基于变换域和噪声估计的路面图像去噪研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (19): 1-3.

基于变换域和噪声估计的路面图像去噪研究

韩丽娜1，2，耿国华1，周明全3

1.西北大学可视化技术研究所，西安 710127
2.咸阳师范学院图像处理研究所，陕西咸阳 712100
3.北京师范大学信息科学与技术学院，北京 100875

出版日期:2012-07-01 发布日期:2012-06-27

Research on pavement image denoising using transform domain and noise estimation

HAN Lina1，2, GENG Guohua1, ZHOU Mingquan3

1.Institute of Visualization Technology, Northwest University, Xi’an 710127, China
2.Institute of Graphics and Image Processing, Xianyang Normal University, Xianyang, Shaanxi 712000, China
3.School of Information Science and Technology, Beijing Normal University, Beijing 100875, China

Online:2012-07-01 Published:2012-06-27

摘要/Abstract

摘要： 针对不考虑噪声的统计分布，仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题，提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同，以及图像噪声在不同变换域下的统计特性，提出先将图像进行傅里叶变换，根据噪声的统计特性构造传递函数H，使用Wiener滤波器进行降噪处理，得到一次降噪图像；再对图像再进行小波变换，根据噪声在小波的各尺度下，以及同一尺度下的不同特性，分别采用软门限降噪法和MMSE准则的降噪方法，得到二次降噪图像。仿真实验证实，该算法能有效提高降噪效果，降噪后的图像不失真，包含噪声少。

关键词: 变换域, 噪声估计, 图像去噪, MMSE准则

Abstract: In light of without regard of the noise statistical distribution, and only using Fast Fourier Transform（FFT） and wavelet transform to image noise reduction bringing an image distortion, This paper proposes a method of image denoising based on the transform domain and noise estimation. According to FFT and wavelet transform on image effective expression of different emphases and image noise with statistical characteristic in different transform domains, the paper presents image Fourier transformation, then constructs transfer function H with noise statistics, finally obtains the first denoising image after using the Wiener filter for noise reduction. And it carrays out denoising image wavelet transform, then uses threshold denoising method and MinimumMean Square Error（MMSE） criterion estimation method to get the second denoised image according to the noise with different characteristics in wavelet of various scales and the same. Simulation experiments show that the algorithm can effectively improve the effect of noise reduction which the denoising images contain less noise with no distortion.

Key words: transform domain, noise estimation, image denoising, MinimumMean Square Error（MMSE） criterion

韩丽娜1，2，耿国华1，周明全3. 基于变换域和噪声估计的路面图像去噪研究[J]. 计算机工程与应用, 2012, 48(19): 1-3.

HAN Lina1，2, GENG Guohua1, ZHOU Mingquan3. Research on pavement image denoising using transform domain and noise estimation[J]. Computer Engineering and Applications, 2012, 48(19): 1-3.

[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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.