資源描述：
《基于雙變量閾值的非下采樣contourlet變換圖像去噪》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、萬(wàn)方數(shù)據(jù)第31卷第3期2009年3月電子與信息學(xué)報(bào)JournMofElectronics&InformationTechnologyVbl．31No．3Mar．2009基于雙變量閾值的非下采樣Contourlet變換圖像去噪賈建∞焦李成①項(xiàng)海林①?(西安電子科技大學(xué)智能信息處理研究所西安710071)?(西北大學(xué)數(shù)學(xué)東西安710069)摘要：系數(shù)閾值是流行的去噪方法，其中閾值方式與大小的選擇是一個(gè)重要的技術(shù)問(wèn)題。該文依據(jù)非下采樣Contourlet分解系數(shù)與其父系數(shù)之間的相關(guān)性，給出非高斯雙變量分布，對(duì)該模型應(yīng)用Bayes估值理論推導(dǎo)得到相應(yīng)
2、的非線性雙變量閾值函數(shù)，綜合非下采樣Contourlet分解和雙變量閾值函數(shù)，提出一種基于雙變量闕值的非下采樣Contourlet變換圖像去噪方法(NSCTBI)。對(duì)于被加性高斯白噪聲污染的圖像，實(shí)驗(yàn)中將NSCTBI方法與非下采樣Contourlet變換、小波域雙變量閾值去噪等方法進(jìn)行了比較，結(jié)果表明在大多數(shù)情況下，NSCTBI的PSNR結(jié)果相比這些方法高出0．5至2．3dB，在邊緣特征方面保持了良好的視覺(jué)效果。關(guān)鍵詞：去噪；非下采樣Contourlet變換；雙變量閾值；Bayes估計(jì)中圖分類號(hào)：TP391。4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009
3、-5896(2009)03-0532-05UsingBivariateThresholdFunctionforImageDenoisinginNSCTDomainJiaJian∞JiaoLi-cheng①XiangHai-Un①?(InstituteoyIntelligentInformationProcessing，XidianUniversity，Xi’an710071，China)’(DepartmentofMathematics，NorthwestUniversity，X譬骶7100691China)Abstract：Asthemai
4、nprevailingdenomingmethod．howthethresholdfunctionworksandwhat’8thethresholdvaluearethegreatestimportancetechniques．Considerthedependenciesbetweenthecoefficientsandthekparents，anon-Gaussianbivariatedistributionisgiven，andcorrespondingnonlinearthresholdfunctionisderivedfromth
5、emodelusingBayesianestimationtheory．Accordingtonon-subsampledContourlettransformandbivariatethresholdfunction，anovelNon-SubsampledContourletTransformbasedonBivariatethresholdfunction(NSCTBI)forimagedenoisingisproposed．Thisschemeachievesenhancedestimationresultsforimagesthat
6、arecorruptedwithadditiveGaussiannoiseoverawiderangeofnoisevariance．Toevaluatetheperformanceoftheproposedalgorithms，theresultsarecomparedwithexistentalgorithms，sucha8non-subsampledContourlettransformandwavelet—basedbivariatethresholdfunctionmethodforimagedenoising．Thesimulat
7、ionresultsindicatethattheproposedmethodoutperformstheothers0．5-2．3dBinPSNR．a(chǎn)ndkeepbettervisualresultinedgesinformationreservation拍well．Keywords：Denoising；Non-subsampledContourlettransform；Bivariatethresholdfunction；Bayesestimation1引言自從Mallat給出小波(Wavelet)的快速分解方法之后，小波變換被廣泛應(yīng)用于
8、各個(gè)領(lǐng)域當(dāng)中，并迅速?gòu)臄?shù)學(xué)、信號(hào)處理拓展到物理、天文、地理、生物、化學(xué)等其它各個(gè)學(xué)科。作為圖像處理的一個(gè)重要領(lǐng)域，圖像去噪方法也因?yàn)樾〔ǖ囊攵玫搅碎L(zhǎng)足的發(fā)展。由
