结合自适应核回归和全变差的乘性噪声去除

doi:10.11772/j.issn.1001-9081.2013.09.2592

计算机应用 ›› 2013, Vol. 33 ›› Issue (09): 2592-259.DOI: 10.11772/j.issn.1001-9081.2013.09.2592

结合自适应核回归和全变差的乘性噪声去除

吴玉莲¹,²,冯象初²

1. 西安电子科技大学理学院,西安 710071
2. 西安医学院公共课部,西安 710021;

收稿日期:2013-03-22 修回日期:2013-05-03 出版日期:2013-09-01 发布日期:2013-10-18
通讯作者: 吴玉莲
作者简介:吴玉莲(1978-),女,山东聊城人,讲师,博士研究生,主要研究方向:图像处理;
冯象初(1962-),男,陕西西安人,教授,博士生导师,主要研究方向:图像处理。
基金资助:
国家自然科学基金资助项目

Multiplicative noise removal via adaptive kernel regression and total variation

WU Yulian¹,²,FENG Xiangchu¹

1. Common Course Department, Xi'an Medical College, Xi'an Shaanxi 710021, China;
2. School of Science, Xidian University, Xi'an Shaanxi 710071, China

Received:2013-03-22 Revised:2013-05-03 Online:2013-10-18 Published:2013-09-01
Contact: WU Yulian

摘要/Abstract

摘要： 为了更好地去除图像中的乘性噪声,提出一个新的三阶段乘性噪声去除算法。第一阶段在图像的对数域用自适应的掌舵核回归(SKR)对图像进行去噪处理;第二阶段用全变差(TV)方法对第一阶段处理的结果进行补充处理;第三阶段通过指数变换和误差纠偏,把图像变回到真实的图像域。新方法具有掌舵核回归与全变差两种方法的优点,实验结果证明了其去除乘性噪声的有效性。

关键词: 乘性噪声, 核回归, 全变差, 自适应, 去噪

Abstract: To remove the multiplicative noise better, a new three-stage method for multiplicative noise removal was proposed. In the first stage, log-image was processed by adaptive Steer Kernel Regression (SKR). Then in the second stage, the Total Variation (TV) regularization method was used to amend the image obtained. At last, via an exponential function and bias correction, the result was transformed back from the log-domain to the real one. The new method combined the advantages of steer kernel regression and total variation method. The experimental results show that the new method is more effective to filter out multiplicative noise.

Key words: multiplicative noise, kernel regression, Total Variation (TV), adaptive, denoise

中图分类号:

吴玉莲冯象初. 结合自适应核回归和全变差的乘性噪声去除[J]. 计算机应用, 2013, 33(09): 2592-259.

WU Yulian FENG Xiangchu. Multiplicative noise removal via adaptive kernel regression and total variation[J]. Journal of Computer Applications, 2013, 33(09): 2592-259.

[1]	陈俊, 何庆. 基于余弦相似度的改进蝴蝶优化算法[J]. 计算机应用, 2021, 41(9): 2668-2677.
[2]	侯笑晗, 金国栋, 谭力宁, 薛远亮. 基于自适应和最优特征的合成孔径雷达舰船检测方法[J]. 计算机应用, 2021, 41(7): 2150-2155.
[3]	李辉, 吴传生, 刘俊, 刘文. 基于梯度曲面面积与稀疏约束的图像平滑方法[J]. 计算机应用, 2021, 41(7): 2039-2047.
[4]	刘双元, 郑王里, 林云汉. 面向三维特征描述子的自适应二进制简化方法[J]. 计算机应用, 2021, 41(7): 2062-2069.
[5]	蔡瑞光, 张德生, 肖燕婷. 参数独立的加权局部均值伪近邻分类算法[J]. 计算机应用, 2021, 41(6): 1694-1700.
[6]	林筠超, 万源. 基于图结构优化的自适应多度量非监督特征选择方法[J]. 计算机应用, 2021, 41(5): 1282-1289.
[7]	王治和, 常筱卿, 杜辉. 基于万有引力的自适应近邻传播聚类算法[J]. 计算机应用, 2021, 41(5): 1337-1342.
[8]	李杏峰, 黄玉清, 任珍文, 李毅红. 基于自适应邻域的鲁棒多视图聚类算法[J]. 计算机应用, 2021, 41(4): 1093-1099.
[9]	张康, 陈建平. 复杂环境下基于采样空间自调整的航迹规划算法[J]. 计算机应用, 2021, 41(4): 1207-1213.
[10]	黄思远, 张敏情, 柯彦, 毕新亮. 基于显著性检测的图像隐写分析方法[J]. 计算机应用, 2021, 41(2): 441-448.
[11]	郭丽峰, 王倩丽. 自适应安全的带关键字搜索的外包属性基加密方案[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3266-3273.
[12]	欧跃发, 杨鸣坤, 慕德俊, 柯捷, 马文涛. 基于广义最大Versoria准则的稀疏自适应滤波算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3325-3331.
[13]	刘晓龙, 王士同. 渐进式分离的开放集模糊域自适应算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3127-3131.
[14]	王岱巍, 徐高潮, 李龙. 无人机辅助的移动边缘计算中的任务分配策略[J]. 计算机应用, 2021, 41(10): 2928-2936.
[15]	李华峰, 黄樟灿, 张蔷, 湛航, 谈庆. 求解需求可拆分车辆路径问题的改进的金字塔演化策略[J]. 计算机应用, 2021, 41(1): 300-306.

结合自适应核回归和全变差的乘性噪声去除

Multiplicative noise removal via adaptive kernel regression and total variation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics