一种基于非下采样contourlet变换的子带自适应阈值去噪方法

《一种基于非下采样contourlet变换的子带自适应阈值去噪方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、西北大学学报(自然科学版)2010年4月，第40卷第2期，Apr．，2010，Vo1．40，No．2JournalofNo~hwestUniversity(NaturalScienceEdition)l『JNWU一种基于非下采样Contourlet变换的子带自适应阈值去噪方法杨鹏(工业和信息化部电信研究院泰尔实验室无线通信部，北京100191)摘要：目的提出一种基于非下采样Contourlet变换的子带自适应阂值去噪方法。方法首先在贝叶斯估计的基础上，建立了系数萎缩处理阈值，它与尺度和方向相关，具有带自适应性，

2、进而根据Contourlet的曲线特征，设计出一种弧形窗口，用于估计系数的信号方差。结果该方法可以有效消除图像中噪声且保护图像的边缘细节信息。结论与传统方法相比，可获得较高PSNR值且能保护图像的边缘等细节信息。关键词：图像去噪；非下采样Contourlet变换；小带自适应阈值；孤形窗中图分类号：TP312文献标识码：A文章编号：1000—274X(2010)02_()25l-()5ImagedenoisinguseadaptivethresholdbysubbandinnonsubsampledContour

3、letdomainYANGPeng(DepartmentofRadioCommunication，ChinaTelecommunicationTechnologyLabsofMITF，Beijing100045，China)Abstract：AimTopresentanewthresholdingdenoisingmethodinnonsubsampledContourletdomain．MethodsFirstbasedonBayesianestimator，itrelateswiththeinformati

4、onofscaleanddirection，possessingthesubbanda-daptivecharacter，anddefininganarchwindow，adaptingtheeurvilinearcharacterofnonsubsampledContourlet，toestimateeverycoefficient’Svariance．ResultsTheproposedapproachperformseffectivelyintermsofbothvisionandPSNRvalues．C

5、onclusionComparedwiththetraditionalmethod，theproposedapproachcanachievehigherPSNRvaluesandvision．Keywords：imagedenoising；nosubsampledContourlettransform；adaptivethresholdbysubbad；archwindow图像中的噪声对图像分析、压缩等高层图像处ourlet变换不具有平移不变性，且易引入一定的人工理影响很大，所以图像去噪是图像处理中最重要的痕

6、迹，为此文献[2]又提出了非下采样的Contourlet一部分。小波变换作为信号处理的一种有力手段，变换(NSCT)，并通过简单的阈值方法去除高斯噪在图像去噪领域得到了广泛的应用，由于常用的二声。本文将NSC]、和一种新的子带子适应阂值相结维小波基函数的各向同性性质导致方向选择性差，合，取得了优于其他方法的去噪效果。且由张量积形成的二维小波不能以最稀疏的方式表示图像的轮廓及其边缘信息，不是表示图像的最优1非下采样Contourlet变换基⋯，使得小波变换在图像去噪处理中表现出一定的局限性，容易导致图像边缘和纹理

7、信息的一定缺Contourlet变换是一种真正的二维图像表示失。方法，它主要有两个步骤实现：拉普拉斯塔式分解为克服上述局限性，文献[1]提出了一种真正LP(1aplacianpyramid)和方向滤波器组DFB(direc—的二维图像表示方法：Contourlet变换。但是，Cont—tionalfilterbanks)滤波。图1给出了Contourlet变换收稿日期：2009-06-07基金项目：工业和信息化部电子信息事业发展基金资助项目作者简介：杨鹏，男，陕西咸阳人，从事移动通信、图像处理方面的研究。西北大

8、学学报(自然科学版)第40卷的滤波器组结构。但是，由于Contourlet变换在LP分解时，需要对图像进行隔行隔列下采样，导致了⋯卜Contourlet变换不具有平移不变性的特性。为此，文一￡一一旦～一口一献[2]又提出了NSCT，NSCT去掉了Contourlet变换中的下采样步骤，在实现时，需要通过非下采样的金du⋯一字塔尺度分解和基于非下采样方向性滤波器组的方向分解来实现。图2给