基于Curvelet的Stein无偏风险估计图像去噪

被引：5

作者：

单昊

杨慧珠

机构：

[1] 清华大学航天航空学院

来源：

清华大学学报(自然科学版) | 2010年 / 50卷 / 08期

关键词：

图像去噪; Curvelet; Stein无偏风险估计(SURE);

D O I：

10.16511/j.cnki.qhdxxb.2010.08.031

中图分类号：

TN911.73 [图像信号处理];

学科分类号：

摘要：

基于Stein无偏风险估计(SURE)和阈值的线性展开式(LET),提出基于Curvelet的SURE-LET图像去噪方法。Curvelet变换实现了对于二阶可微奇异性(C2-singularity)分段连续目标的最优稀疏表达,同时Curvelet阈值保持了曲线奇异性和增强去噪能力。不同于已有算法,SURE方法不必为原始图像假设统计模型。非线性处理在Curve-let变换域执行,最小化操作在图像域进行;去噪过程可以表达为基元去噪过程的线性组合,即LET。SURE和LET两个原则使去噪算法仅解决一个线性方程系统,快速而有效。实验对多幅标准图像进行诸方法的去噪比较,结果表明,该方法优于单纯的Curvelet和SURE-LET去噪方法,相比于Db5小波、BiShrink也具有一定的优势。

引用

页码：1307 / 1310

页数：4

共 6 条

[1]

Image denoising using scale mixtures of Gaussians in the wavelet domain. Portilla J,Strela V,Wainwright M J,et al. IEEE Transactions on Image Processing . 2003

[2]

Esti mating the probability of the presence of a signal of interest in multiresolution single-and multibandi mage denoising. Pizurica A,,Philips W. IEEE Transactions on Image Processing . 2006

[3]

The SURE-LET approach to i mage denoising. Blu T,Luisier F. IEEE Transactions on Image Processing . 2007

[4]

SURE-LET multichannel i mage denoising:Interscale orthonormal wavelet thresholding. Luisier F,Blu T. IEEE Transactions on Image Processing . 2008

[5]

Curvelets:A surprisingly effective nonadaptive representation for objects with edges. Cands E,Donoho D. Curves and Surface Fitting:Saint-Malo1999 . 2000

[6]

Bivariate shrinkage functions for wavelet-based denoising exploiting interscale dependency. Sendur L,Selesnick I W. IEEE Transactions on Signal Processing . 2002

← 1 →