排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
背景:MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的。
目的:根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声。
方法:实验从“变换域”的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建。
结果与结论:基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚。 相似文献
2.
3.
背景:MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的。目的:根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声。方法:实验从“变换域”的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建。结果与结论:基于小波先验的OSL算法比ML—EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚。 相似文献
4.
背景:MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的。
目的:根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声。
方法:实验从“变换域”的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建。
结果与结论:基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚。 相似文献
5.
背景:MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的.目的:根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声.方法:实验从“变换域"的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建.结果与结论:基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚. 相似文献
1