小波域三维块匹配图像去噪

doi:10.3778/j.issn.1002-8331.2010.16.054

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (16): 185-187.DOI: 10.3778/j.issn.1002-8331.2010.16.054

• 图形、图像、模式识别 • 上一篇下一篇

小波域三维块匹配图像去噪

刘向乐，冯象初

西安电子科技大学理学院，西安 710071

收稿日期:2008-11-21 修回日期:2009-02-11 出版日期:2010-06-01 发布日期:2010-06-01
通讯作者: 刘向乐

Image denoising by mixing wavelet transformation with sparse 3D collaborative filtering

LIU Xiang-le，FENG Xiang-chu

School of Science，Xidian University，Xi’an 710071，China

Received:2008-11-21 Revised:2009-02-11 Online:2010-06-01 Published:2010-06-01
Contact: LIU Xiang-le

摘要/Abstract

摘要： 提出了一种关于图像去噪的三维块匹配算法（BM3D算法）的改进算法。它不仅保留了三维块匹配算法好的性质，而且最大的优点是能大大减少计算量，缩短运算时间。算法包括三个步骤：首先，对含噪图像进行小波分解；其次，对小波分解后的高频分量用三维块匹配（BM3D）算法进行去噪处理；最后，用处理后的结果进行小波重构得到去噪图像。给出了该算法的详细实现过程，并把它与以前的三维块匹配算法进行了比较。结果表明，改进后的算法，不但保留了三维块匹配算法在去噪方面好的性质，而且大大减少了运算量。

关键词: 图像去噪, 块匹配与三维滤波, 小波变换

Abstract: An improved algorithm of image denoising by sparse 3D transform-domain collaborative filtering（BM3D） is proposed.It not only keeps the good performance of the BM3D algorithm，but also can reduce the computation time significantly.This paper realizes it using the three successive steps：Wavelet decomposition of an image，process in the wavelet transformation domain by using the BM3D method，and wavelet reconstruction.An efficient implementation of this algorithm is presented in full detail.Also the comparison of this improved algorithm with the BM3D approach is given.The experimental results demonstrate that this improved method achieves excellent denoising performance in terms of even higher signal-to-noise ratio，subjective visual quality and much less computation amount.

Key words: image denoising, Block-Matching and 3D filtering（BM3D）, wavelet transformation

中图分类号:

TN911.73

刘向乐，冯象初. 小波域三维块匹配图像去噪[J]. 计算机工程与应用, 2010, 46(16): 185-187.

LIU Xiang-le，FENG Xiang-chu. Image denoising by mixing wavelet transformation with sparse 3D collaborative filtering[J]. Computer Engineering and Applications, 2010, 46(16): 185-187.

[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]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[5]	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.
[6]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[7]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[8]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.

小波域三维块匹配图像去噪

Image denoising by mixing wavelet transformation with sparse 3D collaborative filtering

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