提出了一种由非抽样塔式分解和非抽样方向滤波器组实现的具有平移不变性的非抽样轮廓波变换,文中利用M cC le llan变换设计非抽样塔式分解中的满足精确重构条件的圆对称滤波器组。非抽样轮廓波变换具有与视皮层变换相似的频带划分,符合...提出了一种由非抽样塔式分解和非抽样方向滤波器组实现的具有平移不变性的非抽样轮廓波变换,文中利用M cC le llan变换设计非抽样塔式分解中的满足精确重构条件的圆对称滤波器组。非抽样轮廓波变换具有与视皮层变换相似的频带划分,符合人眼视觉特性。利用非抽样轮廓波变换系数的局部高斯模型及最大后验概率法对图像去噪,其峰值信噪比和视觉效果均有较大改善。展开更多
提出一种基于无抽样方向滤波器组的图像去噪新方法,首先,将一维半带滤波器(half band filter)转换成二维低通滤波器,通过对此滤波器的各种操作获得4方向、8方向和16方向等无抽样方向滤波器组,同时,将各频域方向滤波器转换成空域模板;其...提出一种基于无抽样方向滤波器组的图像去噪新方法,首先,将一维半带滤波器(half band filter)转换成二维低通滤波器,通过对此滤波器的各种操作获得4方向、8方向和16方向等无抽样方向滤波器组,同时,将各频域方向滤波器转换成空域模板;其次,采用Contourlet变换中的多尺度分解方法,利用上述空域模板实现图像方向分解,获得噪声图像的各尺度多方向系数;最后,根据各方向系数的统计特性,合理设定去噪阈值,方向合成只需各方向子带图像相加,多尺度合成过程与Contourlet变换相同,完成图像去噪。实验结果表明:该方法不仅有效地去除了图像噪声,而且能很好地保留图像的边缘纹理信息,并很好地去除了Contourlet变换去噪中无法避免伪吉布斯现象所引起的视觉失真,与现有阈值去噪方法相比,图像信噪比明显提高。展开更多
文摘提出了一种由非抽样塔式分解和非抽样方向滤波器组实现的具有平移不变性的非抽样轮廓波变换,文中利用M cC le llan变换设计非抽样塔式分解中的满足精确重构条件的圆对称滤波器组。非抽样轮廓波变换具有与视皮层变换相似的频带划分,符合人眼视觉特性。利用非抽样轮廓波变换系数的局部高斯模型及最大后验概率法对图像去噪,其峰值信噪比和视觉效果均有较大改善。
文摘提出一种基于无抽样方向滤波器组的图像去噪新方法,首先,将一维半带滤波器(half band filter)转换成二维低通滤波器,通过对此滤波器的各种操作获得4方向、8方向和16方向等无抽样方向滤波器组,同时,将各频域方向滤波器转换成空域模板;其次,采用Contourlet变换中的多尺度分解方法,利用上述空域模板实现图像方向分解,获得噪声图像的各尺度多方向系数;最后,根据各方向系数的统计特性,合理设定去噪阈值,方向合成只需各方向子带图像相加,多尺度合成过程与Contourlet变换相同,完成图像去噪。实验结果表明:该方法不仅有效地去除了图像噪声,而且能很好地保留图像的边缘纹理信息,并很好地去除了Contourlet变换去噪中无法避免伪吉布斯现象所引起的视觉失真,与现有阈值去噪方法相比,图像信噪比明显提高。
