排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
为提高重构图像的质量,针对二维变分模态分解( 2D-VMD: Two Dimensional Variational Mode Decomposition) 算法需确定分解尺度K 值和有效固有模态分量的问题,提出了将2D-VMD 结合相关系数( CC: Correlation Coefficient) 的联合算法,并用于图像重构。该方法首先利用2D-VMD 将图像信号分解为不同中心频率的子模态,然后计算分解后的固有模态函数( IMF: Intrinsic Mode Function) 与原始图像函数的CC 值,根据CC 准则确定有效的固有模态分量,最后利用有效的固有模态分量进行重构,实现了图像去噪。仿真结果表明,2D-VMD 和CC 结合可以准确得到分解尺度K 和有效的子模态,具有很高的图像重构精度,提高了图像质量。 相似文献
2.
忆阻神经网络能有效改善传统神经网络电路复杂、不易集成以及能耗大等不足。概述了忆阻器与忆阻神经网络,以及目前忆阻神经网络在图像处理方面的应用。基于忆阻特性,实现神经网络突触的动态可变,使忆阻神经网络比传统神经网络在图像处理领域具备更多优势且应用范围更广。同时,展望了忆阻神经网络未来发展前景。 相似文献
3.
提出了数字水印在彩色图像中的空间域方法．在灰度图像中的数字水印中，空间域方法只能用在LSB（最低有效位）的局限性，同时，实验表明对常规攻击具有较好的识别能力。 相似文献
4.
为解决传统脉冲耦合神经网络的参数不固定问题,在图像处理中应用忆阻元件突出的记忆属性,提出了
应用两个忆阻元器件反向并联模拟脉冲神经网络中的神经元间的连接强度,构建新型忆阻脉冲神经网络,实现
神经元间连接强度动态可变化,再将该新型网络用于图像去噪问题。通过Matlab 仿真实验,验证了改进后的
新型网络在图像去噪方面的良好性能,并通过峰值信噪比和图像相似度指标证明了该方法用于图像去噪具有
较好的效果。 相似文献
5.
针对滑模控制中不确定上界值的问题,提出一种神经网络上界自适应学习的动态滑模控制方法。该方法将系统中不确定及干扰部分分离出来,构造不确定量的联合上界,然后分两步进行分析。当上界已知时,采用动态滑模方法设计滑模控制器;上界未知时,采用神经网络自适应学习不确定项的上界,设计了权值调整规则及动态神经滑模控制器。该控制器不仅可以保证非线性不确定系统渐近稳定,降低一般滑模控制理论分析的条件,还有效地抑制了抖振。仿真实例表明,该控制方法是正确有效的。 相似文献
1