• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種2D-VMD與NLM結(jié)合的芯片圖像去噪算法研究

    2021-06-30 14:43:00金旭榮李昊怡
    計(jì)算機(jī)測量與控制 2021年6期
    關(guān)鍵詞:像素點(diǎn)高斯分量

    樊 博, 金旭榮, 田 瑞,李昊怡

    (1.國網(wǎng)寧夏營銷服務(wù)中心(計(jì)量中心),銀川 750002;2.四川大學(xué) 電氣工程學(xué)院,成都 610065)

    0 引言

    隨著電力物聯(lián)網(wǎng)的蓬勃發(fā)展,智能電表作為其中重要的末端感知設(shè)備,其可靠性檢測受到越來越多的重視。而芯片型號(hào)識(shí)別是可靠性檢測的重要一環(huán),智能電表在其生產(chǎn)過程中,可能會(huì)出現(xiàn)芯片誤用、安裝位置錯(cuò)誤等問題[1]。目前,基于機(jī)器視覺的智能電表元器件檢測技術(shù)發(fā)展較快[2],它結(jié)合數(shù)字圖像處理技術(shù),能快速、準(zhǔn)確地檢測智能電表芯片型號(hào)。但原始的芯片圖像在采集過程中易受到各種噪聲影響,如高斯噪聲、白噪聲、顆粒噪聲等。這些噪聲會(huì)模糊芯片圖像的字符信息,從而增加智能電表的檢測難度。為了降低芯片圖像中夾雜的噪聲影響,最大程度地還原圖像信息,保留圖像的原始特征,去除無用信息,增強(qiáng)清晰度[3],需要對(duì)芯片圖像進(jìn)行去噪。

    目前芯片圖像去噪算法主要分為空間域去噪和變換域去噪[4],空間域去噪包括:中值濾波[5]、維納濾波[6]、非局部均值濾波(NLM, non-local mean)[7]等??臻g域?yàn)V波有著計(jì)算簡單和處理速度快的優(yōu)點(diǎn),但不能達(dá)到很好的去噪效果。變換域去噪包括基于小波變換的算法[8]、經(jīng)驗(yàn)?zāi)B(tài)分解[9]( EMD,empirical mode decomposition)和變分模態(tài)分解[10](VMD,variational mode decomposition)等。變換域?yàn)V波的去噪效果較為明顯,但去噪后的圖像容易丟失細(xì)節(jié),導(dǎo)致圖像的清晰度不高。

    近年來,變換域去噪算法在圖像處理領(lǐng)域得到了廣泛的應(yīng)用。Nunes[11]等人提出二維經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)圖像信號(hào)進(jìn)行處理,但該算法存在對(duì)噪聲較為敏感、缺乏堅(jiān)實(shí)的理論基礎(chǔ)及需要對(duì)插值進(jìn)行選擇等不足。為了克服上述的缺陷,Dragomiretskiy[12]等提出VMD的擴(kuò)展版本,即二維變分模態(tài)分解(2D-VMD)。2D-VMD是一種自適應(yīng)、非遞歸的分解算法,類似于一維變分模態(tài)分解,它能將二維圖像分解成多個(gè)具有不同中心頻率的固有模態(tài)函數(shù)(IMF,intrinsic mode function)。Dragomiretskiy等學(xué)者將2D-VMD應(yīng)用到霧霾圖像的去噪處理上,并根據(jù)原始圖像和重構(gòu)圖像的峰值信噪比(PSNR,peak signal-to-noise ratio)確定分解的模態(tài)個(gè)數(shù),但存在需要預(yù)設(shè)K取值范圍的問題。文獻(xiàn)[13]利用2D-VMD和中值濾波結(jié)合的算法對(duì)圖像進(jìn)行去噪處理,相比經(jīng)典的濾波算法,雖然PSNR值有了一定提升,取得較好的降噪效果,但需要人為設(shè)置模態(tài)個(gè)數(shù)K值,缺乏自適應(yīng)性。

    空間域?yàn)V波中的非局部均值濾波是近年來去噪效果較好的一種濾波算法,它利用圖像之間的相似性,通過加權(quán)平均的方式處理待濾波像素點(diǎn),能在去噪的同時(shí)保持圖像自身的結(jié)構(gòu)信息,非常適用于處理局部信息相似度較高的圖像。

    針對(duì)空間域?yàn)V波和變換域?yàn)V波的優(yōu)缺點(diǎn),結(jié)合芯片圖像局部信息相似度較高的特點(diǎn),本文將變換域中的2D-VMD算法和空間域中的NLM算法結(jié)合,提出一種應(yīng)用于智能電表芯片圖像的去噪算法。首先利用2D-VMD將含有噪聲的芯片圖像分解為多個(gè)不同的模態(tài)分量,根據(jù)中心頻率觀察法確定分解層數(shù)K,克服了人為設(shè)置K的缺點(diǎn);然后分別計(jì)算每個(gè)模態(tài)分量與原始圖像的SSIM,根據(jù)預(yù)設(shè)的SSIM閾值選擇有效的子模態(tài)進(jìn)行重構(gòu),去除噪聲項(xiàng);最后使用NLM濾波對(duì)重構(gòu)后的圖像進(jìn)行處理,達(dá)到二次去噪的效果,減少噪聲對(duì)芯片字符的干擾。

    1 二維變分模態(tài)分解

    類似一維VMD,2D-VMD可以將二維信號(hào)非遞歸、完全自適應(yīng)地分解為多個(gè)具有不同中心頻率的子模態(tài)。2D-VMD以分解模態(tài)的估計(jì)帶寬之和的最小值為優(yōu)化目標(biāo),對(duì)應(yīng)的二維約束變分模型可表達(dá)為:

    (1)

