检索结果

Select

1. 基于图像分割的非局部均值去噪算法

徐苏, 周颖玥

计算机应用 2017, 37 (7): 2078-2083. DOI: 10.11772/j.issn.1001-9081.2017.07.2078

摘要（824）

PDF （1066KB）（523）

针对传统非局部均值（NLM）算法的滤波参数非自适应及去噪后边缘易模糊的缺点，提出一种基于图像分割的非局部均值去噪算法。该算法分为两个阶段：第一阶段根据噪声大小及图像纹理自适应确定滤波参数的值，并采用传统非局部均值算法得到去噪结果图；第二阶段根据像素点方差的不同，将该去噪结果图分为细节区域和背景区域，再对属于不同区域的图像块分别去噪，同时为了更有效地去除噪声，还采用了反向投影的方式，充分利用了第一阶段方法噪声中残留的结构信息。实验结果表明，与传统非局部均值算法及其三种改进算法相比，所提算法的峰值信噪比（PSNR）及结构相似性（SSIM）更高，纹理细节和边缘结构更完整，图像更清晰，本真信息保留更完整。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于类属属性约简的多标记学习

徐苏平, 杨习贝, 祁云嵩

计算机应用 2015, 35 (11): 3218-3221. DOI: 10.11772/j.issn.1001-9081.2015.11.3218

摘要（430）

PDF （696KB）（784）

在多标记学习中,由于不同的标记可能会带有自身的一些特性,所以目前已经出现了基于标记类属属性的多标记学习算法LIFT.然而,类属属性的构建可能会增加属性向量的维度,致使属性空间存在冗余信息.为此,借助模糊粗糙集提出了一种能够进行类属属性约简的多标记学习算法FRS-LIFT,其包含4个步骤:类属属性构建、属性维度约简、分类模型训练和未知样本预测.在5个多标记数据集上的实验结果表明,该算法与LIFT算法相比,不仅能够降低类属属性维数,而且在5种多标记评价指标上均具有较好的实验效果.

参考文献 | 相关文章 | 多维度评价

Select

3. 一种新型均值滤波器及在压力分布中的应用

刘世法周旭孙怡宁徐苏祁鹏祥

计算机应用 2009, 29 (06): 1728-1747.

摘要（1021）

PDF （629KB）（1018）

提出了一种加入时间窗的时空自适应窗体中心加权的中值均值滤波算法,在自适应的时空滤波窗体内采用中心加权的中值选取并结合加权均值算法滤除压力分布中混合噪声。实验证明：该方法对于受椒盐噪声、高斯噪声污染比较严重的压力分布数据有较好的滤波效果,与小波、维纳滤波等其他线性滤波算法相比计算量要小得多。