典型文献
监督性机器学习算法在图像去噪中的应用
文献摘要：
原有图像处理方法的收缩维度过大,在图像切割过程中难以平衡到各个噪点位置,导致在图像去噪过程中丢失图像原始信息,需要反复对比去噪后的图像与原始图像,增加图像的去噪时间.深度学习在处理实际问题中发挥了巨大作用,可以通过各种智能技术手段,对信息图像进行处理,从而帮助人们更好地观察事物,采取较为正确的行动,研究监督性机器学习算法在图像去噪中的应用方法.在多点位设置图像噪点分隔节点的基础上,采用监督性机器学习算法,构建图像的噪点提取模型,聚类理论筛选噪点完成图像去噪,完成监督性机器学习算法在图像去噪中的应用方法设计.实验结果表明:以动物图像为测试对象,分别将其内部包含的噪点含量进行检测,采用原始方法和该文方法进行对比,能够得到与原始图像相一致的结果,并在图像不失真的前提下,能够将图像的去噪时间控制在1.26s之内,而原始方法平均需要21.32s和16.24s,说明该文方法能够提高去噪效率,具有实际应用效果.
文献关键词：
监督性;机器学习算法;图像去噪;原始图像
中图分类号：
作者姓名：
刘婷;闵慧;刘金花
作者机构：
湖南信息职业技术学院,湖南长沙410200
文献出处：
引用格式：
[1]刘婷;闵慧;刘金花-.监督性机器学习算法在图像去噪中的应用)[J].电脑知识与技术,2022(16):81-83
A类：
B类：
监督性,机器学习算法,图像去噪,割过,噪点,原始图像,加图,巨大作用,信息图,助人,应用方法,分隔,建图,提取模型,成图,方法设计,相一致,不失,失真,时间控制,26s,32s,24s,实际应用效果
AB值：
0.297494
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。