    式中,sk={s1,s2,…,sK}為分解后的K個(gè)模態(tài)分量(IMF),ωk={ω1,ω2,…,ωK}為對(duì)應(yīng)的中心頻率。

    在式(1)中引入二次懲罰函數(shù)和拉格朗日乘數(shù)將約束性變分問題轉(zhuǎn)換為非約束變分問題。式(1)的擴(kuò)展的拉格朗日表達(dá)式可表示為:

    (2)

    (3)

    通過Parseval傅里葉變換,將式(3)表示為:

    ?ω∈?k,?k={ω|[ω,ωk]}

    (4)

    (5)

    拉格朗日乘子λ,則更新表達(dá)式為:

    (6)

    然后對(duì)IMF進(jìn)行傅里葉逆變換并計(jì)算信號(hào)殘差。重復(fù)上述迭代過程,直到信號(hào)殘差值滿足式(7),輸出各個(gè)子模態(tài)。

    (7)

    芯片圖像的噪聲信息主要存在于高頻帶中,2D-VMD能夠有效分離原始圖像中的有效分量和高頻噪聲分量,將高頻成分濾波后,重構(gòu)回去就能夠得到達(dá)到抑制高頻噪聲的目的。

    2 非局部均值濾波

    非局部均值濾波算法是一種去噪效果較好的空間域?yàn)V波算法[14]。它以圖像中的某個(gè)待濾波像素點(diǎn)為中心,構(gòu)成一個(gè)局部區(qū)域,尋找圖像中與此局部區(qū)域相似的區(qū)域,根據(jù)這些區(qū)域內(nèi)像素點(diǎn)進(jìn)行加權(quán)平均達(dá)到濾除噪聲的效果。

    NLM濾波能充分利用圖像本身的相似性,通過計(jì)算相似的圖像塊與當(dāng)前噪聲所在圖像塊之間的相似度,進(jìn)而利用加權(quán)平均來恢復(fù)待濾波的像素點(diǎn)。而智能電表中的芯片圖像較為特殊,一般由背景和字符組成,這就導(dǎo)致芯片圖像中能利用的相似、冗余的信息較多,因此,利用非局部均值濾波對(duì)芯片圖像進(jìn)行處理的適用性較好,符合其濾波算法的相似性原理。恰當(dāng)?shù)睦眠@些信息可以有效的去除噪聲,選擇NLM濾波進(jìn)行二級(jí)濾波處理能取得較為突出去噪效果。

    3 2D-VMD與NLM級(jí)聯(lián)去噪

    2D-VMD與NLM級(jí)聯(lián)算法流程如圖1所示。該算法可分為兩步:1)一級(jí)濾波:首先輸入待濾波圖像,利用2D-VMD將原始圖像分解為多個(gè)子圖;然后根據(jù)中心頻率觀察法確定分解層數(shù)K;引入結(jié)構(gòu)相似性系數(shù)SSIM來衡量各個(gè)分解模態(tài)與原圖像的相關(guān)性,并根據(jù)文中所提出的閾值的設(shè)置方法,通過預(yù)設(shè)的閾值確定分解模態(tài)中的噪聲項(xiàng)并去除,如此將所有的模態(tài)計(jì)算過后,重構(gòu)剩下的有效分量,一級(jí)濾波結(jié)束;2)二級(jí)濾波:對(duì)重構(gòu)圖像進(jìn)行NLM濾波處理,進(jìn)一步去除重構(gòu)圖像的剩余噪聲。

    圖1 算法流程圖

    假設(shè)原始芯片圖像為f(x,y),其中(x,y)∈Z2。根據(jù)式(1)~(7),原始芯片圖像f(x,y)經(jīng)過2D-VMD分解后,結(jié)果為k個(gè)具有不同中心頻率的模態(tài)分量。

    (8)

    式中,sk為k個(gè)模態(tài)分量,ωk為各個(gè)模態(tài)分量對(duì)應(yīng)的中心頻率。

    傳統(tǒng)的2D-VMD算法需要人為設(shè)置K值,缺乏自適應(yīng)性,而2D-VMD的分解層數(shù)K對(duì)圖像分解效果的影響很大,選擇合適的K能夠有效地將噪聲分量分離出來。若K值過小,則分解不充分,易導(dǎo)致模態(tài)混疊的問題;若K值過大,則分解過度,易產(chǎn)生冗余分量,不利于對(duì)模態(tài)分量的分析[15]。優(yōu)化K值的關(guān)鍵是找到欠分解和過分解的臨界點(diǎn)。2D-VMD是一種頻域分解技術(shù),模態(tài)中心頻率的變化可以反映分解狀態(tài):過分解情況下會(huì)出現(xiàn)各模態(tài)的中心頻率非單調(diào)遞增[16]。

    (9)

    式(9)表明通過獲取中心頻率單調(diào)遞增對(duì)應(yīng)的最大K值,可以得到最優(yōu)的K值。

    經(jīng)2D-VMD分解后,含噪圖像被按照中心頻率分解成K個(gè)模態(tài)分量,而噪聲分量和有效分量的分布是不確定的,不能通過固定順序來篩選有效分量,為此需要模態(tài)評(píng)價(jià)指標(biāo)來確定有效分量和去除噪聲分量。為了去除噪聲模態(tài),本文選擇使用SSIM來客觀評(píng)估原始圖像和模態(tài)之間的相似性。SSIM的值越大則兩幅圖像越相似。SSIM定義為:

    k∈[1,K]

    (10)

    從圖1中可以看出進(jìn)行2D-VMD濾波之后,再進(jìn)行NLM濾波,閾值的設(shè)置需要考慮細(xì)節(jié)的保留和噪聲的消除,在去掉噪聲的情況下盡可能多地保留圖像的細(xì)節(jié)。經(jīng)多次實(shí)驗(yàn)得知,噪聲分量可以被較好分離在某一個(gè)模態(tài),且含有的有效信息很少,與含噪圖像的相似性很低。其余分量因?yàn)榘嗽瓐D像的輪廓、邊緣等信息其相似性與含噪圖像的相似性較大。經(jīng)SSIM數(shù)據(jù)對(duì)比得知,噪聲分量的SSIM值小于最大SSIM值的1/10,為此得到了閾值計(jì)算公式:

