利用非抽样Shearlet域GSM模型进行图像去噪

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用非抽样Shearlet域GSM模型进行图像去噪

高国荣, 许录平, 冯冬竹

文章导航 > 武汉大学学报 ( 信息科学版) > 2013 > 38(7): 778-782

高国荣, 许录平, 冯冬竹. 利用非抽样Shearlet域GSM模型进行图像去噪[J]. 武汉大学学报 ( 信息科学版), 2013, 38(7): 778-782.

引用本文:

高国荣, 许录平, 冯冬竹. 利用非抽样Shearlet域GSM模型进行图像去噪[J]. 武汉大学学报 ( 信息科学版), 2013, 38(7): 778-782.

GAO Guorong, XU Luping, FENG Dongzhu. Image Denoising Based on the NSST Domain GSM Model[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7): 778-782.

Citation:

GAO Guorong, XU Luping, FENG Dongzhu. Image Denoising Based on the NSST Domain GSM Model[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7): 778-782.

利用非抽样Shearlet域GSM模型进行图像去噪

¹西安电子科技大学电子工程学院;²西北农林科技大学理学院

基金项目: 国家自然科学基金资助项目(61172138,61203202)

作者简介:
高国荣，讲师，博士生，研究方向为数字图像处理。

中图分类号: P237.3

Image Denoising Based on the NSST Domain GSM Model

¹School of Electronic Engineering,Xidian University,2 South Taibai Road,Xi’an 710071,China;²College of Science,Northwest A&F University,22 Xinong Road,Yangling 712100,China

Funds: 国家自然科学基金资助项目(61172138,61203202)

摘要: 为有效去除含噪图像中的噪声,提出了一种基于非抽样剪切波域高斯比例混合模型的图像去噪方法。首先建立含噪图像非抽样剪切波系数的局部高斯比例混合模型,然后应用贝叶斯最小二乘法对无噪图像的非抽样剪切波系数进行估计,最后通过非抽样剪切波逆变换得到去噪后的图像。该方法充分利用了非抽样剪切波变换的平移不变性、对图像边缘纹理等细节的高效表示能力以及高斯比例混合模型对非抽样剪切波变换系数局部相关性的概括能力。实验结果表明,与基于小波域高斯比例混合模型的图像去噪方法、曲波域多变量阈值去噪方法以及非抽样剪切波域的硬阈值法相比,该方法不仅能更有效地去除含噪图像中的噪声,提高其信噪比以及与原始无噪图像的平均结构相似度,...
- 剪切波变换 /
- 图像去噪 /
- GSM模型
Abstract: An image denoising method based on the non-subsampled Shearlet domain Gaussi- an scale mixture model is presented.First,a Gaussian scale mixture model is used to model the correlation of the locally non-subsampled Shearlet coefficients of the noisy image.Then,the noise-free coefficients are estimated by the Bayes least square estimator.Finally,the inverse non-subsampled shearlet transform(NSST) is applied to these estimated Shearlet coefficients to obtain the denoised image.Experimental results show that the proposed method can remove Gaussian white noise while effectively preserving edges and texture information.At the same time,it can achieve a higher PSNR and mean structural similarity than the wavelet based GSM method,the curvelet domain multivariate shrinkage method and the non-subsampled Shearlet domain hard thresholding method.
- shearlet transform /
- image denoising /
- GSM model

[1]	鄢煜尘周前进,段柳云,陈庆虎,. 形态学重度污染文本图像去噪处理[J]. 武汉大学学报(信息科学版). 2012(09)[2] 郭强郁松年,. 基于三变量模型的剪切波去噪方法[J]. 自动化学报. 2010(08)[3] 刘卫华何明一,. 基于高斯混合模型图像局部自适应去噪算法[J]. 系统工程与电子技术. 2009(12)[4] 王文波张晓东,羿旭明,费浦生,. 利用曲波域BivaShrink模型进行SAR图像去噪[J]. 武汉大学学报(信息科学版). 2009(07)

