基于方向小波变换的高斯噪声图像恢复方法

J4 ›› 2010, Vol. 48 ›› Issue (06): 987-994.

基于方向小波变换的高斯噪声图像恢复方法

张震^1,2, 马驷良³, 谭琨⁴

1. 东北石油大学电气信息工程学院, 黑龙江大庆 163318|2. 黑龙江省油田控制与信息工程省重点实验室, 黑龙江大庆 163318|3. 吉林大学数学
研究所, 长春 130012；4. 大庆师范学院计算机科学与信息技术学院, 黑龙江大庆 163712

收稿日期:2010-04-23 出版日期:2010-11-26 发布日期:2010-11-26
通讯作者: 马驷良 E-mail:masl@jlu.edu.cn

Gauss Noise Image Recovering Method Based onDirectional Wavelet Transform

ZHANG Zhen^1,2, MA Siliang³, TAN Kun⁴

1. School of Electrical Engineering and Information, Northeast Petroleum University, Daqing 163318, Heilongjiang Province, China|2. Provincial Key Laboratory of Control and Information Engineering in Oil Field, Daqing 163318, Heilongjiang Province, China|3. Institute of Mathematics, Jilin University, Changchun 130012, China|4. College ofComputer Science and Informational Technology, Daqing Normal University, Daqing 163712, Heilongjiang Province, China

Received:2010-04-23 Online:2010-11-26 Published:2010-11-26
Contact: MA Siliang E-mail:masl@jlu.edu.cn

摘要/Abstract

摘要：

提出一种基于方向小波变换的相关和阈值去噪方法, 恢复高斯噪声图像. 方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制, 可沿任意方向变换, 这种多方向组合变换方法有利于削弱Gibbs效应, 对去噪后图像的边界保护具有积极作用. 实验结果表明, 相对于标准小波变换, 该方法无论是PSNR值还是视觉效果都较原有的方法更好.

关键词: 方向小波变换；高斯噪声；图像恢复

Abstract:

A correlation and threshold denoising method based on the directional wavelet transform was proposed in order to restore the images which were contaminated by the Gaussian noises. The directional wavelet breakthroughs the restriction of the standard 2D wavelet transforms only along horizontal and vertical directions, can transform along any directions. Not only does it weaken the Gibbs effect, but it can protect image edges.
The experiment results show our method has better performances than the denoising method based on the standard wavelet in both PSNR and visual effects.

Key words: directional wavelet transform, Guass noise, image denoising

中图分类号:

TP391.41

张震, 马驷良, 谭琨. 基于方向小波变换的高斯噪声图像恢复方法[J]. J4, 2010, 48(06): 987-994.

ZHANG Shen, MA Si-Liang, TAN Kun. Gauss Noise Image Recovering Method Based onDirectional Wavelet Transform[J]. J4, 2010, 48(06): 987-994.

[1]	孙红光, 房超, 张慧杰, 刘丽红, 王建中. 一种自适应基于暗通道先验的去雾方法[J]. J4, 2012, 50(05): 987-992.
[2]	李文辉, 刘培勋, 王莹, 肖林厂, 王聪. 基于视频的全天候多特征融合火焰检测算法[J]. J4, 2012, 50(03): 527-.
[3]	李文辉, 倪洪印. 一种改进的Adaboost训练算法[J]. J4, 2011, 49(03): 498-504.
[4]	刘元宁, 胡宗星, 朱晓冬, 何飞. 基于轮廓跟踪的虹膜定位算法[J]. J4, 2011, 49(02): 273-279.
[5]	张德才, 周春光, 周强, 池淑珍, 王甦菁. 基于轮廓的孔洞填充算法[J]. J4, 2011, 49(01): 82-86.
[6]	景文博, 段锦, 王晓曼, 赵思, 徐皓, 姜会林. 夏克-哈特曼阵列光斑质心探测误差比较[J]. J4, 2010, 48(06): 1013-1017.
[7]	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.
[8]	黄如锦, 李谊, 李文辉, 江琦, 杨赢涛. 基于多特征的AdaBoost行人检测算法[J]. J4, 2010, 48(03): 449-455.
[9]	柴振华, 罗宏文, 苗闯, 马驷良. 一种保持拓扑结构的隐式活动轮廓图像分割方法[J]. J4, 2009, 47(05): 981-986.
[10]	姜艳, 李谊, 于波, 权勇, 姜雨, 于阔, 李文辉. 基于点模型的Blending绘制和消隐方法[J]. J4, 2009, 47(05): 1020-1026.