    (11)

    結(jié)合式(10)、(11),SSIM(f,sk)

    在重構(gòu)圖像g(x,y)中建立一個(gè)以待濾波像素點(diǎn)i為中心的鄰域矩陣g(i),尋找出以相似像素點(diǎn)j為中心的鄰域矩陣g(j),將兩者高斯加權(quán)的歐式距離作為它們之間的相似度距離l(i,j),如式(12)所示:

    (12)

    (13)

    式(12)中,λ>0是高斯核標(biāo)準(zhǔn)差,式(13)中r和d分別表示鄰域矩陣的半徑和邊長。利用式(14)和(15)計(jì)算像素點(diǎn)i和像素點(diǎn)j的相似度,即權(quán)重ω(i,j)。

    X(i) = ∑je-l(i,j)/h2

    (14)

    (15)

    式(14)中,X(i)為歸一化系數(shù)。h為控制高斯函數(shù)衰減速度的平滑系數(shù),h越小圖像的邊緣信息保持較好,但去噪效果不明顯。h越大去噪效果越好,但會(huì)使圖像模糊。h估計(jì)值的選取會(huì)直接影響圖像去噪的結(jié)果[17]。

    根據(jù)式(12)~(15),通過加權(quán)求和公式即可算出該像素點(diǎn)的估計(jì)值:

    NL[g](i)=∑ω(i,j)g(j)

    (16)

    其中:權(quán)重ω(i,j)應(yīng)滿足0<ω(i,j)≤1及∑ω(i,j)=1兩個(gè)條件。

    利用估計(jì)出的像素值代替重構(gòu)圖像中的原始像素值即可得到最終的去噪圖像g′(x,y)。

    算法的實(shí)現(xiàn)方法如算法1所示的偽代碼,其中VMD_2D(·)表示2D-VMD分解函數(shù),NLM(·)為NLM去噪函數(shù)。

    算法1:2D-VMD和NLM級(jí)聯(lián)去噪

    輸入:含噪圖像f,搜索窗口r,鄰域窗口t

    k←2

    whilek<20 do

    s,ω←VMD_2D(f,k,α←5000)//進(jìn)行2D-VMD分解

    D←Diff(ω)//計(jì)算中心頻率序列的差分

    fori=1→kdo

    ifD(i++)<0 then//判斷非單調(diào)遞增是否出現(xiàn)

    break

    end if

    end for

    ifi>kthen

    break

    end if

    k←k+1

    end while

    K←k-1//得到最優(yōu)的K值

    s←VMD_2D(f,K,α←5000)//使用自適應(yīng)參數(shù)進(jìn)行2D-VMD分解

    ssim←SSIM(f,s)//計(jì)算每個(gè)分量和原圖的結(jié)構(gòu)相似性

    T=max(ssim)/10//計(jì)算模態(tài)選擇的閾值

    fori=1→Kdo //去除噪聲分量,并重構(gòu)信號(hào),進(jìn)行一級(jí)去噪

    ifssim(i++)>=Tthen

    g←g+s(i-1)

    end for

    end function

    4 實(shí)驗(yàn)結(jié)果分析

    4.1 評(píng)估指標(biāo)

    圖像去噪的評(píng)價(jià)指標(biāo)有均方誤差值(MSE)和峰值信噪比(PSNR)。客觀參數(shù)指標(biāo)能夠客觀、科學(xué)地分析所提算法性能的可靠性和準(zhǔn)確性。PSNR的值越高,所含噪聲越少。MSE的值越小,去噪后的圖像和原圖像的差別越小。兩者的計(jì)算公式如下:

    (15)

    (16)

    式中,f(i,j)和g(i,j)分別表示原始圖像和去噪后圖像的像素點(diǎn),n為每個(gè)像素的比特?cái)?shù),對(duì)于灰度圖像,n=8。

    4.2 實(shí)驗(yàn)芯片圖像的實(shí)驗(yàn)結(jié)果與分析

    本文算法將2D-VMD與NLM濾波進(jìn)行有機(jī)結(jié)合,利用2D-VMD將圖像分解為具有不同中心頻率的K個(gè)模態(tài)分量,自適應(yīng)地將圖像中的高頻噪聲進(jìn)行抑制。充分利用NLM濾波在圖像均質(zhì)區(qū)域可以取得良好抑噪效果的特點(diǎn),對(duì)一級(jí)濾波2D-VMD處理后的圖像進(jìn)行二級(jí)濾波,達(dá)到圖像去噪的目的。

    為了驗(yàn)證本文算法的可行性,進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)選取大小為410×320的實(shí)驗(yàn)芯片圖像,添加了方差為0.02~0.06的高斯白噪聲作為待去噪圖像。實(shí)驗(yàn)選取均方誤差值和峰值信噪比兩個(gè)客觀參數(shù)作為圖像質(zhì)量的評(píng)價(jià)指標(biāo),并與中值濾波、維納濾波、高斯濾波等6種傳統(tǒng)濾波方法作比較。實(shí)驗(yàn)環(huán)境為:Intel Core i7,16 GB內(nèi)存和Windows 10操作系統(tǒng),仿真軟件為Matlab2016b。

    為了成功分離出含噪圖像中的噪聲分量,便于對(duì)重構(gòu)后的有效分量進(jìn)行后續(xù)處理,如圖2所示,選取標(biāo)準(zhǔn)芯片圖像在噪聲方差為0.05時(shí)的含噪圖像作為待濾波對(duì)象。針對(duì)2D-VMD中K值的選擇,本文采取中心頻率觀察法。如圖3所示為不同的分解層數(shù)下,各個(gè)模態(tài)對(duì)應(yīng)的中心頻率值。從圖中可以看出,當(dāng)K=4時(shí),中心頻率呈單調(diào)遞增的狀態(tài),而K>4中心頻率出現(xiàn)了下降,即出現(xiàn)了過分解的情況。因此,臨界點(diǎn)K=4是最優(yōu)的參數(shù)。2D-VMD中設(shè)置懲罰參數(shù)α=5 000,模態(tài)數(shù)K=4,能取得最好的分解效果。

