一种基于全变差正则化与小波包变换的图像去噪算法

吉林大学学报(理学版)

一种基于全变差正则化与小波包变换的图像去噪算法

左平¹, 王洋^2,3, 申延成¹

1. 空军航空大学基础部, 长春 130022; 2. 吉林大学计算机科学与技术学院, 长春 130012;3. 吉林大学公共计算机教学与研究中心, 长春 130012

收稿日期:2013-01-19 出版日期:2014-01-26 发布日期:2014-03-05
通讯作者: 王洋 E-mail:wyangjlu@mail.jlu.edu.cn

Image Denoising Algorithm Based on Wavelet PacketTransform and Total Variation Model

ZUO Ping¹, WANG Yang^2,3, SHEN Yan-cheng¹

1. Department of Foundation, Aviation University of Air Force, Changchun 130022, China;2. College of Computer Science and Technology, Jilin University, Changchun 130012, China;3. Public Computer Teaching and Research Center, Jilin University, Changchun 130012, China

Received:2013-01-19 Online:2014-01-26 Published:2014-03-05
Contact: WANG Yang E-mail:wyangjlu@mail.jlu.edu.cn

摘要/Abstract

摘要：

提出一种基于全变差(TV)模型和小波包变换的图像去噪算法, 并给出了针对该模型的一种改进正则化参数选取方法, 改善了全变差模型去噪中出现的块效应问题, 同时保留了图像中的边缘信息. 数值实验表明, 用所给算法去噪可得到较高的峰值信噪比和较好的视觉效果.

关键词: 图像处理, 图像去噪, 全变差模型, 小波包变换

Abstract:

Authors proposed an effcient image denoising method based on the combination of wavelet packet transform with total variation model and presented
how to select the regularization parameter in this model. The combination of wavelet packet transform with total variation model helps to alleviate staircase effect efficiently and preserve sharp discontinuities in images as well. The numerical experimental results show that the new method is effective in removing Gaussian noise and keep the detail of the image well.

Key words: image processing, image denoising, total variation model, wavelet packet transform

中图分类号:

TP391

左平, 王洋, 申延成. 一种基于全变差正则化与小波包变换的图像去噪算法[J]. 吉林大学学报(理学版), 2014, 52(01): 81-85.

ZUO Ping, WANG Yang, SHEN Yan-cheng. Image Denoising Algorithm Based on Wavelet PacketTransform and Total Variation Model[J]. Journal of Jilin University Science Edition, 2014, 52(01): 81-85.

[1]	车颖, 冯皛, 郑宏亮. 基于卷积神经网络的超声造影图像去噪方法[J]. 吉林大学学报(理学版), 2021, 59(5): 1256-1259.
[2]	袁哲, 孙延君, 陈亮. 基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1437-1441.
[3]	郭林, 孟旭东. 基于偏微分方程与多尺度分析的图像去噪算法[J]. 吉林大学学报(理学版), 2019, 57(04): 882-888.
[4]	李伟伟. 非局部的可切换滤波图像椒盐噪声去除方法[J]. 吉林大学学报(理学版), 2019, 57(04): 910-916.
[5]	邓江洪, 赵领. 多特征筛选与支持向量机相融合的图像分类模型[J]. 吉林大学学报(理学版), 2016, 54(04): 862-866.
[6]	王天祎, 文钧屹, 张丝雨, 何秉航, 罗宏文. 基于不动点算法的LLT去噪模型[J]. 吉林大学学报(理学版), 2014, 52(04): 794-796.
[7]	徐中宇, 宁闯, 周亚洲. 一种快速亚像素边缘检测算法[J]. 吉林大学学报(理学版), 2014, 52(02): 308-313.
[8]	王洋, 左平. 一种基于最大后验概率与图像局部统计量的磁共振图像去噪模型[J]. J4, 2013, 51(02): 289-293.
[9]	李伟, 杨航. 曲波域经验Wiener滤波[J]. J4, 2013, 51(02): 312-316.
[10]	王方, 林晓珑, 冯玮琛, 张立凯, 张佳全. 异形喷丝孔质量检测方法[J]. J4, 2012, 50(4): 762-766.
[11]	张凤春, 于思瑶, 郭树旭. 基于PDE算法的指静脉图像预处理[J]. J4, 2012, 50(03): 552-.
[12]	杨永敏, 樊继壮, 赵杰. 冷轧带钢表面缺陷视觉检测系统[J]. J4, 2011, 49(05): 911-917.
[13]	王宏志, 刘媛媛, 孙琦. 基于小波变换矩阵的改进脊波变换图像去噪[J]. J4, 2010, 48(1): 99-103.
[14]	张佳全, 吴庆妍, 冯玮琛. 喷丝板单孔图像的检测算法[J]. J4, 2010, 48(05): 835-839.
[15]	赵树峰,, 罗宏文, 黄承奇, 马驷良. 基于AOS方法的非线性总变差去噪模型[J]. J4, 2008, 46(05): 911-914.