典型文献
基于密度聚类与灰度变换的NSST域声呐图像去噪
文献摘要：
传统图像去噪方法在去除声呐图像斑点噪声的同时,难以有效保留细节特征.针对该问题,提出一种基于密度聚类与灰度变换的非下采样剪切波域图像去噪方法.利用非下采样剪切波变换将含噪图像分解为高频系数和低频系数,根据声呐图像中斑点噪声的分布特性,采用基于密度的噪声应用空间聚类(Density-based Spatial Clustering of Applications with Noise,DBSCAN)算法对高频系数进行处理,分离噪声信号,保留细节信息;对低频系数进行灰度变换,以增强图像对比度.通过非下采样剪切波逆变换对处理后的高频系数和低频系数进行重构,实现图像去噪.实验结果表明,本文方法在改善图像均方误差、峰值信噪比和结构相似度等指标上效果明显,去噪后图像的视觉效果和边缘保持能力得到较大提升.随着噪声方差的逐渐增大,本文方法的优越性得到进一步体现,适用于具有高密度噪声的声呐图像去噪.
文献关键词：
图像去噪;斑点;聚类算法;非下采样剪切波变换;灰度变换
中图分类号：
作者姓名：
刘光宇;曾志勇;曹禹;赵恩铭;邢传玺
作者机构：
大理大学工程学院,云南大理671003;哈尔滨工程大学物理与光电工程学院,黑龙江哈尔滨150001;云南民族大学电气信息工程学院,云南昆明650031
文献出处：
引用格式：
[1]刘光宇;曾志勇;曹禹;赵恩铭;邢传玺-.基于密度聚类与灰度变换的NSST域声呐图像去噪)[J].湖南大学学报（自然科学版）,2022(08):186-195
A类：
B类：
密度聚类,灰度变换,NSST,声呐图像,图像去噪方法,斑点噪声,细节特征,非下采样剪切波变换,图像分解,高频系数,低频系数,分布特性,基于密度的噪声应用空间聚类,Density,Spatial,Clustering,Applications,Noise,DBSCAN,噪声信号,细节信息,增强图像,对比度,逆变换,均方误差,峰值信噪比,结构相似度,后图,视觉效果,边缘保持,聚类算法
AB值：
0.275668
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