    圖2 原圖和含噪聲圖像

    圖3 分解層數(shù)K的優(yōu)化

    為了能準(zhǔn)確判斷出分解模態(tài)中的有效分量和噪聲分量,使用式(13)計(jì)算每個(gè)IMF的SSIM值,用以衡量和原圖像的相似性。為了驗(yàn)證SSIM在評(píng)估圖像相似性上的可靠性,使用噪聲方差為0.05的隨機(jī)高斯白噪聲進(jìn)行了5次實(shí)驗(yàn),結(jié)果如表1所示??梢钥吹?次實(shí)驗(yàn)所得到的IMF與原圖像的相似性是一致的,即IMF1和原圖的相關(guān)性最大,剩余分量與原圖的相關(guān)性很小。根據(jù)式(14),得到的篩選閾值為T=0.04,根據(jù)閾值得到有效分量為IMF1,較好地保留了原圖像的信息。剩余的IMF2~I(xiàn)MF4即為原圖像的高頻成分,包括噪聲等信息。

    表1 K=4時(shí)各模態(tài)分量與原圖的SSIM值

    對(duì)有效分量進(jìn)行疊加,并使用NLM濾波對(duì)重構(gòu)后的圖像進(jìn)行細(xì)化濾波處理,得到了本文算法的濾波結(jié)果,其中,設(shè)置鄰域窗口及搜索窗口的半徑分別為3和5,高斯函數(shù)衰減速度的平滑系數(shù)h=0.02。而本文中所得到的有效分量僅有IMF1,因此將IMF1作為一級(jí)濾波的結(jié)果。圖4為方差取0.05的高斯噪聲下多種算法的視覺去噪效果對(duì)比??梢钥吹骄S納濾波和均值濾波弱化了較多的字符細(xì)節(jié),而中值濾波、高斯濾波和k近鄰濾波細(xì)節(jié)保留較好,但是圖像背景區(qū)域仍有一定噪聲。相比傳統(tǒng)的濾波算法,本文所提出的算法不但有最好的視覺效果,還更好地保留了芯片圖像字符的特征,有效去除了字符上的噪點(diǎn),較好保留了字符的輪廓信息。

    圖4 標(biāo)準(zhǔn)芯片圖像去噪結(jié)果

    表2為7種不同算法在高斯噪聲均方差為0.02~0.06的PSNR值對(duì)比結(jié)果??梢钥闯?,本文方法的PSNR值最高,也就是去噪后的圖像含噪最少。同時(shí),隨著噪聲方差的增大,所有方法的PSNR值都有所下降,但傳統(tǒng)濾波算法的PSNR值受到的影響較大,其中6種傳統(tǒng)濾波方法PSNR值的最大差值分別為3.668 4、3.090 4、2.800 6、4.329 3、4.292 2、4.185 8。中值濾波、二維統(tǒng)計(jì)濾波及k近鄰濾波的PSNR值降低得較嚴(yán)重。而本文算法的最大差值為2.437。這說明所提出的算法具有良好的魯棒性和穩(wěn)定性,能更好地處理不同程度噪聲的影響。表3為7種不同算法在高斯噪聲均方差為0.02~0.06的MSE值對(duì)比結(jié)果。從表中可以看出,本文算法同樣具有最好的性能指標(biāo)。

    同時(shí),隨著噪聲方差的增大,所有方法的MSE值都有所增大,但傳統(tǒng)濾波算法的MSE值受到的影響較大,其中六種傳統(tǒng)濾波方法MSE值的最大差值分別為0.003 5、0.002 3、0.002 5、0.006 7、0.102 9、0.015 3。中值濾波、二維統(tǒng)計(jì)濾波及k近鄰濾波的MSE值增大得較嚴(yán)重,說明這三種方法的誤差較大。而本文算法的最大差值為0.002 0。相對(duì)于中值濾波、二維統(tǒng)計(jì)濾波和k近鄰濾波有較大的優(yōu)勢。高斯濾波、維納濾波及均值濾波的MSE值相對(duì)不高,但結(jié)合圖4中這三種濾波方法的去噪結(jié)果,本文算法的視覺效果更優(yōu)。這兩個(gè)客觀指標(biāo)參數(shù)直觀地呈現(xiàn)了本文算法的特點(diǎn),前者能夠較好地去除含噪圖像中的高頻噪聲成分,將有效的信息分量保留下來,后者利用芯片圖像自身的特點(diǎn),能夠取得較好的濾波結(jié)果。這說明經(jīng)過本文算法處理后的圖像能保留大部分原始圖芯片像的字符信息,最接近原始圖像。本文算法結(jié)合圖4、表2及表3的結(jié)果,峰值信噪比最高,均方誤差最小,從主觀及客觀的角度上取得了最優(yōu)的效果。

    表2 多種方法的PSNR值比較

    表3 多種方法的MSE值比較

    4.3 實(shí)際含噪圖像的實(shí)驗(yàn)結(jié)果與分析

    為進(jìn)一步驗(yàn)證可行性,將本文算法應(yīng)用于智能電表的硬件檢測中,如圖5所示,其中圖像采集設(shè)備分辨率為1 920×1 080。對(duì)實(shí)際環(huán)境下采集到的3幅含噪圖像進(jìn)行去噪實(shí)驗(yàn)。圖6所示為去噪結(jié)果,可以看出,與實(shí)驗(yàn)芯片圖像的實(shí)驗(yàn)結(jié)果一致,本文算法同樣取得了較好的去噪效果,噪聲基本被濾除,也較好保留了字符的輪廓細(xì)節(jié),減少了芯片上字符的噪點(diǎn),芯片圖像的模糊度較小,芯片圖像中的背景與字符的對(duì)比度更加明顯,這有助于提高字符識(shí)別的精度。說明本文所提出的算法適用于智能電表質(zhì)量檢測中芯片圖像的去噪。

