基于矩形方向窗的小波域去噪方法

计算机应用

基于矩形方向窗的小波域去噪方法

刘燕

山东大学

收稿日期:2007-08-29 修回日期:2007-11-01 发布日期:2008-02-01 出版日期:2008-02-01
通讯作者: 刘燕

Method of wavelet domain denoising based on directional rectangle window

Yan LIU

Received:2007-08-29 Revised:2007-11-01 Online:2008-02-01 Published:2008-02-01
Contact: Yan LIU

摘要/Abstract

摘要： 根据小波变换的特点，提出了一种新的局部邻域窗口选择方法——基于方向性的矩形窗口选择方法。对同一尺度不同子带选用不同方向的矩形窗口，并且不同尺度下窗口的大小也不同；对于多方向性的图像，使用双树复小波变换取代传统的离散小波变换。实验结果表明，将其应用于图像去噪，简单有效，并且可得到更高的峰值信噪比和更好的视觉效果。

关键词: 图像去噪, 小波变换, 双树复小波变换, 矩形方向窗

Abstract: According to the features of the wavelet transform, a new method of choosing the local neighborhood was proposed. For the three subbands of the same scale, we chose rectangle windows of different directions, and the size of the rectangle windows for different scales is also different. For the multidirectional images, Dual-Tree Complex Wavelet Transform(DTCWT) was employed instead of the traditional Discrete Wavelet Transform(DWT). The experimental results indicate that the method of choosing directional rectangle windows is simple and effective, and high PSNR and good visual quality can be obtained from this method.

Key words: image denoising, Wavelet Transform(WT), Dual-Tree Complex Wavelet Transform(DTCWT), directional rectangle window

刘燕. 基于矩形方向窗的小波域去噪方法[J]. 计算机应用.

Yan LIU. Method of wavelet domain denoising based on directional rectangle window[J]. Journal of Computer Applications.

[1]	闫钧华, 侯平, 张寅, 吕向阳, 马越, 王高飞. 基于双通道卷积神经网络的图像单失真类型判定方法[J]. 计算机应用, 2021, 41(6): 1761-1766.
[2]	邱甲军, 吴跃, 惠孛, 刘彦伯. 基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用[J]. 计算机应用, 2019, 39(4): 1196-1200.
[3]	石昌友, 王美丽, 刘欣然, 黄慧丽, 周德强, 邓干然. 基于机器视觉的不同类型甘蔗茎节识别[J]. 计算机应用, 2019, 39(4): 1208-1213.
[4]	陶永鹏, 景雨, 顼聪. 基于分组字典与变分模型的图像去噪算法[J]. 计算机应用, 2019, 39(2): 551-555.
[5]	张雯雯, 韩裕生. 基于非局部自相似性的低秩稀疏图像去噪[J]. 计算机应用, 2018, 38(9): 2696-2700.
[6]	陈善学, 漆若兰, 唐义嫄. 基于多变换域的彩色图像多功能水印算法[J]. 计算机应用, 2018, 38(8): 2274-2279.
[7]	邹佳彬, 孙伟. 基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合[J]. 计算机应用, 2018, 38(3): 859-865.
[8]	高净植, 刘祎, 白旭, 张权, 桂志国. 平稳小波域深度残差CNN用于低剂量CT图像估计[J]. 计算机应用, 2018, 38(12): 3584-3590.
[9]	张弢, 康缘, 任帅, 柳雨农. 基于压缩感知和GHM多小波变换的信息隐藏算法[J]. 计算机应用, 2017, 37(9): 2581-2584.
[10]	郭黎, 廖宇, 李敏, 袁海林, 李军. 自适应非局部数据保真项和双边总变分的图像去噪模型[J]. 计算机应用, 2017, 37(8): 2334-2342.
[11]	陈淑琴, 李智, 程欣宇, 高奇. 人眼视觉特性与SIFT相结合的视频双水印算法[J]. 计算机应用, 2017, 37(7): 1936-1942.
[12]	徐苏, 周颖玥. 基于图像分割的非局部均值去噪算法[J]. 计算机应用, 2017, 37(7): 2078-2083.
[13]	彭政, 陈东方, 王晓峰. 正则化超分辨率重建过程的自适应阈值去噪[J]. 计算机应用, 2017, 37(7): 2084-2088.
[14]	孙少超. 基于带权核范数最小化和混合高斯模型的去噪模型[J]. 计算机应用, 2017, 37(5): 1471-1474.
[15]	张新明, 康强, 程金凤, 涂强. 采用自适应四点窗中点滤波的高椒盐噪声滤除方法[J]. 计算机应用, 2017, 37(3): 832-838.