[1]	谢政宇, 刘学广, 张巩, 吴牧云, 闫明, 张二宝, 谭鉴. 利用小波去噪进行步态加速度信号预处理 . 武汉大学学报 ( 信息科学版), 2022, 47(11): 1956-1962. doi: 10.13203/j.whugis20200265
[2]	何永红, 朱建军, 靳鹏伟. 一种使用剪切波变换的干涉图滤波算法 . 武汉大学学报 ( 信息科学版), 2018, 43(7): 1008-1014. doi: 10.13203/j.whugis20160236
[3]	王德军, 熊永良, 徐韶光. 利用窗口小波去噪的高精度动态单历元定位算法 . 武汉大学学报 ( 信息科学版), 2015, 40(6): 779-784. doi: 10.13203/j.whugis20130636
[4]	夏桂松, 薛楠, 王子锋, 张良培. 复张量场扩散方程及其在PolSAR图像去噪中的应用 . 武汉大学学报 ( 信息科学版), 2015, 40(11): 1533-1538,1556. doi: 10.13203/j.whugis20140630
[5]	刘金硕, 程力, 王丽娜, 郑勇. 利用CUDA的剪切波数据三维可视化 . 武汉大学学报 ( 信息科学版), 2013, 38(11): 1271-1275.
[6]	尹晖, 朱锋. 时序数据去噪中的小波策略及评价指标 . 武汉大学学报 ( 信息科学版), 2012, 37(11): 1374-1377.
[7]	高建, 张斌, 张飞艳, 秦前清. 一种遥感影像Min/max流去噪方法的研究 . 武汉大学学报 ( 信息科学版), 2012, 37(1): 31-34.
[8]	鄢煜尘, 周前进, 段柳云, 陈庆虎. 形态学重度污染文本图像去噪处理 . 武汉大学学报 ( 信息科学版), 2012, 37(9): 1100-1103.
[9]	吕立蕾, 龚威, 宋沙磊, 祝波. 地物反射率探测激光雷达回波信号的小波去噪 . 武汉大学学报 ( 信息科学版), 2011, 36(1): 56-59.
[10]	杨成杰, 吴冲龙, 翁正平, 张夏林. 矢量剪切技术在地质三维建模中的应用 . 武汉大学学报 ( 信息科学版), 2010, 35(4): 419-422.
[11]	杨学峰, 李金宗, 李冬冬, 朱兵. 一种基于前后向扩散的图像去噪与增强方法 . 武汉大学学报 ( 信息科学版), 2010, 35(8): 975-978.
[12]	王文波, 张晓东, 羿旭明, 费浦生. 利用曲波域BivaShrink模型进行SAR图像去噪 . 武汉大学学报 ( 信息科学版), 2009, 34(7): 814-817.
[13]	罗敏, 朱晓岷, 李小红, 余纯武. 基于径向小波变换的图像特征提取算法 . 武汉大学学报 ( 信息科学版), 2008, 33(1): 29-31.
[14]	王黎, 孙云莲. 二维小波变换及ICA消除图像混合噪声 . 武汉大学学报 ( 信息科学版), 2008, 33(2): 136-139.
[15]	邢帅, 谭兵, 徐青, 李建胜. 基于复数小波变换的遥感图像融合新算法 . 武汉大学学报 ( 信息科学版), 2007, 32(1): 75-77.
[16]	王文波, 费浦生, 羿旭明, 张建国. 基于提升格式小波包变换的SAR图像去噪 . 武汉大学学报 ( 信息科学版), 2007, 32(7): 585-588.
[17]	王文, 芮国胜, 邢福成. 基于数据融合的多尺度图像去噪方法 . 武汉大学学报 ( 信息科学版), 2006, 31(4): 329-331.
[18]	程起敏, 杨崇俊, 邵振峰. 基于多进制小波变换的渐进式纹理图像检索 . 武汉大学学报 ( 信息科学版), 2005, 30(6): 521-524.
[19]	李军, 林宗坚. 小波变换的多分辨率支集用于噪声图像低通滤波 . 武汉大学学报 ( 信息科学版), 1996, 21(4): 366-370.
[20]	钟业勋. 地图复制印刷中图像变换数学模型的研究 . 武汉大学学报 ( 信息科学版), 1995, 20(4): 332-336.

WeChat

点击查看大图

计量

文章访问数: 1142
HTML全文浏览量: 50
PDF下载量: 743
被引次数: 0

利用非抽样Shearlet域GSM模型进行图像去噪

¹西安电子科技大学电子工程学院;²西北农林科技大学理学院

基金项目: 国家自然科学基金资助项目(61172138,61203202)

作者简介:
高国荣，讲师，博士生，研究方向为数字图像处理。

收稿日期: 2013-04-18
修回日期: 2013-04-18
刊出日期: 2013-07-05

中图分类号: P237.3

关键词:

剪切波变换 /

摘要: 为有效去除含噪图像中的噪声,提出了一种基于非抽样剪切波域高斯比例混合模型的图像去噪方法。首先建立含噪图像非抽样剪切波系数的局部高斯比例混合模型,然后应用贝叶斯最小二乘法对无噪图像的非抽样剪切波系数进行估计,最后通过非抽样剪切波逆变换得到去噪后的图像。该方法充分利用了非抽样剪切波变换的平移不变性、对图像边缘纹理等细节的高效表示能力以及高斯比例混合模型对非抽样剪切波变换系数局部相关性的概括能力。实验结果表明,与基于小波域高斯比例混合模型的图像去噪方法、曲波域多变量阈值去噪方法以及非抽样剪切波域的硬阈值法相比,该方法不仅能更有效地去除含噪图像中的噪声,提高其信噪比以及与原始无噪图像的平均结构相似度,...

English Abstract

高国荣, 许录平, 冯冬竹. 利用非抽样Shearlet域GSM模型进行图像去噪[J]. 武汉大学学报 ( 信息科学版), 2013, 38(7): 778-782.

引用本文:

高国荣, 许录平, 冯冬竹. 利用非抽样Shearlet域GSM模型进行图像去噪[J]. 武汉大学学报 ( 信息科学版), 2013, 38(7): 778-782.

GAO Guorong, XU Luping, FENG Dongzhu. Image Denoising Based on the NSST Domain GSM Model[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7): 778-782.

Citation:

GAO Guorong, XU Luping, FENG Dongzhu. Image Denoising Based on the NSST Domain GSM Model[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7): 778-782.

全文HTML

参考文献 (1)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码