基于自适应分数阶各向异性扩散的图像增强模型研究
Journal of Hubei MinZu University（Natural Sciences Edition）（2022）
摘要
传统的分数阶各向异性扩散模型在噪声去除和保持纹理细节方面有较好的效果,但是在实验过程中很难确定分数阶正则化的阶数使得模型的去噪效果最好.为解决这一问题,本文提出自适应分数阶各向异性扩散模型.将图像的梯度、信息熵和方差进行线性组合以确定阶数,并利用Fourier变换和梯度下降法对模型进行求解.实验结果表明,所改进的模型不仅实现了分数阶变分正则化阶数的自适应性,而且能够有效地去除噪声,最大程度上保留图像的纹理结构.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要