7dB和0.67dB,SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节,在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。(本文来源于《液晶与显示》期刊2019年11期）
刘佩,贾建,陈莉,安影[4]（2019）在《基于快速自适应的二维经验模态分解的图像去噪算法》一文中研究指出为了能够对图像进行自适应的分解,并准确刻画分解系数的分布状态,提出了一种新的基于快速自适应二维经验模态分解的图像去噪算法。该算法首先对图像进行快速自适应二维经验模态分解,通过确定分解后以噪声主导的子带的个数,进一步利用正态逆高斯模型对以噪声主导的子带系数分布进行建模;然后使用贝叶斯最大后验概率估计理论从模型导出相应的阈值;最后采用最优线性插值阈值函数算法完成去噪。仿真结果表明,对于添加不同标准差大小高斯白噪声的测试图像,所提算法在峰值信噪比上相比sym4小波去噪、双变量阈值去噪、邻近算子的全变分算法和重迭组稀疏的全变分算法分别平均提高了4.36 dB,0.85 dB,0.78 dB和0.48 dB,结构相似性指数也有不同程度的提高,有效地保留了更多的图像细节。实验结果证明,所提算法在视觉性能和评价指标方面均优于对比算法。(本文来源于《计算机科学》期刊2019年11期）
李思桐,刘光前,葛唯益,纪建,苗启广[5]（2019）在《基于多级残差反馈的有限脊波变换图像去噪算法》一文中研究指出为了充分利用残差图像中的结构信息,提出了一种基于多级残差的有限脊波图像去噪算法,以提升有限脊波变换的去噪性能。为了增强和丰富去噪图像的边缘和纹理信息,提高去噪图像的视觉效果,该算法先对有限脊波去噪后的残差图像反复进行块匹配叁维滤波(BM3D)去噪和高斯滤波,从而获得图像的结构信息,再将其作为补偿图像反馈给去噪图像,并提出一种基于图像相关性的最优迭代停止准则。最后,通过多组仿真试验验证了该迭代停止准则和去噪算法的可行性和有效性。(本文来源于《指挥信息系统与技术》期刊2019年05期）
江盟,刘舟,余磊[6]（2019）在《低维流形约束下的事件相机去噪算法》一文中研究指出本文主要提出一个新的基于流形约束的事件相机去噪算法。事件相机是一类新型的视觉传感器,以高时间分辨率(微秒)感知场景亮度变化,同时输出具有像素位置、时间及极性的事件流。事件相机在传输亮度变化的同时受到噪声的干扰,带噪的事件流会对后续的应用造成不利的影响。为了解决该问题,本文假设事件分布在高维空间中的低维流形上,利用事件点间相似信息建立图模型以近似流形结构,结合图的流形平滑约束,实现事件流去噪。该算法首次将基于图的流形约束引入事件去噪问题中并且直接处理连续的事件序列。仿真实验和真实数据结果证明了事件去噪算法的有效性。(本文来源于《信号处理》期刊2019年10期）
李佳,丛犁,姜华,胡杨,黄成斌[7]（2019）在《基于矩阵恢复的无人机巡线系统中图像去噪算法》一文中研究指出随着电网的不断发展,电力通信网在整个电力系统中发挥着重要的支撑和保障作用。吉林省通信线路长期暴露在自然环境中,传统巡线方式效率低,近些年,无人机已应用在日常线路巡视工作中,但由于光照强度和大气湍流等影响,采集到的图像质量不能满足实际工作要求,采用矩阵恢复(matrix recovery)的图像去噪方法去除无人机采集图像中的噪声,通过观测图像矩阵的部分元素或者图像矩阵元素通过某种线性(非线性)运算去除噪声,该恢复算法提高了通信线路的检测精度、效率和可靠性,提升巡线效率和水平。(本文来源于《电力通信技术研究及应用》期刊2019-10-23）