    圖5 實(shí)際圖像采集設(shè)備

    圖6 實(shí)際含噪圖像去噪結(jié)果

    5 結(jié)束語

    針對(duì)智能電表芯片圖像在采集過程中受到噪聲的影響,導(dǎo)致芯片字符模糊不清,字符識(shí)別精度低等問題,本文提出了一種2D-VMD和NLM濾波級(jí)聯(lián)的芯片圖像去噪算法。算法充分結(jié)合了2D-VMD的自適應(yīng)性、能去除高頻噪聲的優(yōu)點(diǎn)及NLM濾波利用圖像相似塊去除噪聲的特點(diǎn)。一級(jí)濾波主要去除了芯片圖像中的高頻成分,二級(jí)濾波利用芯片圖像中的相似信息濾除芯片字符上的噪點(diǎn),進(jìn)一步達(dá)到精確去噪的目的。由實(shí)驗(yàn)結(jié)果可知,本文方法無論在均方誤差、峰值信噪比兩個(gè)客觀參數(shù)的數(shù)值結(jié)果方面,還是在去噪后圖像的視覺效果方面,較傳統(tǒng)的單一濾波方法都具有更有效的去噪性能。并且隨著噪聲的增加,本文方法的去噪效果越明顯,進(jìn)一步證明了本文算法的適應(yīng)性和穩(wěn)定性。但本文算法級(jí)聯(lián)了兩種濾波方法,導(dǎo)致計(jì)算量較大,因此如何進(jìn)一步提高計(jì)算效率是今后的研究方向。

