排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
针对遥感影像高斯白噪声去噪的问题,本文首先利用差分进化(DE)优化三维块匹配(BM3D)中的硬阈值变换参数(参数包括块距离阈值和三维变换域硬阈值参数);然后使用优化的BM3D算法消除影像中高斯白噪声,以峰值信噪比(PSNR)、结构相似度(SSIM)和边缘保留指数(EPI))作为评价指标。试验结果表明,在噪声密度不同情况下,融合算法的PSNR、SSIM和EPI均有所提升,尤其EPI相较于BM3D算法提高约2%。整体上,融合算法的遥感影像高斯白噪声的去噪效果优于单一BM3D算法。 相似文献
2.
为了解决无人机点云数据中的孔洞修补问题,本文提出了基于麻雀搜索算法(SSA)优化BP神经网络的无人机点云孔洞修补方法。首先利用麻雀搜索算法对传统的BP神经网络进行初始权重与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法(SSA-BP)运用于无人机点云数据中孔洞的修补。为了验证算法的可行性,将SSA-BP神经网络与传统的BP神经网络、最小二乘支持向量机(LSSVM)两组算法进行精度比较。试验结果表明:SSA-BP神经网络算法的修补精度高于另外两组对比算法,且SSA优化后的BP神经网络稳定性更强,在复杂地形孔洞的修补中仍具有较好的修补效果。 相似文献
3.
针对机载LiDAR点云的岛屿岸线提取过程复杂、附属岛屿岸线难以提取等问题,提出一种基于改进Alpha Shape算法的点云数据岛屿边界提取方法。首先利用布料模拟滤波算法剔除非岛屿点云数据,通过欧式聚类进行不同岛屿的提取,再将岛屿点云数据投影至二维平面,并根据岛屿点云构建格网。在此基础上使用自适应Alpha Shape算法,对提取出的岛屿点云进行边界提取,即可得到岛屿的岸线轮廓。选取新西兰的玛提尤/萨姆斯岛作为研究区域,并将本文算法与Alpha Shape算法进行对比,结果表明:本文算法提取岛屿边界点云的精准度为97.78%,可以准确地提取岛屿岸线,为海岛规划提供参考。 相似文献
1