基于双变量阈值的非下采样contourlet变换图像去噪

《基于双变量阈值的非下采样contourlet变换图像去噪》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第31卷第3期2009年3月电子与信息学报JournMofElectronics&InformationTechnologyVbl．31No．3Mar．2009基于双变量阈值的非下采样Contourlet变换图像去噪贾建∞焦李成①项海林①⋯(西安电子科技大学智能信息处理研究所西安710071)⋯(西北大学数学东西安710069)摘要：系数阈值是流行的去噪方法，其中阈值方式与大小的选择是一个重要的技术问题。该文依据非下采样Contourlet分解系数与其父系数之间的相关性，给出非高斯双变量分布，对该模型应用Bayes估值理论推导得到相应

2、的非线性双变量阈值函数，综合非下采样Contourlet分解和双变量阈值函数，提出一种基于双变量阙值的非下采样Contourlet变换图像去噪方法(NSCTBI)。对于被加性高斯白噪声污染的图像，实验中将NSCTBI方法与非下采样Contourlet变换、小波域双变量阈值去噪等方法进行了比较，结果表明在大多数情况下，NSCTBI的PSNR结果相比这些方法高出0．5至2．3dB，在边缘特征方面保持了良好的视觉效果。关键词：去噪；非下采样Contourlet变换；双变量阈值；Bayes估计中图分类号：TP391。4文献标识码：A文章编号：1009

3、-5896(2009)03-0532-05UsingBivariateThresholdFunctionforImageDenoisinginNSCTDomainJiaJian∞JiaoLi-cheng①XiangHai-Un①⋯(InstituteoyIntelligentInformationProcessing，XidianUniversity，Xi’an710071，China)’(DepartmentofMathematics，NorthwestUniversity，X譬骶7100691China)Abstract：Asthemai

4、nprevailingdenomingmethod．howthethresholdfunctionworksandwhat’8thethresholdvaluearethegreatestimportancetechniques．Considerthedependenciesbetweenthecoefficientsandthekparents，anon-Gaussianbivariatedistributionisgiven，andcorrespondingnonlinearthresholdfunctionisderivedfromth

5、emodelusingBayesianestimationtheory．Accordingtonon-subsampledContourlettransformandbivariatethresholdfunction，anovelNon-SubsampledContourletTransformbasedonBivariatethresholdfunction(NSCTBI)forimagedenoisingisproposed．Thisschemeachievesenhancedestimationresultsforimagesthat

6、arecorruptedwithadditiveGaussiannoiseoverawiderangeofnoisevariance．Toevaluatetheperformanceoftheproposedalgorithms，theresultsarecomparedwithexistentalgorithms，sucha8non-subsampledContourlettransformandwavelet—basedbivariatethresholdfunctionmethodforimagedenoising．Thesimulat

7、ionresultsindicatethattheproposedmethodoutperformstheothers0．5-2．3dBinPSNR．andkeepbettervisualresultinedgesinformationreservation拍well．Keywords：Denoising；Non-subsampledContourlettransform；Bivariatethresholdfunction；Bayesestimation1引言自从Mallat给出小波(Wavelet)的快速分解方法之后，小波变换被广泛应用于

8、各个领域当中，并迅速从数学、信号处理拓展到物理、天文、地理、生物、化学等其它各个学科。作为图像处理的一个重要领域，图像去噪方法也因为小波的引入而得到了长足的发展。由