排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
在Demons算法的基础上, 将扩散过程看作图像配准, 建立一种新的基于图像配准的Demons 去噪模型. 实验表明, 该模型去噪效果优于经典的Perona-Malik模型, 排除了模型的病态性. 考虑到新模型在图像去噪过程中仅靠梯度信息表示图像的局部特征还不完善, 故将水平集曲率作为控制图像结构的驱动力因素引入到此模型中, 提出了一种新的梯度和曲率双重驱动力的图像去噪模型. 分析和仿真结果表明, 两种新模型都可有效抑制噪声, 清晰度也有明显的提高, 其中双重驱动力的图像去噪模型去噪效果更具优越性. 相似文献
2.
在图像处理过程中, 为了在图像去噪时更好地保留图像边缘细节信息, 首先结合扩散系数和曲率的性质建立了一个曲率平滑模型. 考虑到图像受到噪声污染时曲率会发生显著变化, 将图像的水平集曲率作为一个检测因子代入到上述模型中, 提出了一个梯度与曲率相结合的新模型. 分析与仿真结果表明, 该模型与Perona-Malik模型相比较保留了更多的图像信息, 有效地增强了图像尖锐的边缘, 同时很好地保持了图像的直线和曲线边缘、角点、斜坡和小尺度特征, 是一个理想的模型. 相似文献
3.
在图像处理过程中, 为了在图像去噪时更好地保留图像的角点、尖峰和窄边缘, 利用重调和方程的应力平衡性及其高阶偏导数的局部极大值, 构建新算子, 建立重调和扩散模型. 考虑到若图像中的噪声很强, 则会在处理后的图像上留下一些孤立的斑点, 且图像的纹理是在较大范围上具有的统计特性, 而新建模型只能保留局部细节, 图像大范围上的信息没有得到很好保留, 故对上述新建模型做进一步改进, 采用小波变换提取图像的高频部分, 对这部分运用应力平衡性构建新算子, 从局部上较稳定地控制图像的细节信息, 建立波域重调和扩散模型. 分析与仿真结果表明, 该模型与Perona-Mailik模型相比较保留了更多的图像信息, 有效地增强了图像的边缘, 同时很好地保持了图像的角点、尖峰、和窄边缘, 是一个理想的模型. 相似文献
4.
研究了Eu3和Bi3+共掺锗酸镓锶粉体的合成、结构及其光谱性能.结果表明,合成粉体为纯三方相结构,掺杂没有引起新相生成,表明部分无序结构为掺杂离子提供更大的包容空间,从而实现激活离子的高浓度掺杂.高温固相合成的粉体在蓝绿光区域(570~700 nm)具有丰富的发射峰,其主峰位于618 nm,是Eu3处于非对称中心格位产生的特征峰,由此说明Eu3+取代Sr2+的位置;当Eu3+的掺杂浓度为15mol;时,在618 nm处发光强度达到最大.掺Bi3+明显增强了Eu3+的发光,是一种有效的敏化剂;当Bi3+掺杂量为5mol;时,Eu3+的相对发光强度同比提高了51.3;. 相似文献
1