非下采样Contourlet变换自适应图像去噪方法

doi:10.3778/j.issn.1002-8331.2010.10.050

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (10): 157-159.DOI: 10.3778/j.issn.1002-8331.2010.10.050

• 图形、图像、模式识别 • 上一篇下一篇

非下采样Contourlet变换自适应图像去噪方法

曾业战，钱盛友，刘畅，王岐学，丁亚军

湖南师范大学物理与信息科学学院，长沙 410081

收稿日期:2008-09-24 修回日期:2008-12-16 出版日期:2010-04-01 发布日期:2010-04-01
通讯作者: 曾业战

Image de-noising algorithm using adaptive threshold based on nonsubsampled Contourlet transform

ZENG Ye-zhan，QIAN Sheng-you，LIU Chang，WANG Qi-xue，DING Ya-jun

College of Physics and Information Science，Hunan Normal University，Changsha 410081，China

Received:2008-09-24 Revised:2008-12-16 Online:2010-04-01 Published:2010-04-01
Contact: ZENG Ye-zhan

摘要/Abstract

摘要： 提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换，得到各个尺度各个方向子带的系数，再根据该系数的能量自适应地调整去噪阈值。实验表明，与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比，该方法在保留图像边缘细节的同时，能提高图像的PSNR值，减少了Gibbs现象。

关键词: 图像去噪, 非下采样Contourlet变换, 阈值

Abstract: A new adaptive method of image de-noising based on NonSubsampled Contourlet Transform（NSCT） is presented.Firstly，the noisy image is decomposed into a set of multiscale and multidirectional frequency subbands by NSCT，and then the threshold is adapted automatically according to the energy of subband coefficients.Compared with the multi-scale threshold using contourlet transform and using adaptive threshold based on contourlet transform，the simulation results show that the performance of this method is superior in PSNR，meanwhile it can maintain the image edge and reduce the Gibbs phenomena.

Key words: image de-noising, nonsubsampled Contourlet transform, threshold

中图分类号:

TP391

曾业战，钱盛友，刘畅，王岐学，丁亚军. 非下采样Contourlet变换自适应图像去噪方法[J]. 计算机工程与应用, 2010, 46(10): 157-159.

ZENG Ye-zhan，QIAN Sheng-you，LIU Chang，WANG Qi-xue，DING Ya-jun . Image de-noising algorithm using adaptive threshold based on nonsubsampled Contourlet transform[J]. Computer Engineering and Applications, 2010, 46(10): 157-159.

[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]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[4]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[5]	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.
[6]	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.
[7]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[8]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[9]	刘杰，房俊，雷峰津. 电能质量异常数据在线检测方法[J]. 计算机工程与应用, 2020, 56(9): 240-247.
[10]	颜建军，陈松晔，燕海霞，王忆勤，郭睿. 基于递归图和卷积神经网络的脉象分析识别[J]. 计算机工程与应用, 2020, 56(7): 170-175.
[11]	宋杰，许冰，杨淼中. 基于自适应步长果蝇优化算法图像分割[J]. 计算机工程与应用, 2020, 56(4): 184-190.
[12]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[13]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[14]	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.
[15]	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.

非下采样Contourlet变换自适应图像去噪方法

Image de-noising algorithm using adaptive threshold based on nonsubsampled Contourlet transform

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