• <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
    久久午夜综合久久蜜桃| 免费观看精品视频网站| 男男h啪啪无遮挡| 久热爱精品视频在线9| 女人高潮潮喷娇喘18禁视频| 亚洲国产欧洲综合997久久,| 国模一区二区三区四区视频 | 亚洲男人的天堂狠狠| 国产激情偷乱视频一区二区| 一级黄色大片毛片| 久久精品国产亚洲av香蕉五月| 嫩草影院精品99| 亚洲成av人片免费观看| 国产v大片淫在线免费观看| 日日爽夜夜爽网站| 免费在线观看影片大全网站| 精品国产美女av久久久久小说| 香蕉丝袜av| 亚洲成人久久爱视频| 欧美国产日韩亚洲一区| 欧美精品啪啪一区二区三区| 搡老岳熟女国产| 国产一区二区在线av高清观看| 亚洲精品久久国产高清桃花| www.熟女人妻精品国产| 亚洲va日本ⅴa欧美va伊人久久| 欧美又色又爽又黄视频| 国产精品自产拍在线观看55亚洲| 国产精品美女特级片免费视频播放器 | 99热6这里只有精品| xxx96com| 一区二区三区激情视频| 91麻豆精品激情在线观看国产| 大型av网站在线播放| 女人被狂操c到高潮| 亚洲中文日韩欧美视频| 999久久久国产精品视频| 丰满人妻一区二区三区视频av | 午夜福利欧美成人| 我要搜黄色片| 久久久国产成人精品二区| 脱女人内裤的视频| 亚洲成人久久性| 妹子高潮喷水视频| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲一区高清亚洲精品| 一本一本综合久久| 中国美女看黄片| 国产亚洲欧美在线一区二区| 亚洲熟妇熟女久久| 久久久久久国产a免费观看| 色综合站精品国产| 亚洲人成77777在线视频| 亚洲欧美一区二区三区黑人| 高清毛片免费观看视频网站| 在线看三级毛片| 欧美日韩亚洲国产一区二区在线观看| 国产精品一区二区免费欧美| 韩国av一区二区三区四区| 国产精品98久久久久久宅男小说| 日韩免费av在线播放| 亚洲国产看品久久| 十八禁网站免费在线| 99riav亚洲国产免费| 色尼玛亚洲综合影院| 亚洲av五月六月丁香网| 久久天堂一区二区三区四区| 夜夜爽天天搞| www.精华液| 亚洲av五月六月丁香网| 亚洲精品久久成人aⅴ小说| 免费人成视频x8x8入口观看| 精品久久久久久久久久久久久| 手机成人av网站| av在线播放免费不卡| 一夜夜www| 国产单亲对白刺激| 国语自产精品视频在线第100页| 国产又色又爽无遮挡免费看| 亚洲黑人精品在线| 最新美女视频免费是黄的| 在线观看66精品国产| 久久精品国产亚洲av香蕉五月| 亚洲五月天丁香| 久久伊人香网站| 国产精品99久久99久久久不卡| 国产蜜桃级精品一区二区三区| 精品福利观看| 国产真人三级小视频在线观看| 国产一区二区三区在线臀色熟女| 一边摸一边抽搐一进一小说| av片东京热男人的天堂| 久久人妻av系列| 中文字幕av在线有码专区| 免费在线观看视频国产中文字幕亚洲| 亚洲精品中文字幕在线视频| 波多野结衣高清无吗| 巨乳人妻的诱惑在线观看| 18禁国产床啪视频网站| 国产黄色小视频在线观看| 最近最新免费中文字幕在线| 中文字幕精品亚洲无线码一区| 久久草成人影院| 国产av一区在线观看免费| 欧美一级a爱片免费观看看 | 两个人免费观看高清视频| 亚洲av美国av| 亚洲av第一区精品v没综合| 一边摸一边抽搐一进一小说| 两人在一起打扑克的视频| 美女扒开内裤让男人捅视频| 亚洲欧美日韩高清在线视频| 麻豆一二三区av精品| 久久久精品大字幕| 黄色成人免费大全| 