分数阶B样条小波域的图像变分去噪

doi:10.3778/j.issn.1002-8331.2009.11.006

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (11): 19-21.DOI: 10.3778/j.issn.1002-8331.2009.11.006

分数阶B样条小波域的图像变分去噪

刘红毅^1,2,韦志辉²,张峥嵘^1,2

1.南京理工大学理学院，南京 210094
2.南京理工大学计算机科学与技术学院，南京 210094

收稿日期:2008-12-10 修回日期:2009-01-31 出版日期:2009-04-11 发布日期:2009-04-11
通讯作者: 刘红毅

Total variation image denoising based on fractional B-spline wavelet

LIU Hong-yi^1,2,WEI Zhi-hui²,ZHANG Zheng-rong^1,2

1.School of Science，Nanjing University of Science and Technology，Nanjing 210094，China
2.School of Computer Science and Technology，Nanjing University of Science and Technology，Nanjing 210094，China

Received:2008-12-10 Revised:2009-01-31 Online:2009-04-11 Published:2009-04-11
Contact: LIU Hong-yi

摘要/Abstract

摘要： 分数阶B样条具有分数阶逼近，可以更好地刻画图像纹理部分。将分数阶B样条小波推广到二维领域，利用分数阶B样条小波进行图像阈值去噪，提出了分数阶B样条小波域图像去噪的变分模型。同传统小波函数与全变差结合模型比较，分数阶B样条小波在保持纹理和去噪方面得到了明显改进。

关键词: 分数阶B样条, 图像去噪, 全变差

Abstract: Fractional B spline has a fractional order approximation of α+1，so can present image texture better.Extending the fractional B spline to two-dimension，and applying wavelet threshold to image denoising，a denoising method based on fractional B spline and total variation is proposed.Experimental results show that new denoising methods perform better both in denoising and preserving texture，compared with the traditional dependence of coefficients denoising algorithm.

Key words: fractional B-spline, image denoising, total variation

刘红毅^1,2,韦志辉²,张峥嵘^1,2. 分数阶B样条小波域的图像变分去噪[J]. 计算机工程与应用, 2009, 45(11): 19-21.

LIU Hong-yi^1,2,WEI Zhi-hui²,ZHANG Zheng-rong^1,2. Total variation image denoising based on fractional B-spline wavelet[J]. Computer Engineering and Applications, 2009, 45(11): 19-21.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[6]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[7]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[8]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[9]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[10]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[11]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[12]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[13]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[14]	肖佳，张俊华，梅礼晔. 基于改进BM3D算法的椒盐噪声去噪[J]. 计算机工程与应用, 2018, 54(21): 170-175.
[15]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.

分数阶B样条小波域的图像变分去噪

Total variation image denoising based on fractional B-spline wavelet

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics