基于非采样Contourlet变换和Wiener滤波的图像去噪
提出了一种基于非采样Contourlet变换与Wiener滤波相结合的图像去噪算法.非抽样Contourlet变换可以实现多分辨、局部、尤其是多方向图像表示,且具有平移不变性,避免了去噪过程中出现的伪Gibbs现象;而Wiener滤波在最小均方误差意义上是对图像的最优估计.该算法结合Contourlet变换和Wiener滤波各自的优点,首先采用非采样Contourlet变换对含噪图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数;然后在各子带图像上进行Wiener滤波;最后经过非采样Contourlet逆变换得到去噪估计图像.该方法应用于peppers图片去噪,结果图像峰值信噪比(PSNR)增加为15.6775,最小均方误差(MSE)减小为1749,好于Wiener去噪(PSNR为13.7618,MSE为2549)和小波与Wiener滤波相结合去噪(PSNR为14.0662,MSE为2734).实验结果表明此方法提高了图像的峰值信噪比、减小了均方误差.
非采样Contourlet变换、图像去噪、Wiener滤波
14
TP391(计算技术、计算机技术)
中国博士后科学基金;青年学术骨干项目
2009-07-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
147-151