資源描述：
《基于非下采樣contourlet變換的圖像自適應(yīng)閾值去噪算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、第45卷第1期華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版)VoJ．45NO．】2011年3月J()URNALOFHUAZH()NGN()RMAIUNIVERSITY(Nat．Sci．)Mar．20l1文章編號(hào)：10001190(2011)010037-06基于非下采樣Contourlet變換的圖像自適應(yīng)閾值去噪算法金彩虹(南京曉莊學(xué)院物理與電子T程學(xué)院，南京2100l7)摘要：利用非下采樣Contourlet變換的平移不變性和多方向選擇性，考慮非下采樣Contourlet變換域內(nèi)相鄰尺度間和同一尺度、不同方向間圖像系數(shù)和噪聲系數(shù)之間不同的相關(guān)性，根據(jù)子帶含有信
2、息量的多少，自適應(yīng)地調(diào)節(jié)BayesShrink閾值大小，不僅使弱的邊緣細(xì)節(jié)被從噪聲中提選了來(lái)，而且避免了將較大的噪聲系數(shù)判定為圖像細(xì)節(jié)的錯(cuò)誤．實(shí)驗(yàn)結(jié)果表明，該算法克服了恢復(fù)圖像中的偽Gibbs失真，實(shí)現(xiàn)了信號(hào)和噪聲的有效分離，存去除噪聲的同時(shí)盡可能多地保留了圖像的邊緣細(xì)節(jié)，提高了恢復(fù)圖像的PSNR值．關(guān)鍵詞：非下采樣Contourlet變換；廣義高斯分布；BayesShrink；相關(guān)性中圖分類號(hào)：T911．73文獻(xiàn)標(biāo)識(shí)碼：A2000年，Chang等人在Bayesian框架下，假程會(huì)使變換失去平移不變性，導(dǎo)致基于該變換的恢定無(wú)噪小波子帶系數(shù)在統(tǒng)計(jì)意
3、義上服從廣義高斯復(fù)圖像有偽Gibbs失真．2006年，A．I．Cunha等分布(GeneralizedGaussianDistribution，GGD)，提出非下采樣Contourlet變換一，取消了Cont～提出了基于廣義高斯分布模型的BayesShrink閩ourlet變換過(guò)程中的下采樣過(guò)程，有效抑制了恢復(fù)值去噪[．該閾值的設(shè)置雖然考慮了子帶內(nèi)系數(shù)的圖像中的偽Gibbs失真．為此，本文對(duì)含噪圖像進(jìn)統(tǒng)計(jì)信息，較Donoho的不考慮圖像局部信息的全行非下采樣Contourlet變換，利用變換域內(nèi)圖像局閾值能更好地適應(yīng)圖像的細(xì)節(jié)特征，降低全局系數(shù)相
4、鄰尺度間的相關(guān)性和同一尺度、不同方向間閾值因過(guò)度“扼殺”小波系數(shù)所造成的圖像細(xì)節(jié)的系數(shù)能量分布的差異性，自適應(yīng)地調(diào)整Bayes～損失．但是，該閾值的設(shè)置沒有考慮變換域內(nèi)相鄰Shrink閾值，對(duì)含有細(xì)節(jié)內(nèi)容豐富的子帶設(shè)置較尺度以及同一尺度、不同方向間系數(shù)所具有的相關(guān)小的閾值，對(duì)含有細(xì)節(jié)內(nèi)容較少的子帶設(shè)置較大的特性，因此，Chang等人提出的基于廣義高斯分布閾值，在去噪的同時(shí)能對(duì)邊緣細(xì)節(jié)進(jìn)行有效保留，模型的BayesShrink闖值去噪并沒有實(shí)現(xiàn)信號(hào)與獲得沒有偽Gibbs失真、視覺效果更佳、信噪比更噪聲的有效分離．另外，由于二維小波基函數(shù)的支高的恢復(fù)
5、圖像．撐區(qū)間在不同分辨率下為不同尺寸的正方形，當(dāng)尺1非下采樣Contourlet變換度變細(xì)時(shí)，二維小波是用點(diǎn)來(lái)逼近圖像中具有線奇異特征的邊緣細(xì)節(jié)的，因此，二維小波不能實(shí)現(xiàn)對(duì)1．1Contourlet變換圖像邊緣等具有線奇異特征函數(shù)的最優(yōu)稀疏逼近．Contourlet變換首先由拉普拉斯金字塔變換于是，2002年，M．N．Do和MartinVetterli提出(IaplacianPyramid，IP)將圖像分解為低頻子帶Contourlet變換一．Contourlet變換基函數(shù)支撐區(qū)和高頻子帶．低頻子帶由原始圖像經(jīng)過(guò)二維低通濾問(wèn)的長(zhǎng)、寬滿足width
6、cclength。，有隨尺度變化的波和隔行隔列下采樣產(chǎn)生；高頻子帶由原始圖像減長(zhǎng)條形結(jié)構(gòu)，用類似于線段的基結(jié)構(gòu)來(lái)逼近圖像，去低頻子帶經(jīng)上采樣和低通濾波后的低頻分量產(chǎn)克服了小波基用點(diǎn)來(lái)逼近線的不足，實(shí)現(xiàn)了圖像的生．然后將高頻子帶經(jīng)方向?yàn)V波器組(Directional最優(yōu)稀疏逼近．但Contourlet變換中的下采樣過(guò)FilterBank，DFB)分解為2個(gè)方向子帶(為任意收稿日期：20100923．*Email：jingcaihong@163．COITI38華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版)第45卷正整數(shù))．對(duì)低頻子帶重復(fù)上述過(guò)程即可實(shí)現(xiàn)圖像重構(gòu)濾波器
7、．的多尺度多方向分解(見圖1)．~．trous算法通過(guò)有限濾波器的內(nèi)插實(shí)現(xiàn)圖像的分解．利用~ttrous算法分解圖像可以得到與原圖像大小相同的一個(gè)低頻近似部分和各層高頻部分，即：Jf(m，n)一fJ(，)+Coj(m，”)，(2)J一1∞，(m，”)一廠，(，”)一／’r．1(m，”)，(3)式中，_廠』(，”)是原始圖像的低頻近似部分；oJj(，r／)是尺度j下圖像的高頻部分．~trous算法具圖lContourlet變換濾波器結(jié)構(gòu)有平移不變性，用其進(jìn)行圖像處理，恢復(fù)圖像不會(huì)Fig．1ContourletTransform出現(xiàn)偽Gibbs現(xiàn)象．
8、非下采樣方向性濾波器組(NSDFB)是一個(gè)二LP變換對(duì)圖像進(jìn)行多尺度分解捕獲點(diǎn)奇異，通道的扇形濾波器組(見圖3(a))．為了得到精確DF
