共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
一种新的文本图像二值化方法 总被引:13,自引:1,他引:12
文章针对常用文本二值化方法 Ostu算法与 Bernsen算法所存在的缺点 ,在图像局部特性基础上 ,结合图像的整体特性提出了一种整体与局部相结合的图像二值化算法 ,该算法对由于光线不均等噪声影响的图像具有良好的适应性。实验证明了该算法的有效性 相似文献
3.
4.
5.
6.
针对传统硬阈值函数的不连续性和软阈值函数存在恒定偏差的不足,提出一种新的具有连续性、渐近性和灵活调节性的改进阈值函数。具体地,首先选取改进的固定阈值并经过实验选择合适的小波基,然后通过增加调节参数来降低阈值函数的恒定偏差,最后通过实验模拟验证了本文方法在图像相似性评价标准上去噪效果的优越性。 相似文献
7.
无氧阈的理论基础及其应用 总被引:1,自引:0,他引:1
陈俊民 《青海师范大学学报(自然科学版)》1990,(2)
本文论述了无氧阈理论的生理生化基础,并对无氧阈的测试方法,影响因素以及应用等方面作了较为详细的介绍. 相似文献
8.
在不均匀沙的起动风速研究中引进了床面阻力的概念,并进一步假定沙粒在起动过程中所受床面阻力与不均匀沙的平均抗剪强度成正比,从而依据床面上沙粒的力平衡条件,得到了一个不均匀沙的流体起动公式,本公式能够明显反映不均匀沙在起动中所表现出来的主要特征:起动风速随中值粒径的增加而增加;在均匀沙的粒径与不均匀沙的中值粒径相当的条件下,不均匀沙的起动风速较小.最后应用文献中所列各沙的起动风速实测值,对公式中的系数进行了确定.并计算出实测数据与理论数据之间的相关系数R=0.926,由此可见,公式的结构是比较合理的. 相似文献
9.
基于小波变换的信号去噪研究 总被引:11,自引:0,他引:11
基于小波变换对信号去噪进行了深入地分析和研究,结合去噪原理讨论和比较了实际应用中对小波基及阈值规则的合理选取问题。实验结果表明,利用该去噪方法能实现对各种信号的去噪,且效果比较明显。 相似文献
10.
采用双正交小波,利用VisuShrink阈值和BayesShrink阈值,分别通过硬阈值函数和软阈值函数对混入高斯白噪声的图像进行去噪实验.结果表明,硬VisuShrink阈值的降噪效果好于软VisuShrink阈值,软BayesShrink阈值的降噪效果好于硬BayesShrink阈值,并且BayesShrink阈值只有在软阈值函数下才能取得很好的降噪效果. 相似文献
11.
基于子带噪声的自适应小波阈值算法 总被引:2,自引:0,他引:2
该文提出了一种新的小波阈值的算法,它是在传统的Donoho阈值上的改进.传统的Donoho阈值没有考虑小波系数中不同的子带包含的噪声不同,均采用唯一的一个Donoho阈值对小波系数进行判别.这显然是不合适的.因此,作者提出了这种根据子带中的噪声自适应的调整小波阈值的算法,收到了比较满意的效果. 相似文献
12.
基于一种新型小波阈值函数的信号去噪 总被引:1,自引:0,他引:1
在小波硬阈值函数和软阈值函数的基础上,提出了一种新阈值函数.该函数综合了硬阈值函数和软阈值函数的特征,并且具有良好的数学特征.选择合适的参数,其可以适应不同的情况.采用局部阈值规则选择阈值,通过仿真实验,验证了新阈值函数对去除高斯噪声的有效性. 相似文献
13.
范建坤 《贵州师范大学学报(自然科学版)》2013,31(4):89-91
介绍了小波阈值去噪的原理,分析传统的软硬阈值函数的不足,对阈值函数的选取和阈值的估计进行了改进,提出了一种新的小波阈值去噪方法。实验结果表明,本算法明显提高了图像的峰值信噪比,即能较好的抑制噪声,又能很好的保留图像的特征和边缘信息。 相似文献
14.
图像分割的阈值法研究 总被引:22,自引:0,他引:22
杨晖 《辽宁大学学报(自然科学版)》2006,33(2):135-137
阐述了阈值分割法的基本原理,介绍了常用的阈值选取方法,并实现了全局阈值和动态阈值对图像的分割,给出了实验结果,分析了阐值法的特点,讨论了阈值法在图像分割中的应用。 相似文献
15.
16.
讨论了一种新的并行排序算法.基于前馈阈值神经网络结构,该排序模型利用O(mn ̄2)个神经元经6个时间步(6级前馈)即可完成排序,排序时间与排序规模无关 相似文献
17.
18.
由于无线网络的有限带宽和可变信道,使得无线网络业务的服务质量保证比有线网络更加困难.通过对无线网络业务超阈值数据采用方差分析法构造阈值v的偏差函数,为阈值选取提供一定的依据;通过对无线网络业务到达数据对阈值穿越强度的计算,验证了该方法在阈值选取方面的有效性.可以根据该阈值实现对无线网络业务的控制,提供更好的服务质量保证. 相似文献
19.
20.
为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法. 相似文献