非抽取Curvelet变换在图像去噪中的优势应用
需积分: 50 113 浏览量
更新于2024-08-07
收藏 2.67MB PDF 举报
"这篇论文是2011年发表在《中北大学学报(自然科学版)》第32卷第3期上的,作者罗鹏,主要探讨了一种基于非抽取Curvelet变换的图像去噪算法。论文指出,原始Curvelet变换在Radon域采用正交小波变换获取Curvelet系数时,由于正交小波的平移不变性缺失,会导致Gibbs震荡现象。因此,该研究提出使用非抽取小波变换替代正交小波变换,以解决这一问题。非抽取小波的平移不变性和Curvelet变换的方向敏感性使新算法在图像去噪方面表现优越。通过数字非抽取Curvelet变换对带有高斯白噪声的图像进行去噪实验,结果显示,新算法在峰值信噪比和视觉效果上均优于小波去噪、普通Curvelet去噪以及Wiener2滤波,并且在去除噪声的同时能较好地保留图像边缘信息。"
文章详细内容分析:
图像去噪是图像处理领域的重要任务,对于恢复图像质量,尤其是对于医学成像、遥感图像和视频处理等应用至关重要。原始的Curvelet变换是一种多分辨率分析工具,它结合了小波变换的频率局部化特性和傅立叶变换的频域全局特性,尤其适用于处理具有边缘和曲线结构的图像。然而,正交小波变换的局限性在于其不具有平移不变性,这在处理图像时可能导致Gibbs震荡,即在图像边界或尖锐边缘处出现伪影。
罗鹏提出的非抽取Curvelet变换是为了解决这一问题。非抽取小波变换,也称为连续小波变换,保留了平移不变性,这在图像处理中是非常重要的特性,因为它可以减少由于变换带来的位置误差。通过将非抽取小波变换应用于Radon域的Curvelet变换,新算法能够在保持图像细节的同时有效地去除噪声。
实验部分,论文采用了添加高斯白噪声的标准图像作为测试对象,进行了去噪对比实验。实验结果证实了新算法的优越性,不仅在客观评价指标峰值信噪比(PSNR)上有显著提升,而且在主观视觉效果上也更佳。相比于小波去噪方法,新算法更能保持图像的原始结构,避免过度平滑导致的信息损失。此外,与普通Curvelet去噪和Wiener2滤波器相比,新方法在去除噪声的同时,对于图像边缘的保护更加出色,这对于保持图像的细节和结构至关重要。
这篇论文提出了一种创新的图像去噪方法,通过非抽取小波变换优化了Curvelet变换,提高了图像去噪的效果,并在实际应用中展示了其潜力。这种方法对于进一步改进图像处理技术,特别是在噪声环境中恢复图像质量,具有重要的理论和实践意义。
617 浏览量
245 浏览量
211 浏览量
144 浏览量
279 浏览量
2021-10-10 上传

weixin_38657457
- 粉丝: 9

最新资源
- 掌握ASP编程:100实用小程序示例
- Vivado 2016.1版本兼容Win10系统亲测可用
- Eclipse全屏插件:提升开发者的使用体验
- WE类库:轻松实现水印功能的必备工具
- TouchDown.js: 探索火星漫游者的AI路径算法
- RA8806控制的320240液晶显示程序源代码
- OpenCV和USB融合构建实时人脸跟踪系统
- 跨平台局域网即时通讯软件开发实践
- 员工满意度调查表分析报告
- XX ERP销售系统使用手册详细介绍
- AIDA64极致版2594:系统信息利器,注册版详细介绍
- Norton Process Viewer:专业进程监控无病毒木马威胁
- BabylonProV8.0.8绿色便携版:多语言翻译利器
- 阿默斯特学院开发JupyterNotebook地球物理学课程
- 哈工大TMS320LF2407课件:一手资料精选分享
- Flash编程实例:深入源文件解读与实践