国产在线精品亚洲第一网站| 亚洲av成人一区二区三| 亚洲av五月六月丁香网| 欧美日韩黄片免| 一进一出抽搐gif免费好疼| 美女大奶头视频| 深夜精品福利| 黄频高清免费视频| 最近在线观看免费完整版| 亚洲avbb在线观看| 波多野结衣巨乳人妻| 日本成人三级电影网站| 女人高潮潮喷娇喘18禁视频| 深夜精品福利| 日日干狠狠操夜夜爽| 精品熟女少妇八av免费久了| 国产精品久久电影中文字幕| 成人精品一区二区免费| 一区二区三区激情视频| 两个人免费观看高清视频| 一个人免费在线观看电影 | 久久久久性生活片| 午夜激情av网站| 在线永久观看黄色视频| 精品一区二区三区四区五区乱码| 手机成人av网站| 久久精品国产清高在天天线| 18禁黄网站禁片午夜丰满| 色综合婷婷激情| 国产在线观看jvid| 18美女黄网站色大片免费观看| 观看免费一级毛片| 亚洲真实伦在线观看| 亚洲七黄色美女视频| 99热这里只有精品一区 | 成人av一区二区三区在线看| 国内毛片毛片毛片毛片毛片| 久久午夜综合久久蜜桃| 久久久国产欧美日韩av| 又大又爽又粗| 国产亚洲精品综合一区在线观看 | 久久国产精品人妻蜜桃| 精品人妻1区二区| 一个人免费在线观看电影 | av免费在线观看网站| 男女床上黄色一级片免费看| aaaaa片日本免费| 亚洲自偷自拍图片 自拍| 国产精品香港三级国产av潘金莲| 在线观看日韩欧美| 免费在线观看视频国产中文字幕亚洲| 国产免费av片在线观看野外av| 青草久久国产| 国产伦在线观看视频一区| 欧美在线黄色| 亚洲成av人片免费观看| 日本熟妇午夜| 日韩欧美三级三区| 中出人妻视频一区二区| 黑人巨大精品欧美一区二区mp4| 亚洲精品美女久久久久99蜜臀| bbb黄色大片| 亚洲专区字幕在线| 长腿黑丝高跟| 校园春色视频在线观看| 亚洲中文字幕一区二区三区有码在线看 | 黄色视频不卡| 欧美极品一区二区三区四区| 午夜两性在线视频| 搡老妇女老女人老熟妇| 精品国产乱子伦一区二区三区| 日韩欧美国产一区二区入口| 18美女黄网站色大片免费观看| 国产99久久九九免费精品| 99国产极品粉嫩在线观看| 两个人视频免费观看高清| 国产人伦9x9x在线观看| 国产av在哪里看| 大型av网站在线播放| 国产成人av激情在线播放| 免费在线观看影片大全网站| 19禁男女啪啪无遮挡网站| 18禁裸乳无遮挡免费网站照片| 国产成人欧美在线观看| 又黄又粗又硬又大视频| 无遮挡黄片免费观看| 国产精品九九99| 日韩高清综合在线| 亚洲天堂国产精品一区在线| 又紧又爽又黄一区二区| 午夜a级毛片| 亚洲性夜色夜夜综合| 麻豆成人午夜福利视频| 日韩大尺度精品在线看网址| 国产爱豆传媒在线观看 | 久99久视频精品免费| 亚洲第一电影网av| 又紧又爽又黄一区二区| 深夜精品福利| 午夜福利视频1000在线观看| 国产探花在线观看一区二区| 欧美一区二区精品小视频在线| 制服丝袜大香蕉在线| 制服人妻中文乱码| 天天躁狠狠躁夜夜躁狠狠躁| 日本一区二区免费在线视频| 久久国产精品影院| 俄罗斯特黄特色一大片| www.