说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 图象退化
1)  Image degenerate
图象退化
2)  Degenerated image
退化图象
3)  image motion blurred
图象运动退化
4)  degeneracy phenomenon
退化现象
1.
Although the resampling process can be used to reduce the effects of degeneracy phenomenon, it usually produces the sample impoverishment problem which makes filter s performance worse.
粒子滤波(PF)是动态贝叶斯网络(DBN)的一种近似推理算法,虽然重抽样过程的引入能有效减轻PF的退化现象,却带来了采样枯竭问题,导致推理精度下降。
5)  image degeneration
图像退化
6)  image degradation
图像退化
1.
By analysis on image degradation of X-ray imaging system, the restoration method of inverse filtering was introduced and an approximate restoration algorithm was proposed.
图像退化是引起X射线探测器图像质量下降的主要原因。
2.
Image gray degradation and geometric transform are treated as image degradation,and image degradation invariant is proposed,and the construction of degradation invariant is analyzed.
灰度退化和几何变换都看作图像退化,提出了图像退化不变量的概念,分析了退化不变量的构造,并分析经典的几何不变量的退化不变性。
3.
In this paper the influences of imaging system on static image are discussed and modeling of image degradation isestablished (especially the transfer function) taking the transfer functions of the component parts of the system into consideration.
文中讨论了成像系统对静止图像质量产生的影响,综合考虑系统的各个组成部件的传递函 数,建立成像系统对图像退化的模型(传递函数),通过计算机模拟生成了退化后的图像。
补充资料:图象退化


图象退化
image degradation

  原始图t退化图t回回 (a)非线性退化困困 (卜)徽焦退化曰回(c)旋转运动模糊口圆(d)随机嗓声污染 图1几种退化现象的图例 图2的模型表示,一幅模糊图象f(x,y)可以看作是原始图象g(x,刃经过算子H(这里把图象的退化过程模型化为一个算子,或者说施加于图象g(x,y)的一种运算)作用后再叠加噪声n(x,y)的结果。 n(x,y)g(x,,)┌─┐│H │└─┘f(x,夕) 图2图象退化过程的模型 对于图1中(a)的情况,算子H是非线性函数。对于图1中(b)的情况,算子H具有线性和位移不变特性,即输出图象只决定于图象点的幅值,与图象点在空间的位置无关。对于图1中的(。),算子H由摄象机与物体之间的相对运动来决定。对于图1中(d)的情况,通常假定噪声n(x,y)是随机噪声,并且具有有限幅值。实际退化图象经常是其中几种退化现象的综合结果。tuxlang tu!hua图象退化《imaged理,川ation)在成象过程中由于成象系统本身或噪声等多种因素的影响使图象变得模糊的现象。图象退化也称为劣化。分析和了解退化现象及其原因,建立退化过程的数学模型是进行图象复原的必要条件。基于退化的模型,我们可以运用相反运算去掉模糊,改进图象的质量。图1中表示了几种退化现象的图例。在图1中,(a)是在摄象时由于曝光量和感光密度的非线性引起的非线性退化;(b)是由于散焦或光的衍射作用引起的退化;(C)是曝光期间摄象机与物体之间有相对运动而产生的运动模糊;(d)是叠加有随机噪声的模糊图象。(a)、(b)和(c)的情况是与成象系统和成象过程有关的。(d)的情况可能与成象过程无关,如相纸上的斑点、显示噪声等。图2将退化过程综合为一个模型,与其对应的数学表达式为: f(x,夕)=H[g(x,夕)」+n(x,夕)(一)
  
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条