    猜你喜歡
    像素點(diǎn)高斯分量
    小高斯的大發(fā)現(xiàn)
    帽子的分量
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    天才數(shù)學(xué)家——高斯
    論《哈姆雷特》中良心的分量
    基于canvas的前端數(shù)據(jù)加密
    分量
    基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
    有限域上高斯正規(guī)基的一個(gè)注記
    基于Node-Cell結(jié)構(gòu)的HEVC幀內(nèi)編碼
    av线在线观看网站| 搡老乐熟女国产| 久久性视频一级片| 丝袜美腿诱惑在线| 国产精品久久久人人做人人爽| 97精品久久久久久久久久精品| 两个人看的免费小视频| 亚洲伊人久久精品综合| 亚洲国产欧美一区二区综合| videosex国产| 巨乳人妻的诱惑在线观看| 在线 av 中文字幕| 丰满迷人的少妇在线观看| 久久免费观看电影| 一二三四社区在线视频社区8| 亚洲专区中文字幕在线| 中文字幕精品免费在线观看视频| 国产精品三级大全| 99香蕉大伊视频| 大型av网站在线播放| 午夜免费观看性视频| 国产精品久久久久久精品古装| 我的亚洲天堂| 一本色道久久久久久精品综合| 亚洲一区二区三区欧美精品| 99国产精品免费福利视频| 精品亚洲成国产av| 麻豆乱淫一区二区| 亚洲国产欧美网| 激情五月婷婷亚洲| 成人黄色视频免费在线看| 免费观看av网站的网址| 亚洲久久久国产精品| 精品人妻1区二区| 一区二区三区激情视频| 亚洲免费av在线视频| 亚洲av国产av综合av卡| 国产成人精品在线电影| 日韩电影二区| 国产精品亚洲av一区麻豆| 欧美激情高清一区二区三区| 欧美精品高潮呻吟av久久| 手机成人av网站| 成人18禁高潮啪啪吃奶动态图| 如日韩欧美国产精品一区二区三区| 日韩,欧美,国产一区二区三区| 老熟女久久久| 无限看片的www在线观看| 大片电影免费在线观看免费| 老鸭窝网址在线观看| 国产精品国产av在线观看| 晚上一个人看的免费电影| 日日爽夜夜爽网站| 老司机午夜十八禁免费视频| 一级片免费观看大全| 91麻豆精品激情在线观看国产 | 性少妇av在线| 熟女av电影| 天天躁日日躁夜夜躁夜夜| 校园人妻丝袜中文字幕| 色综合欧美亚洲国产小说| 两性夫妻黄色片| videosex国产| 午夜福利乱码中文字幕| 好男人电影高清在线观看| 老司机深夜福利视频在线观看 | 国产黄色免费在线视频| 国产精品.久久久| 久热这里只有精品99| 老熟女久久久| 婷婷色麻豆天堂久久| 国产三级黄色录像| 男人添女人高潮全过程视频| 亚洲熟女毛片儿| 99久久综合免费| 男女国产视频网站| 国产欧美日韩综合在线一区二区| 国产精品.久久久| 精品人妻在线不人妻| 婷婷成人精品国产| 老司机影院成人| 9191精品国产免费久久| 制服人妻中文乱码| 91麻豆av在线| 久久精品亚洲av国产电影网| 99国产综合亚洲精品| 国产xxxxx性猛交| 黄色 视频免费看| 老司机在亚洲福利影院| 少妇猛男粗大的猛烈进出视频| 欧美黄色淫秽网站| 久久精品亚洲av国产电影网| 伊人亚洲综合成人网| videosex国产| 十八禁网站网址无遮挡| 欧美在线黄色| 极品少妇高潮喷水抽搐| 麻豆乱淫一区二区| 欧美精品亚洲一区二区| 欧美国产精品va在线观看不卡| 国产一区二区 视频在线| e午夜精品久久久久久久| 欧美日韩视频精品一区| 亚洲一码二码三码区别大吗| 亚洲人成77777在线视频| 波多野结衣av一区二区av| 美女视频免费永久观看网站| 色播在线永久视频| 中文字幕最新亚洲高清| 久久久久视频综合| 麻豆国产av国片精品| 纵有疾风起免费观看全集完整版| 欧美激情极品国产一区二区三区| 考比视频在线观看| 国产爽快片一区二区三区| 国产无遮挡羞羞视频在线观看| 欧美日韩av久久| 精品久久久精品久久久| 在线观看免费高清a一片| 成人18禁高潮啪啪吃奶动态图| 精品欧美一区二区三区在线| 青草久久国产| 亚洲熟女精品中文字幕| 91麻豆av在线| 高潮久久久久久久久久久不卡| 最新在线观看一区二区三区 | 亚洲美女黄色视频免费看| 成人亚洲精品一区在线观看| 亚洲国产精品999| 熟女av电影| 成年动漫av网址| 美女中出高潮动态图| 男女无遮挡免费网站观看| 亚洲第一av免费看| 无遮挡黄片免费观看| 亚洲 欧美一区二区三区| 色精品久久人妻99蜜桃| 日韩精品免费视频一区二区三区| 欧美性长视频在线观看| 99热网站在线观看| 90打野战视频偷拍视频| 精品少妇一区二区三区视频日本电影| 精品一区在线观看国产| 搡老乐熟女国产| 久久ye,这里只有精品| 搡老乐熟女国产| 亚洲国产精品一区三区| 国产精品一区二区在线不卡| 欧美国产精品一级二级三级| 日韩大片免费观看网站| 777米奇影视久久| 一级毛片 在线播放| 可以免费在线观看a视频的电影网站| 日韩制服骚丝袜av| 最新在线观看一区二区三区 | 久久综合国产亚洲精品| 久久综合国产亚洲精品| 黄色a级毛片大全视频| 亚洲色图综合在线观看| 大片免费播放器 马上看| 亚洲av国产av综合av卡| av网站免费在线观看视频| 日韩人妻精品一区2区三区| 久久久久久久久久久久大奶| 大香蕉久久成人网| 久9热在线精品视频| 69精品国产乱码久久久| 亚洲av男天堂| 欧美日韩亚洲国产一区二区在线观看 | 99久久99久久久精品蜜桃| 中文字幕精品免费在线观看视频| 一边摸一边抽搐一进一出视频| 建设人人有责人人尽责人人享有的| 妹子高潮喷水视频| 韩国精品一区二区三区| 亚洲国产毛片av蜜桃av| 搡老岳熟女国产| kizo精华| 亚洲av电影在线进入| 满18在线观看网站| 大香蕉久久成人网| 操出白浆在线播放| 亚洲精品乱久久久久久| 男女国产视频网站| 免费一级毛片在线播放高清视频 | 久久精品国产综合久久久| 国产在视频线精品| 美女国产高潮福利片在线看| 妹子高潮喷水视频| 韩国精品一区二区三区| tube8黄色片| 