自适应Bandelet框架及其在图像去噪中的应用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 69-71.

自适应Bandelet框架及其在图像去噪中的应用

龙奕^1,2,尹忠科¹,王建英¹,李恒建¹

1.西南交通大学信息科学与技术学院，成都 610031
2.贵州大学电气工程学院，贵阳 510003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 龙奕

Construction and application of adaptive bandelet frame in image denoising

LONG Yi^1,2,YIN Zhong-ke¹,WANG Jian-ying¹,LI Heng-jian¹

1.School of Information Science & Technology，Southwest Jiaotong University，Chengdu 610031，China
2.School of Electrical Engineering，Guizhou University，Guiyang 550003，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: LONG Yi

摘要/Abstract

摘要： 在Bandelet变换中噪声影响了对图像实际几何方向的寻找。针对这一问题，提出了一种自适应Bandelet框架——根据图像去噪这一应用目标，重新修定建立四叉树结构和确定图像几何方向的若干规则，从而计算出较为精确的图像几何方向，并且实现了基于自适应Bandelet框架的去噪算法。实验表明同传统的小波子带多阈值去噪法相比，该算法不仅提高了去噪后图像的峰值信噪比（PSNR），而且更好地保留了图像的细节特征。

关键词: 自适应Bandelet框架, 四叉树, 几何方向, 小波阈值法

Abstract: The search for geometrical direction of image is counteracted by noise in Bandelet.Aiming at this deficiency，an adaptive Bandelet frame is presented；the rule of selection of best geometry of image and building of image quadtree is regulated afresh for the image-denoising objective in this frame.In accordance，the geometrical direction of image is calculated more exactly and a new image-denoising approach based on adaptive Bandelet frame is achieved.The numerical experiments show that this method gives better PSNR gains and can preserve much more details of the images than wavelet thresholding methods.

Key words: adaptive bandelet frame, quadtree, geometry, wavelet thresholding methods

龙奕^1,2,尹忠科¹,王建英¹,李恒建¹. 自适应Bandelet框架及其在图像去噪中的应用[J]. 计算机工程与应用, 2008, 44(1): 69-71.

LONG Yi^1,2,YIN Zhong-ke¹,WANG Jian-ying¹,LI Heng-jian¹. Construction and application of adaptive bandelet frame in image denoising[J]. Computer Engineering and Applications, 2008, 44(1): 69-71.

[1]	伍锡如，黄榆媛，王耀南. 改进ORB特征的机器人RGB-D SLAM算法[J]. 计算机工程与应用, 2020, 56(14): 35-44.
[2]	马菁1，2，李力3. RDD上扩展索引层优化的分布式K-means算法[J]. 计算机工程与应用, 2019, 55(1): 161-167.
[3]	陈长华1，刘煜2，崔强3. 结合饱和度运算和暗通道理论的遥感图像去雾算法[J]. 计算机工程与应用, 2018, 54(5): 174-179.
[4]	覃宏超，李炎炎，龙伟，赵瑞朋，王倩. 改进的暗原色先验理论视频去雾算法研究[J]. 计算机工程与应用, 2018, 54(16): 176-181.
[5]	刘万军，赵庆国. 基于颜色饱和度的快速图像去雾研究[J]. 计算机工程与应用, 2017, 53(8): 209-215.
[6]	杨泽雪. 空间数据库中的一种混合索引结构的研究[J]. 计算机工程与应用, 2017, 53(20): 20-23.
[7]	杨莹. 瓦片四叉树和填充曲线实现海量地形数据管理[J]. 计算机工程与应用, 2016, 52(14): 192-196.
[8]	张文俊，张雄. 目标跟踪中的四叉树分块模型[J]. 计算机工程与应用, 2015, 51(4): 76-82.
[9]	李世平，刘立京，苗承强，顾树生. 差量分析和四叉树结合的分形图像编码算法[J]. 计算机工程与应用, 2014, 50(4): 170-172.
[10]	束建华1，殷志祥2. 基于wedgelets的快速图像表示方法[J]. 计算机工程与应用, 2014, 50(2): 147-151.
[11]	张兵强1，张立民1，李垠广2，张建廷1. 分块LOD连续非线性分布的地形渲染[J]. 计算机工程与应用, 2013, 49(4): 213-218.
[12]	王宇，张军，卢虎. World wind平台地理环境建模方法的研究与改进[J]. 计算机工程与应用, 2012, 48(36): 75-79.
[13]	丁西明1，段汉根2，范益政3. 四叉树分解的图像插值[J]. 计算机工程与应用, 2011, 47(20): 191-193.
[14]	支晓栋¹，林宗坚²，苏国中³，钟良¹. 基于改进四叉树的LiDAR点云数据组织研究[J]. 计算机工程与应用, 2010, 46(9): 71-74.
[15]	迟冬祥¹，程伟中². 应用迭代四叉树的肝脏MR图像分割[J]. 计算机工程与应用, 2010, 46(9): 142-145.