遗传算法的噪声干扰数字图像分类性能评价

针对现实中各种噪声干扰的数字图像识别分类的问题,提出了基于遗传算法优化的BP神经网络和支持向量机神经网络两种方案,先在无噪声干扰情况下建模,然后加入人工噪声模拟现实中的噪声干扰。结果表明,遗传算法优化后的支持向量机网络方案具备更好的抗噪声干扰能力,在噪声干扰数字图像分类中具有更高应用价值。     

基于噪声估计和三维DCT的CCD图像去噪

电荷耦合器件(CCD),作为数码相机的核心器件,在成像过程中会产生依赖于信号的噪声。文中提出了一种基于噪声估计和三维DCT的CCD图像降噪方法。该方法建立了一种新的噪声模型,并先准确估计CCD的噪声水平函数(NLF),然后对利用非局部思想搜索出来的相似块群,进行三维DCT,最后对高频系数做自适应阈值处理,从而达到降噪的目的。实验证明,该方法对CCD噪声图像具有很好的去噪效果,甚至可以媲美目前去噪效果最好的Non-localMeans(NLM)算法和BM3D算法。