简介:邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。
简介:将Solodov和Svaiter于2000年发表的Errorboundsforproximalpointsubproblemsandassociatedinexactproximalpointalgorithms一文中提出的方法进行推广,得到2类近似邻近点算法.这2类算法都是预测校正方法,预测点满足相同的非精确准则,不同之处在于校正步的下降方向.为了使每次迭代产生的迭代点更加靠近解点,在校正步均采用了最优步长的技巧.在一定条件下,可以证明这2种邻近点算法是全局收敛的.并且,从理论上证明了采用算法2每一步所产生的下降量的下界大于算法1的,所以算法2比算法1能更快地收敛到解点.数值试验也表明了这一点.
简介:摘要:本文引入了邻域概念证明不等式的同向可加性扩大性的错误结果。为纠正这样的错误我们采用待定系数法,待定系数法从根本上来讲是减少了不等式同向可加性的应用次数。次数越少,结果越准确。