亚洲精品一二三| 国产亚洲欧美在线一区二区| 人体艺术视频欧美日本| 亚洲av欧美aⅴ国产| 国产黄色免费在线视频| 最黄视频免费看| 首页视频小说图片口味搜索 | 精品亚洲乱码少妇综合久久| avwww免费| 久久久久精品人妻al黑| 黄频高清免费视频| 久久久久久久久久久久大奶| 香蕉国产在线看| 日本一区二区免费在线视频| 在线av久久热| 国产高清国产精品国产三级| 久久青草综合色| 最近手机中文字幕大全| 曰老女人黄片| 黄色 视频免费看| 欧美精品高潮呻吟av久久| 国产又色又爽无遮挡免| 亚洲av日韩精品久久久久久密 | 在线观看免费午夜福利视频| 看免费av毛片| 美国免费a级毛片| 欧美性长视频在线观看| 一二三四在线观看免费中文在| 侵犯人妻中文字幕一二三四区| 欧美亚洲日本最大视频资源| 巨乳人妻的诱惑在线观看| 宅男免费午夜| 黑丝袜美女国产一区| 大型av网站在线播放| 国产黄频视频在线观看| 亚洲伊人久久精品综合| 国产人伦9x9x在线观看| 好男人视频免费观看在线| 亚洲欧美中文字幕日韩二区| 国产高清视频在线播放一区 | 每晚都被弄得嗷嗷叫到高潮| 日本欧美视频一区| 国产一区二区三区综合在线观看| 一级毛片黄色毛片免费观看视频| 如日韩欧美国产精品一区二区三区| 国产成人欧美在线观看 | 搡老乐熟女国产| 美国免费a级毛片| 国产无遮挡羞羞视频在线观看| 无遮挡黄片免费观看| 国产成人一区二区在线| 你懂的网址亚洲精品在线观看| 制服诱惑二区| 国产极品粉嫩免费观看在线| 亚洲成av片中文字幕在线观看| 在线观看免费午夜福利视频| 亚洲国产精品一区三区| 飞空精品影院首页| 久久精品久久精品一区二区三区| av天堂久久9| 亚洲国产最新在线播放| 一级黄色大片毛片| 精品人妻一区二区三区麻豆| 亚洲,欧美精品.| 精品一区在线观看国产| 黄色毛片三级朝国网站| 2021少妇久久久久久久久久久| 国产亚洲一区二区精品| 久久国产精品男人的天堂亚洲| 在线精品无人区一区二区三| 一级毛片黄色毛片免费观看视频| 国产成人影院久久av| 99热国产这里只有精品6| 男女高潮啪啪啪动态图| 好男人视频免费观看在线| 麻豆乱淫一区二区| 天天躁狠狠躁夜夜躁狠狠躁| 一本一本久久a久久精品综合妖精| 国产有黄有色有爽视频| 又大又爽又粗| 亚洲成国产人片在线观看| 精品少妇久久久久久888优播| 亚洲一区中文字幕在线| 久久人人97超碰香蕉20202| 亚洲少妇的诱惑av| 久久久精品免费免费高清| 51午夜福利影视在线观看| 久久99精品国语久久久| 日韩中文字幕视频在线看片| 91精品国产国语对白视频| 一二三四在线观看免费中文在| av线在线观看网站| 熟女av电影| 男女下面插进去视频免费观看| 日韩伦理黄色片| av天堂久久9| 老司机亚洲免费影院| 国产亚洲一区二区精品| 在线观看一区二区三区激情| 亚洲精品美女久久av网站| 人妻 亚洲 视频| 午夜福利在线免费观看网站| 亚洲美女黄色视频免费看| 日韩av免费高清视频| av电影中文网址| 国产精品久久久久久精品古装| 日韩精品免费视频一区二区三区| 久久久国产精品麻豆| 麻豆av在线久日| 成年女人毛片免费观看观看9 | 国产精品一区二区在线观看99| 麻豆av在线久日| 亚洲av成人精品一二三区| 亚洲av电影在线观看一区二区三区| 亚洲一区中文字幕在线| 丝袜在线中文字幕| av视频免费观看在线观看| 人体艺术视频欧美日本| 在线观看免费午夜福利视频| 中国国产av一级| 老司机影院成人| 久久精品国产a三级三级三级| 欧美黄色片欧美黄色片| 99国产精品一区二区蜜桃av | 日韩av在线免费看完整版不卡| 别揉我奶头~嗯~啊~动态视频 | 两人在一起打扑克的视频| 国产高清国产精品国产三级| 天天躁日日躁夜夜躁夜夜| 亚洲成人免费电影在线观看 | 精品一区二区三区四区五区乱码 | 2021少妇久久久久久久久久久| 亚洲色图综合在线观看| 国产老妇伦熟女老妇高清| 纯流量卡能插随身wifi吗| 日韩视频在线欧美| 精品人妻在线不人妻| 久久精品国产亚洲av涩爱| 高清视频免费观看一区二区| 一级片免费观看大全| 性少妇av在线| 久久国产亚洲av麻豆专区| 久久精品久久久久久久性| av视频免费观看在线观看| 大香蕉久久成人网| 免费av中文字幕在线| 美女国产高潮福利片在线看| 午夜福利视频在线观看免费| 午夜福利在线免费观看网站| 婷婷色综合大香蕉| 久久人人爽av亚洲精品天堂| 日韩一区二区三区影片| 在线观看免费视频网站a站| 久久99一区二区三区| 各种免费的搞黄视频| 真人做人爱边吃奶动态| 中文字幕制服av| 99re6热这里在线精品视频| 日本av免费视频播放| 久久综合国产亚洲精品| 国产日韩欧美视频二区| 人妻 亚洲 视频| 丝袜人妻中文字幕| 国产片内射在线| 午夜两性在线视频| 男女床上黄色一级片免费看| 午夜av观看不卡| 天堂8中文在线网| 少妇粗大呻吟视频| 国产一区二区三区综合在线观看| www日本在线高清视频| 亚洲精品国产av蜜桃| 大香蕉久久网| 菩萨蛮人人尽说江南好唐韦庄| 好男人视频免费观看在线| 亚洲精品一区蜜桃| 成在线人永久免费视频| 视频区图区小说| 丝袜美足系列| 极品少妇高潮喷水抽搐| 人体艺术视频欧美日本| 十分钟在线观看高清视频www| av不卡在线播放| 成年动漫av网址| 这个男人来自地球电影免费观看| 国产亚洲欧美精品永久| 老司机在亚洲福利影院| 国产欧美日韩一区二区三 | 久久久精品免费免费高清| 欧美日韩成人在线一区二区| 丁香六月欧美| 精品亚洲乱码少妇综合久久| 亚洲欧美一区二区三区黑人| 国产精品欧美亚洲77777| 99热全是精品| www.999成人在线观看| 制服诱惑二区| 脱女人内裤的视频| 亚洲图色成人| 性色av乱码一区二区三区2| 一本—道久久a久久精品蜜桃钙片| 欧美 亚洲 国产 日韩一| 久久亚洲精品不卡| 嫁个100分男人电影在线观看 | 免费在线观看完整版高清| 亚洲精品久久久久久婷婷小说| 青春草亚洲视频在线观看| 国产成人欧美| 色网站视频免费| 又粗又硬又长又爽又黄的视频| 一级a爱视频在线免费观看| 1024香蕉在线观看| 99热国产这里只有精品6| 