Resumen

Para evitar los bordes borrosos, el ruido y los halos causados por el algoritmo de filtrado de imágenes guiado, este artículo propone un algoritmo de filtrado de imágenes guiado por el dominio de gradiente no lineal para la eliminación del aspecto de las imágenes. Para ajustar dinámicamente la preservación de los bordes y la suavidad de las imágenes desdibujadas, este trabajo propone un descenso de gradiente de orden fraccionario con una red neuronal RBF de impulso para optimizar el filtrado guiado por dominio de gradiente no lineal (NGDGIF-FOGDMRBF). Se demuestra su convergencia. Para acelerar el proceso de convergencia, se utiliza una tasa de aprendizaje adaptativa para ajustar razonablemente el proceso de entrenamiento. Los resultados verifican los resultados teóricos del algoritmo propuesto, como su monotonicidad y convergencia. La curva descendente de los valores de error mediante FOGDM es más suave que el descenso de gradiente y el descenso de gradiente con método de impulso. Se analiza y compara la influencia del parámetro de regularización. En comparación con el canal oscuro previo, la ecualización de histogramas, el filtrado homomórfico y la fusión de exposiciones múltiples, el halo y el ruido generados se reducen significativamente con una relación señal-ruido pico y un índice de similitud estructural superiores.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:dominio de gradiente no lineal, descenso de gradiente, tasa de aprendizaje adaptable, señal de pico superior, algoritmo de filtrado de imágenes, fusión de exposiciones múltiples, descenso de gradiente de orden, índice de similitud estructural, algoritmo, convergencia
• Keywords:nonlinear gradient domain, gradient descent, adaptive learning rate, higher peak signal, image filtering algorithm, multiple exposure fusion, order gradient descent, structural similarity index, algorithm, convergence