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]	宗敏. 基于机器学习的三维数字图像虚拟场景重建算法[J]. 吉林大学学报(理学版), 2023, 61(6): 1425-1431.
[2]	成丽波, 陈鹏宇, 李喆, 贾小宁. 基于剪切波变换和拟合优度检验的遥感图像去噪[J]. 吉林大学学报(理学版), 2023, 61(5): 1187-1194.
[3]	张玉波, 王建阳, 韩爽, 王冬梅. 一种非对称的轻量级图像盲去模糊网络[J]. 吉林大学学报(理学版), 2023, 61(2): 362-370.
[4]	周航, 苏延池, 李占山, 花昀峤. 基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法[J]. 吉林大学学报(理学版), 2023, 61(1): 118-126.
[5]	张震, 赵启鹏, 朱留存, 刘济尘, 罗俊琦, 魏金占, 李雪. 一种基于主成分分析的图像光照校正算法[J]. 吉林大学学报(理学版), 2022, 60(6): 1377-1382.
[6]	张玉波, 王建阳, 韩爽, 王冬梅. 一种循环多尺度的图像盲去模糊网络[J]. 吉林大学学报(理学版), 2022, 60(4): 889-896.
[7]	王晓光, 管港云, 徐嘉铭, 李俊呈. 基于GPS和计算机图像识别的无人机导航系统[J]. 吉林大学学报(理学版), 2022, 60(4): 955-961.
[8]	鲍华良, 赵娅. 经典Marr-Hildreth边缘检测的量子实现[J]. 吉林大学学报(理学版), 2022, 60(3): 617-628.
[9]	肖红, 陈欣燕. 一种基于Gray码规则的彩色图像量子隐写方案[J]. 吉林大学学报(理学版), 2022, 60(3): 629-640.
[10]	徐华平, 贾小宁. 基于仿射不变块相似度量的BM3D图像去噪算法[J]. 吉林大学学报(理学版), 2022, 60(1): 109-0118.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.