罗媛媛,于林韬[8]（2019）在《基于时域特征的非局部块匹配去噪算法研究》一文中研究指出在传统的数字图像去噪算法中,大多数算法在单幅图像的基础上,根据噪声的统计特性模型来求取噪声特性的最优解,从而实现对噪声的去除。通过对噪声的形成原因和统计特性进行分析研究,从时域中提取有效的信息,结合噪声和图像纹理的特性提出了基于时域特征的非局部图像去噪算法。并通过仿真实验对算法进行了验证,实验的结果表明本文提出的算法在有效的去除了噪声的同时也很好的保留了图像的原始纹理细节。同目前已有的算法相比,所提算法去噪之后的图像可以呈现更好的主观质量。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年05期）
王雪,靳伍银[9]（2019）在《基于矩阵低秩稀疏分解的图像去噪算法》一文中研究指出为解决传统图像去噪方法存在的纹理失真、边缘模糊等问题,基于矩阵低秩稀疏分解理论,改进低秩矩阵恢复去噪时对于高斯噪声约束的不足,提出一种局部图像块正则的模型,采用非精确增广拉格朗日乘子法(IALM)对该模型进行求解。实验结果表明,与低秩矩阵恢复去除图像噪声相比,该算法对于高斯白噪声和脉冲噪声的混合噪声模型去噪效果更优。(本文来源于《计算机工程与设计》期刊2019年10期）
赵恩良,姜盈帆,孙丽华,曹康敏,金瑞巧[10]（2019）在《一种基于变窗口的图像去噪算法研究》一文中研究指出针对中值滤波在去除图像噪声时会造成图像边缘细节模糊的问题,提出了一种基于变窗口的图像去噪算法,首先,根据当前窗口的大小,取得所有像素值存放到排序器中,然后对排序器进行排序,取得像素的最小值、最大值和中值.然后测试当前取得的像素点是否在(min,max)之间,如果是,则为信号点不予处理.否则为可疑噪声点,扩大窗口的尺寸,用上述方法继续进行判断.使用Matlab软件进行数值实验,实验结果表明,利用本文算法对图像进行去噪,能有效避免图像中因纹理等细节的丢失而模糊,得到了相对清晰的图像,减少了噪声点误判,很好的保持了图像边缘细节,提高了峰值信噪比,是一种有效的图像去噪方法.(本文来源于《第十六届沈阳科学学术年会论文集（理工农医）》期刊2019-10-10）
去噪算法论文开题报告
（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：
本文提供了一种对含纹理方向特征的图像去噪算法,利用了图片的频率和方向角度的先验知识,将含噪图像用光谱框架方法分解为含大量噪声的高频图片和含少量噪声的低频图片,并对图像的高频图和低频图分别施加L1范数正则化和L2范数正则化;同时,由于结合了方向全变分,使得算法在去噪的同时有效的保护了图片的纹理信息,提高了算法的去噪能力。最后利用交替方向乘子法对算法求解并给出了算法的求解表达式。
（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。
去噪算法论文参考文献
[1].殷学杰,马玉梅,潘振宽.基于饱和系统随机共振的图像去噪算法[J].计算机与现代化.2019
[2].刘子铭.加权方向自适应全变分去噪算法[J].电子技术与软件工程.2019
[3].谢斌,黄安,黄辉.本征图像分解的稀疏表示彩色图像去噪算法[J].液晶与显示.2019
[4].刘佩,贾建,陈莉,安影.基于快速自适应的二维经验模态分解的图像去噪算法[J].计算机科学.2019
[5].李思桐,刘光前,葛唯益,纪建,苗启广.基于多级残差反馈的有限脊波变换图像去噪算法[J].指挥信息系统与技术.2019
[6].江盟,刘舟,余磊.低维流形约束下的事件相机去噪算法[J].信号处理.2019
[7].李佳,丛犁,姜华,胡杨,黄成斌.基于矩阵恢复的无人机巡线系统中图像去噪算法[C].电力通信技术研究及应用.2019
[8].罗媛媛,于林韬.基于时域特征的非局部块匹配去噪算法研究[J].长春理工大学学报(自然科学版).2019
[9].王雪,靳伍银.基于矩阵低秩稀疏分解的图像去噪算法[J].计算机工程与设计.2019
[10].赵恩良,姜盈帆,孙丽华,曹康敏,金瑞巧.一种基于变窗口的图像去噪算法研究[C].第十六届沈阳科学学术年会论文集（理工农医）.2019