熟女人妻精品国产| 丁香欧美五月| 午夜老司机福利片| 国产亚洲精品av在线| 色综合亚洲欧美另类图片| 老司机午夜十八禁免费视频| 国产一级毛片七仙女欲春2| 一个人免费在线观看电影 | 每晚都被弄得嗷嗷叫到高潮| 欧美在线一区亚洲| 国产精品一区二区免费欧美| 少妇人妻一区二区三区视频| 操出白浆在线播放| 妹子高潮喷水视频| 麻豆av在线久日| 亚洲成av人片在线播放无| 久久这里只有精品中国| 精品无人区乱码1区二区| 亚洲专区国产一区二区| 我要搜黄色片| 在线国产一区二区在线| 欧美午夜高清在线| 国产麻豆成人av免费视频| 变态另类成人亚洲欧美熟女| 亚洲av成人av| 成人18禁高潮啪啪吃奶动态图| 午夜福利18| 日日干狠狠操夜夜爽| 亚洲精品av麻豆狂野| 男人舔女人下体高潮全视频| 一进一出抽搐动态| 久久婷婷成人综合色麻豆| 最近最新中文字幕大全免费视频| 在线国产一区二区在线| 深夜精品福利| 制服人妻中文乱码| 男女做爰动态图高潮gif福利片| 久久九九热精品免费| 中文字幕久久专区| 久久久久亚洲av毛片大全| 久久中文字幕人妻熟女| 亚洲男人的天堂狠狠| 妹子高潮喷水视频| www.www免费av| 日韩国内少妇激情av| 黄片小视频在线播放| 久久久久国产一级毛片高清牌| 国产爱豆传媒在线观看 | 欧美+亚洲+日韩+国产| 久久天躁狠狠躁夜夜2o2o| 国产伦一二天堂av在线观看| 国产私拍福利视频在线观看| 日本三级黄在线观看| 久久人人精品亚洲av| 啪啪无遮挡十八禁网站| 可以在线观看毛片的网站| 色噜噜av男人的天堂激情| 免费在线观看成人毛片| 亚洲国产高清在线一区二区三| 大型av网站在线播放| 黑人操中国人逼视频| 亚洲精品美女久久久久99蜜臀| 首页视频小说图片口味搜索| 亚洲精品一区av在线观看| 黄片大片在线免费观看| 少妇熟女aⅴ在线视频| 婷婷六月久久综合丁香| 老司机午夜十八禁免费视频| 欧美一区二区精品小视频在线| 日韩大码丰满熟妇| 亚洲va日本ⅴa欧美va伊人久久| 欧美日韩中文字幕国产精品一区二区三区| 91老司机精品| 岛国视频午夜一区免费看| 精品熟女少妇八av免费久了| 悠悠久久av| 国产精品 国内视频| 中文字幕av在线有码专区| 亚洲男人天堂网一区| 亚洲第一欧美日韩一区二区三区| 男人舔奶头视频| 欧美成人一区二区免费高清观看 | 国产精品影院久久| 美女 人体艺术 gogo| 不卡一级毛片| 日本一二三区视频观看| av福利片在线观看| 色播亚洲综合网| 韩国av一区二区三区四区| 国产一区二区激情短视频| 久久人妻av系列| 草草在线视频免费看| 成年免费大片在线观看| 婷婷精品国产亚洲av在线| 一边摸一边抽搐一进一小说| 一区二区三区国产精品乱码| 国产高清激情床上av| 好男人在线观看高清免费视频| 最近最新中文字幕大全电影3| 精品熟女少妇八av免费久了| 黑人欧美特级aaaaaa片| 亚洲精品中文字幕在线视频| 午夜福利18| 国产高清视频在线观看网站| 真人一进一出gif抽搐免费| 亚洲av成人一区二区三| 色综合亚洲欧美另类图片| 18禁黄网站禁片午夜丰满| 欧美不卡视频在线免费观看 | www国产在线视频色| 午夜两性在线视频| 露出奶头的视频| 人妻久久中文字幕网| av免费在线观看网站| 男人舔奶头视频| 国产精品精品国产色婷婷| 制服人妻中文乱码| 亚洲全国av大片| 51午夜福利影视在线观看| 男女那种视频在线观看| 99久久久亚洲精品蜜臀av| 琪琪午夜伦伦电影理论片6080| 亚洲一区高清亚洲精品| 国产99白浆流出| 大型av网站在线播放| 夜夜躁狠狠躁天天躁| 免费在线观看影片大全网站| 久久精品影院6| 91麻豆av在线| 久久精品91蜜桃| 午夜亚洲福利在线播放| 欧美久久黑人一区二区| 亚洲乱码一区二区免费版| 免费看十八禁软件| 国产精品亚洲美女久久久| 亚洲精品美女久久av网站| 日韩欧美在线二视频| 日韩欧美国产一区二区入口| 最近最新中文字幕大全免费视频| 亚洲人成网站高清观看| av天堂在线播放| 淫秽高清视频在线观看| 成人av在线播放网站| 搞女人的毛片| 