|
搜索
搜 索
高等教育領域數(shù)字化綜合服務平臺
一種基于魯棒低秩張量的高光譜圖像去噪方法
本發(fā)明提出了一種基于魯棒低秩張量的高光譜圖像去噪方法，包括建立高光譜圖像噪聲的數(shù)學模型， 構造高光譜圖像魯棒低秩張量（RLRTR）去噪模型，求解 RLRTR 去噪優(yōu)化模型。本發(fā)明充分利用高光 譜圖像（HSI）的先驗知識，高光譜圖像被不同的噪聲污染，如高斯噪聲、脈沖噪聲、死像素和條帶噪 聲等。利用干凈的高光譜圖像數(shù)據(jù)具有潛在的低秩張量特性以及異常和非高斯噪聲具有稀疏性的特性， 同時分別采用核范數(shù)和 l2,1 范數(shù)來表征低秩和稀疏特性；本發(fā)明的技術
武漢大學
2021-04-14
一種基于改進二維經(jīng)驗模態(tài)分解算法的圖像去噪方法
本發(fā)明公開了一種基于改進二維經(jīng)驗模態(tài)分解算法的圖像去噪方法,首先，將待去噪圖像經(jīng)傳統(tǒng)BEMD算法進行自適應分解得到各階IMF后，對各個IMF的概率密度函數(shù)與待去噪圖像概率密度函數(shù)之間的相似性進行測量，其次，根據(jù)相似性測量值區(qū)分出噪聲主導模態(tài)函數(shù)與信號主導模態(tài)函數(shù)的邊界索引值,然后，使用小波去噪算法對噪聲主導模態(tài)函數(shù)進行降噪處理得到實際的圖像噪聲，接著，重構出與原圖像具有相同信噪比的多幅圖像后對其累加求平均、實現(xiàn)將噪聲壓縮到低階IMF中，最后，使用BEMD?DT對該平均圖像進行去噪處理。通過本發(fā)明方法對圖像進行去噪，取得效果均好于小波降噪以及傳統(tǒng)BEMD等降噪方法的去噪效果。
東南大學
2021-04-11
大規(guī)模 MIMO FDD 系統(tǒng)中基于信漏噪比的兩階段預編碼方法
本發(fā)明公開了一種大規(guī)模 MIMO-FDD 系統(tǒng)中基于信漏噪比 (SLNR)的兩階段預編碼方法。對每組用戶的第一階段預編碼設計的運 算復雜度低，且本發(fā)明的 SLNR 兩階段預編碼方法的總速率性能優(yōu)于 Junyoung-Nam 等人提出的 JSDM 預編碼方法。此外，本發(fā)明的方法基 于每組用戶的 SLNR 進行預編碼設計，不會造成信道狀態(tài)信息損失， 即使相鄰兩組用戶的發(fā)送信號與基站的到達角有重疊時，也不會影響 SLNR 兩階段預編碼的性能。
華中科技大學
2021-04-11
一種基于 3D 協(xié)同濾波與低秩矩陣重建的視頻去噪方法及系統(tǒng)
本發(fā)明提出了一種基于 3D 協(xié)同濾波與低秩矩陣重建的視頻去噪系統(tǒng)及方法，本發(fā)明首先對含噪視頻進 行 3D 協(xié)同濾波預處理，得到基礎估計然后對基礎估計再進行低秩矩陣重建來進行進一步的去噪，來得到最 終估計；本發(fā)明主要應用于視頻去噪中，特別是應用于基于 3D 協(xié)同濾波與低秩矩陣重建的視頻去噪；同時 本發(fā)明所提出去噪方法也適用于圖像的去噪，對于較大分辨率的圖像、視頻源也具有良好的去噪效果；此外， 本發(fā)明不僅對單純的高斯噪聲具有良好的去噪效果，同時對含
武漢大學
2021-04-14