一种基于小波变换的图像去噪新方法

被引：29

作者：

田沛 ^{[1
]}

李庆周 ^{[1
]}

马平 ^{[1
]}

牛玉广 ^{[2
]}

机构：

[1] 华北电力大学自动化系

[2] 华北电力大学电站设备状态监测与控制教育部重点实验室

来源：

中国图象图形学报 | 2008年 / 03期

关键词：

小波变换; 维纳滤波; 图像去噪;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了更好地进行图像去噪,提出了一种图像去噪的方法。对图像进行小波变换以后,噪声的小波系数在不同尺度上都服从高斯分布但大小不同。由此,对各尺度各方向上的小波系数进行维纳滤波,而保持低频系数不变,先以此来估计原始图像的小波系数;然后进行小波反变换,得到去噪图像。实验结果表明了该方法的有效性。

引用

页码：394 / 399

页数：6

共 8 条

[1]

De-noising by soft-Thresholding. Donoho D L. IEEE Transactionson Information Theory . 1995

[2]

Ideal spatial adaptation via wavelet shrinkage. Donoho D L,Johnstone I M. Bio metrika . 1994

[3]

Adapting to unknown smoothness via wavelet shrinkage. D L Donoho,I M Johnstone. Journal of the American Statistical Association . 1995

[4]

Surface modeling of range data by constrained triangulation. Chen Xin,Schmitt F. Computer Aided Design . 1994

[5]

Singularity detection and processing with wavelets. Mallet S,Hwang W.L. IEEE Transactions on Information Theory . 1992

[6]

Low-complexity image denoising based on statistical modeling of wavelet coefficients. Mihcak M K,Kozintsev I,Ramchandran K et al. IEEE Signal Processing Letters . 1999

[7]

On time-dependent wavelet denoising. Vidakovic B,Lozoya C B. IEEE Transactions on Signal Processing . 1998

[8]

Adaptive wavelet thresholding for imagedenoising and compression. Chang S G,Yu B,Martin V. IEEE Transactions on Image Process-ing . 2000

← 1 →