中文字幕人妻丝袜一区二区| 老司机午夜福利在线观看视频| 国产精品99久久99久久久不卡| 亚洲熟妇中文字幕五十中出| 中文字幕精品亚洲无线码一区| 精品一区二区三区视频在线观看免费| 亚洲欧美一区二区三区黑人| 一本精品99久久精品77| 妹子高潮喷水视频| 叶爱在线成人免费视频播放| 午夜久久久久精精品| 男人舔奶头视频| 亚洲国产欧美一区二区综合| 一本综合久久免费| 久久精品影院6| 精品欧美国产一区二区三| 成人一区二区视频在线观看| 成人三级黄色视频| 色精品久久人妻99蜜桃| 99国产精品99久久久久| avwww免费| 国产成人aa在线观看| 国内精品久久久久精免费| 国产1区2区3区精品| 国产真人三级小视频在线观看| 高清毛片免费观看视频网站| 手机成人av网站| 男女之事视频高清在线观看| 啦啦啦韩国在线观看视频| 97人妻精品一区二区三区麻豆| 国产成人av教育| 亚洲精品中文字幕在线视频| 免费人成视频x8x8入口观看| 久久久精品大字幕| 午夜免费观看网址| 老司机午夜福利在线观看视频| 亚洲全国av大片| 这个男人来自地球电影免费观看| 曰老女人黄片| 久久精品综合一区二区三区| 淫妇啪啪啪对白视频| 国产免费av片在线观看野外av| 精品欧美一区二区三区在线| 2021天堂中文幕一二区在线观| 黄色片一级片一级黄色片| av福利片在线观看| 99国产精品一区二区蜜桃av| 成人永久免费在线观看视频| 久久香蕉国产精品| 精品久久久久久久久久免费视频| 国产男靠女视频免费网站| 久久精品91无色码中文字幕| 成年版毛片免费区| 男女之事视频高清在线观看| 成人一区二区视频在线观看| 日韩欧美三级三区| 免费看日本二区| 精品人妻1区二区| 国产精品美女特级片免费视频播放器 | 制服诱惑二区| 激情在线观看视频在线高清| 亚洲无线在线观看| 丰满人妻熟妇乱又伦精品不卡| 村上凉子中文字幕在线| 久久午夜亚洲精品久久| 变态另类成人亚洲欧美熟女| 两个人视频免费观看高清| 国产免费男女视频| 国产精品一区二区三区四区久久| 欧美国产日韩亚洲一区| 一a级毛片在线观看| 婷婷丁香在线五月| av中文乱码字幕在线| 午夜精品久久久久久毛片777| 亚洲国产高清在线一区二区三| a在线观看视频网站| 国产精品免费视频内射| 欧美成人性av电影在线观看| 精品国内亚洲2022精品成人| 看片在线看免费视频| 中文字幕av在线有码专区| 黄色女人牲交| 给我免费播放毛片高清在线观看| 国产伦在线观看视频一区| 舔av片在线| 免费一级毛片在线播放高清视频| 亚洲18禁久久av| 少妇的丰满在线观看| 女人高潮潮喷娇喘18禁视频| 国产熟女午夜一区二区三区| 国产一区二区三区视频了| 丝袜人妻中文字幕| 又黄又粗又硬又大视频| 国产欧美日韩精品亚洲av| 最近最新中文字幕大全电影3| 亚洲美女视频黄频| 老司机福利观看| 搡老岳熟女国产| 欧美3d第一页| 亚洲精品一区av在线观看| 免费在线观看黄色视频的| 国产一区二区三区视频了| 毛片女人毛片| 久久婷婷成人综合色麻豆| 两性夫妻黄色片| 成人特级黄色片久久久久久久| 色精品久久人妻99蜜桃| 精品不卡国产一区二区三区| 国模一区二区三区四区视频 | netflix在线观看网站| 久久精品综合一区二区三区| 99国产精品99久久久久| 老汉色av国产亚洲站长工具| 国产又黄又爽又无遮挡在线| 成人av一区二区三区在线看| 毛片女人毛片| 亚洲中文字幕日韩| 在线观看美女被高潮喷水网站 | 看片在线看免费视频| 十八禁网站免费在线| 人妻丰满熟妇av一区二区三区| 免费电影在线观看免费观看| 