IVHC（快速图像噪声估计）
这是在Python和Matlab上的实现。 另请参阅 。 IVHC是一个模型，用于估计图像和视频信号中的高斯噪声，与信号有关的噪声和经过处理的噪声。 该估计基于图像斑块的强度变化的分类，以便找到最能代表噪声的均匀区域。
这是强度方差均匀性分类（IVHC）噪声估计的框图。
输入：
嘈杂的灰色图像
最大多项式回归度
输出：
Y通道中的噪声方差（最佳代表）
处理噪声的程度
噪音等级功能
该存储库包括：
Matlab和IVHC的Python实现。
Matlab演示文件可估算AWGN，处理后的噪声以及与信号有关的噪声。
Python演示文件可估算AWG
2021-09-08 11:04:25
2.19MB
1
行业分类-设备装置-基于低噪声激发式荧光标记的A组轮状病毒的层析试纸条.zip
2021-09-08 09:06:00
615KB
行业分类-设备装置-基于低噪声激发式荧光标记的单增李斯特菌的层析试纸条.zip
2021-09-08 09:05:59
648KB
行业分类-设备装置-基于低噪声激发式荧光标记的单增李斯特菌的层析试纸条.zip
2021-09-08 09:05:58
648KB
行业分类-设备装置-基于低噪声激发式荧光标记的副溶血弧菌免疫层析试纸条.zip
2021-09-08 09:05:58
670KB
行业分类-设备装置-基于低噪声激发式荧光标记的甲肝病毒的层析试纸条.zip
2021-09-08 09:05:56
599KB
行业分类-设备装置-基于低噪声激发式荧光标记的沙门氏菌免疫层析试纸条.zip
2021-09-08 09:05:55
647KB
提出了基于集合经验模态分解(EEMD)和奇异值(SVD)相结合的微弱信号提取方法和高低频部分的判别准则:采用EEMD把信号分解成几部分,将IMF分为高频段与低频段2部分,对2部分分别进行奇异值处理,叠加得到降噪信号,做出其频谱图,得到所需要的有用信号。此方法可以在未知原信号的情况下提取,并且可以提取信噪比为-15 dB的信号。仿真结果和对比分析表明,此方法能更好地提取微弱特征信号。
2021-09-07 22:04:15
855KB
1