一种新的结合非下采样contourlet与自适应全变差的图像去噪方法

一种新的结合非下采样contourlet与自适应全变差的图像去噪方法

ID:34523713

大小:828.26 KB

页数:6页

时间:2019-03-07

一种新的结合非下采样contourlet与自适应全变差的图像去噪方法_第1页
一种新的结合非下采样contourlet与自适应全变差的图像去噪方法_第2页
一种新的结合非下采样contourlet与自适应全变差的图像去噪方法_第3页
一种新的结合非下采样contourlet与自适应全变差的图像去噪方法_第4页
一种新的结合非下采样contourlet与自适应全变差的图像去噪方法_第5页
资源描述:

《一种新的结合非下采样contourlet与自适应全变差的图像去噪方法》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、更多技术文章,论文请登录www.srvee.com第32卷第2期电子与信息学报Vol.32No.22010年2月JournalofElectronics&InformationTechnologyFeb.2010一种新的结合非下采样Contourlet与自适应全变差的图像去噪方法武晓玥郭宝龙李雷达(西安电子科技大学智能控制与图像工程研究所西安710071)摘要:该文提出了一种新的结合非下采样Contourlet变换(NSCT)和自适应全变差模型的图像去噪方法。首先通过NSCT对含噪图像进行分解,根据高斯比例混合(GSM)模型建立图像模型;然后

2、利用贝叶斯估计进行图像去噪,重构后得到初次去噪图像;最后,结合自适应全变差模型对初次去噪图像进行重构滤波,得到最终的去噪图像。实验结果表明,该方法可以有效地消除图像中的Gibbs伪影及噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有的算法。关键词:图像处理;非下采样Contourlet变换;自适应全变差;高斯比例混合模型中图分类号:TN911.73文献标识码:A文章编号:1009-5896(2010)02-0360-06DOI:10.3724/SP.J.1146.2008.01830ANewImageDenoisingMeth

3、odCombiningtheNonsubsampledContourletTransformandAdaptiveTotalVariationWuXiao-yueGuoBao-longLiLei-da(InstituteofIntelligentControl&ImageEngineering,XidianUniversity,Xi’an710071,China)Abstract:ThispaperpresentsanewimagedenoisingschemebycombiningtheNonSubsampledContourletTran

4、sform(NSCT)andadaptivetotalvariationmodel.TheoriginalimageisfirstdecomposedusingNSCTandtheimagemodelisbuiltbasedonGaussianScaleMixtures(GSM)model.ThentheimagenoisesareremovedusingBayesianestimation,producingthepreliminarydenoisedimageafterreconstruction.Thenthepreliminarypr

5、imarydenoisedimageisfurtherfilteredusingtheadaptivetotalvariationmodel,producingthefinaldenoisedimage.ExperimentsshowthattheproposedschemecanremoveGibbs-likeartifactsandimagenoiseeffectively.Besides,itoutperformstheexistingschemesinregardofboththePeak-Signal-to-Noise-Ratio(

6、PSNR)andtheedgepreservationability.Keywords:Imageprocessing;NonSubsampledContourletTransform(NSCT);Adaptivetotalvariation;GaussianScaleMixtures(GSM)model1引言采样多级分解和非下采样多级方向滤波器组成,具有平移不变性,能够更好地对图像进行稀疏表示。由于图像往往在采集或传输的过程中受到噪声因此,对于数据冗余量要求不高的图像处理任务(如污染,因此,图像去噪始终是计算机视觉和图像处去噪),能得到更加

7、理想的结果,且设计更加灵活。理领域中一个根本和广泛的研究课题。而去除图像偏微分方程图像去噪通常分为两类,即热扩散中噪声的关键是保存重要的影像特征并有效抑制噪方程法和能量泛函极小化变分法。全变差模型便是声。目前,计算调和分析和偏微分方程的去噪方法[1,2]一种基于能量泛函极小化变分的方法。过去,偏微是解决这类问题的有效工具。分方程和计算调和分析领域的多尺度分析方法均是在计算调和分析领域,常见的图像去噪方法是各自独立地发展。最近,已有学者对二者在图像处小波阈值收缩方法。由于小波变换具备良好的时频理方面的关系进行了研究,发现这两类方法可以有特性和多

8、分辨率特性,所以小波阈值去噪方法被广效结合起来,并从一种新的角度来进行图像去噪方泛应用于各种去噪处理中。但小波展开的系数不是面的研究,如偏微分方程滤波可以有效去除多

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。