欧美中文综合在线视频| 久久精品夜夜夜夜夜久久蜜豆 | 成年版毛片免费区| 人成视频在线观看免费观看| 老司机在亚洲福利影院| 亚洲精华国产精华精| 在线十欧美十亚洲十日本专区| 丝袜美腿诱惑在线| 老司机深夜福利视频在线观看| 日本a在线网址| 老司机在亚洲福利影院| 精品久久久久久久末码| 又紧又爽又黄一区二区| 男插女下体视频免费在线播放| 一区二区三区激情视频| 青草久久国产| 全区人妻精品视频| 久久九九热精品免费| 很黄的视频免费| 最好的美女福利视频网| 老司机午夜十八禁免费视频| 亚洲美女黄片视频| 欧美一级毛片孕妇| 久久精品aⅴ一区二区三区四区| www.熟女人妻精品国产| 黄片小视频在线播放| 50天的宝宝边吃奶边哭怎么回事| 国产高清视频在线观看网站| 精品久久久久久久久久免费视频| 久久精品影院6| 久久 成人 亚洲| 久久久精品欧美日韩精品| 一本综合久久免费| 亚洲七黄色美女视频| 色老头精品视频在线观看| a级毛片在线看网站| 亚洲成人免费电影在线观看| 久9热在线精品视频| 日韩精品青青久久久久久| 亚洲成a人片在线一区二区| 久久久国产欧美日韩av| 老司机福利观看| 99久久精品热视频| 久久国产精品人妻蜜桃| 九色成人免费人妻av| 看片在线看免费视频| 久久中文字幕一级| 久久精品国产综合久久久| 制服丝袜大香蕉在线| 欧美高清成人免费视频www| 国产精品日韩av在线免费观看| 高潮久久久久久久久久久不卡| 99热只有精品国产| 国产成人欧美在线观看| 丁香欧美五月| 久久伊人香网站| 在线视频色国产色| 久久久久国产一级毛片高清牌| 久久精品aⅴ一区二区三区四区| 国产激情久久老熟女| 日韩欧美三级三区| 国产激情偷乱视频一区二区| 日韩欧美免费精品| 超碰成人久久| 极品教师在线免费播放| 亚洲va日本ⅴa欧美va伊人久久| 少妇裸体淫交视频免费看高清 | 亚洲激情在线av| 欧美最黄视频在线播放免费| 国产精品九九99| 亚洲专区字幕在线| a级毛片在线看网站| 国产午夜福利久久久久久| 99在线视频只有这里精品首页| 久久精品人妻少妇| 国产视频内射| 男女下面进入的视频免费午夜| 中文在线观看免费www的网站 | 国内精品久久久久精免费| 亚洲无线在线观看| 亚洲专区字幕在线| 久久天躁狠狠躁夜夜2o2o| 身体一侧抽搐| 狂野欧美白嫩少妇大欣赏| 少妇粗大呻吟视频| 欧美色欧美亚洲另类二区| 日韩精品免费视频一区二区三区| 人妻久久中文字幕网| 少妇被粗大的猛进出69影院| 99久久综合精品五月天人人| 草草在线视频免费看| 国产久久久一区二区三区| 欧美黑人欧美精品刺激| 国内精品久久久久精免费| 一二三四社区在线视频社区8| 中文字幕av在线有码专区| 免费观看人在逋| 老司机深夜福利视频在线观看| 18禁美女被吸乳视频| 一二三四在线观看免费中文在| 日韩高清综合在线| 两个人的视频大全免费| 两人在一起打扑克的视频| 18禁黄网站禁片免费观看直播| 丰满人妻熟妇乱又伦精品不卡| 欧美黑人欧美精品刺激| 人人妻人人看人人澡| 欧美zozozo另类| 人妻夜夜爽99麻豆av| xxxwww97欧美| 亚洲精品久久成人aⅴ小说| 精品久久久久久久久久免费视频| 九九热线精品视视频播放| 国产免费男女视频| 在线观看午夜福利视频| 久久久久久人人人人人| 日本撒尿小便嘘嘘汇集6| av国产免费在线观看| 最新美女视频免费是黄的| 欧美一区二区国产精品久久精品 | 色噜噜av男人的天堂激情| 男女那种视频在线观看| or卡值多少钱| 又黄又爽又免费观看的视频| 亚洲成av人片免费观看| 午夜免费成人在线视频|