一本久久精品| avwww免费| 国产av国产精品国产| 在线亚洲精品国产二区图片欧美| 黑丝袜美女国产一区| 久久久国产一区二区| 国产片特级美女逼逼视频| 精品少妇黑人巨大在线播放| 亚洲人成电影免费在线| 一本久久精品| 亚洲视频免费观看视频| 在线观看免费午夜福利视频| 国产在视频线精品| 免费看不卡的av| av福利片在线| 一本大道久久a久久精品| 午夜免费观看性视频| 成人手机av| 咕卡用的链子| 国产午夜精品一二区理论片| 69精品国产乱码久久久| 亚洲精品国产av成人精品| 午夜免费男女啪啪视频观看| 别揉我奶头~嗯~啊~动态视频 | 午夜日韩欧美国产| 精品国产一区二区三区四区第35| 嫁个100分男人电影在线观看 | 亚洲,欧美,日韩| 99热网站在线观看| 侵犯人妻中文字幕一二三四区| 国产亚洲欧美在线一区二区| 国产精品亚洲av一区麻豆| 老司机靠b影院| 最新的欧美精品一区二区| 美国免费a级毛片| 午夜福利在线免费观看网站| 免费一级毛片在线播放高清视频 | 久久毛片免费看一区二区三区| 国产精品偷伦视频观看了| netflix在线观看网站| 久久久精品免费免费高清| 日本一区二区免费在线视频| 丝袜脚勾引网站| 啦啦啦 在线观看视频| 中文字幕色久视频| 黄网站色视频无遮挡免费观看| 夫妻性生交免费视频一级片| 国产男人的电影天堂91| 蜜桃国产av成人99| 天堂中文最新版在线下载| 9色porny在线观看| 精品少妇一区二区三区视频日本电影| 丝袜在线中文字幕| 亚洲av日韩在线播放| 欧美日韩视频高清一区二区三区二| 亚洲专区中文字幕在线| av网站免费在线观看视频| 久久人人爽av亚洲精品天堂| 天天躁狠狠躁夜夜躁狠狠躁| 一级,二级,三级黄色视频| 国产成人免费无遮挡视频| avwww免费| 一区在线观看完整版| 欧美国产精品va在线观看不卡| 国产91精品成人一区二区三区 | 国产精品久久久久久精品古装| 亚洲av电影在线进入| 在线观看国产h片| 亚洲精品一区蜜桃| 免费看十八禁软件| 国产在视频线精品| 91精品三级在线观看| 久久久久视频综合| 每晚都被弄得嗷嗷叫到高潮| 久久久久久久久久久久大奶| 久久久国产精品麻豆| 日韩一卡2卡3卡4卡2021年| 日韩一区二区三区影片| 色94色欧美一区二区| 免费av中文字幕在线| 三上悠亚av全集在线观看| 老鸭窝网址在线观看| 真人做人爱边吃奶动态| 精品人妻在线不人妻| 精品久久久久久电影网| 国产精品国产三级国产专区5o| 久久人妻福利社区极品人妻图片 | 丝袜喷水一区| 国产成人影院久久av| 天天躁日日躁夜夜躁夜夜| 黄片小视频在线播放| 一级毛片 在线播放| 亚洲精品在线美女| 满18在线观看网站| 人人澡人人妻人| 精品亚洲成a人片在线观看| 汤姆久久久久久久影院中文字幕| 免费一级毛片在线播放高清视频 | 另类亚洲欧美激情| 99久久精品国产亚洲精品| 午夜两性在线视频| 精品免费久久久久久久清纯 | 两个人看的免费小视频| 99久久人妻综合| 男人操女人黄网站| 久久久久国产精品人妻一区二区| 五月开心婷婷网| 国产高清国产精品国产三级| 免费黄频网站在线观看国产| 男女边摸边吃奶| 精品高清国产在线一区| 在线观看免费视频网站a站| 成人黄色视频免费在线看| 黄色怎么调成土黄色| 建设人人有责人人尽责人人享有的| 国产成人系列免费观看| 精品人妻熟女毛片av久久网站| 亚洲av欧美aⅴ国产| 如日韩欧美国产精品一区二区三区| 亚洲免费av在线视频| 亚洲欧美日韩另类电影网站| 国产有黄有色有爽视频| 中国国产av一级| 日韩视频在线欧美| 一区在线观看完整版| 亚洲欧美精品综合一区二区三区| 黑丝袜美女国产一区| xxxhd国产人妻xxx| 久热这里只有精品99| 一本色道久久久久久精品综合| 婷婷成人精品国产| 十八禁人妻一区二区| 亚洲欧美中文字幕日韩二区| 久久国产精品大桥未久av| 国产人伦9x9x在线观看| av欧美777| 中文字幕色久视频| 欧美日韩亚洲高清精品| 大香蕉久久成人网| 亚洲专区国产一区二区| 国产成人精品久久久久久| 女人爽到高潮嗷嗷叫在线视频| 性高湖久久久久久久久免费观看| 久久人人爽av亚洲精品天堂| 国产av一区二区精品久久| 91麻豆av在线| 女人高潮潮喷娇喘18禁视频| 国产欧美日韩综合在线一区二区| 黄网站色视频无遮挡免费观看| 色精品久久人妻99蜜桃| 亚洲精品日本国产第一区| 亚洲人成77777在线视频| 黄色毛片三级朝国网站| 捣出白浆h1v1| 国产成人av激情在线播放| 亚洲视频免费观看视频| 国产精品免费大片| 国产日韩欧美亚洲二区| 亚洲欧美成人综合另类久久久| 每晚都被弄得嗷嗷叫到高潮| 亚洲色图 男人天堂 中文字幕| 国产精品一二三区在线看| 久9热在线精品视频| 亚洲欧美一区二区三区国产| 最近中文字幕2019免费版| 咕卡用的链子| 美女脱内裤让男人舔精品视频| 中文字幕高清在线视频| 成年人免费黄色播放视频| 中文字幕最新亚洲高清| 久久毛片免费看一区二区三区| 亚洲精品国产色婷婷电影| 80岁老熟妇乱子伦牲交| 国产男女内射视频| 精品视频人人做人人爽| 国产一区亚洲一区在线观看| 国产亚洲av片在线观看秒播厂| 亚洲av成人精品一二三区| 在线观看www视频免费| 又大又爽又粗| 国产视频一区二区在线看| 国产黄色免费在线视频| 一级a爱视频在线免费观看| 黄频高清免费视频| 超碰成人久久| 免费女性裸体啪啪无遮挡网站| 亚洲欧美清纯卡通| 黑丝袜美女国产一区| 久久精品国产综合久久久| 欧美激情高清一区二区三区| av电影中文网址| 免费观看人在逋| 99国产精品一区二区三区| 黄频高清免费视频| 日韩免费高清中文字幕av| 国产伦人伦偷精品视频| 不卡av一区二区三区| 高清黄色对白视频在线免费看| 欧美精品啪啪一区二区三区 | 天堂俺去俺来也www色官网| 大香蕉久久成人网| 美女视频免费永久观看网站| 最黄视频免费看| 久久人人97超碰香蕉20202| 国产精品秋霞免费鲁丝片| 蜜桃国产av成人99| av福利片在线| 自线自在国产av| 久久久久久亚洲精品国产蜜桃av| 国产亚洲精品第一综合不卡| 可以免费在线观看a视频的电影网站|