多尺度域非线性能量保持的图像去噪新方法

doi:10.3778/j.issn.1002-8331.2010.06.048

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (6): 166-168.DOI: 10.3778/j.issn.1002-8331.2010.06.048

• 图形、图像、模式识别 • 上一篇下一篇

多尺度域非线性能量保持的图像去噪新方法

范燕¹，宋晓宁²，吴小俊³

1.江苏科技大学电子信息学院，江苏镇江 212003
2.南京理工大学计算机科学与技术系，南京 210094
3.江南大学信息工程学院，江苏无锡 214122

收稿日期:2008-08-29 修回日期:2008-11-17 出版日期:2010-02-21 发布日期:2010-02-21
通讯作者: 范燕

New image denoising method based on multi-scale decomposition and nonlinear energy preserve

FAN Yan¹，SONG Xiao-ning²，WU Xiao-jun³

1.School of Electronics and Information，Jiangsu University of Science and Technology，Zhenjiang，Jiangsu 212003，China
2.Department of Computer Science and Technology，Nanjing University of Science and Technology，Nanjing 210094，China
3.School of Information Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2008-08-29 Revised:2008-11-17 Online:2010-02-21 Published:2010-02-21
Contact: FAN Yan

摘要/Abstract

摘要： 提出了一种基于Contourlet多尺度分解域核主成分分析的图像去噪新方法。该方法首先对源图像进行Contourlet分解，在不同频段的子带图像中，利用核主成分分析方法进行能量保持，用重构图像来进行子带去噪，最后通过Contourlet逆变换得到去噪之后的图像。实验结果表明，该方法不仅有效地降低了图像噪声，且峰值信噪比也较高。

关键词: 轮廓波变换, 核主成分分析, 图像去噪, 多尺度分解

Abstract: A new method based on Kernel Principal Component Analysis（KPCA） in contourlet multi-scale decomposition domain is proposed in order to solve image denoising problem.Firstly，contourlet transformation is applied on source image with this method.Secondly，image denoising is executed on different frequency sub-images with reconstructed images by KPCA method.Finally，denoised image is attained with inverse contourlet transform.The experimental results on images demonstrate that the proposed method not only decrease image noise effectively，but also improve PSNR.

Key words: Contourlet transform, kernel principal component analysis, image denoising, multi-scale decomposition

中图分类号:

TP391

范燕¹，宋晓宁²，吴小俊³. 多尺度域非线性能量保持的图像去噪新方法[J]. 计算机工程与应用, 2010, 46(6): 166-168.

FAN Yan¹，SONG Xiao-ning²，WU Xiao-jun³. New image denoising method based on multi-scale decomposition and nonlinear energy preserve[J]. Computer Engineering and Applications, 2010, 46(6): 166-168.

[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]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[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]	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]	师晓波，蔺素珍，桑新亚. 利用结构连续块和多尺度变换的缺损图像修复[J]. 计算机工程与应用, 2019, 55(8): 189-194.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

多尺度域非线性能量保持的图像去噪新方法

New image denoising method based on multi-scale decomposition and nonlinear energy preserve

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