第 卷第 期
应 用 科 技
Vol
年 月 AppliedScienceandTechnology Apr
doi jissn X
基 于 分 水 岭 和 广 义 非 局 部 平 均 的 小 波 去 噪
李万臣葛磊
哈尔滨工程大学 信息与通信工程学院黑龙江 哈尔滨
摘要非局部平均滤波去噪方法和基于广义非局部平均的小波域去噪方法都会在不同程度上损失图像细节
信息为了在去除图像噪声的同时更好地保留图像细节文中提出了一种基于分水岭分割和广义非局部平均的
小波去噪方法首先对含有噪声的图像进行基于梯度的分水岭分割并保留分水岭脊线然后对含有噪声的图像
进行多维度小波分解对分解的每一层系数估计尺度系数和形状系数构造每层小波子系数的广义高斯模型
对每层细节子带信息分别在水平垂直对角线 个方向应用基于广义高斯模型的非局部平均滤波最后用含
噪图像中与分水岭脊线相对应的像素点替换小波重构后图像的对应像素点仿真结果表明该方法与基于广义
非局部平局的小波分析去噪法相比能获得更好的视觉效果和去噪效果
关键词分水岭小波分析非局部平均图像去噪
中图分类号TN文献标识码A文章编号 X
Wavelet denoising based on watershed and generalized nonlocal means
LI Wanchen GE Lei
College of Information and Communication Engineering Harbin Engineering University Harbin China
A bstract Nonlocal means filter denoising method and wavelet denoising method which is based on generalized
non local means filter are both ineffective in reserving images detailed information when using them for image de
noisingFor this shortcoming this paper puts forward a wavelet denoising method based on watershed segmenta
tion and the generalized nonlocal means filterFirstly in order to segment the noised image and keep the ridge
we applied the watershed segmentation based on gradient method then the noised image was multidimensionally
wavelet decomposed and we evaluated scale coefficient and shape coefficient for every layer of coefficients decom
posed after which the generalized Gaussian model was constructed for each layer of wavelet subcoefficients and
then apply nonlocal means filter based on generalized Gaussian model respectively from horizontal vertical and di
agonal directions for subband information of every layer detailsFinally the noised image pixels which correspond
to the watershed ridge replaced the corresponding pixels in the wavelet reconstructed imageSimulation results
showed that this method can obtain better vision effect and denoising effect than the method based on the wavelet a
nalysis of generalized nonlocal means
Keywordswatershed segmentation wavelet analysis nonlocal means image denoising
收稿日期
作者简介 李万臣男教授硕士生导师主要研究方向 微弱信号处理和数据压缩技术Emiallwcherhrbeueducn
数字图像去噪在图像分析领域正起着越来越重
要的作用比如图像分割图像复原图像识别等都
需要有效的去噪手段来进行下一步分析然而数字
图像在传播过程中不可避免地引入噪声而降低了它
们的质量传统的去噪方法在去除图像噪声的同时
也损失了部分图像细节信息非局部平均
去噪
方法是近年来国外学者新提出的一种方法其优异
的去噪效果较低的运算量使之成为当前图像去噪
研究中的热点文献 提出了一种基于广义非局
部平均滤波的小波域去噪方法将广义非局部平均
与小波分析结合可以较好地滤除噪声并保留细节
其效果要好于单独使用非局部平均或小波分析去
噪然而仿真实验中发现该方法也在某种程度上损
失了图像细节信息为了在去除噪声的同时更好地
保留图像细节文中提出了一种基于分水岭分割和
广义非局部平均滤波相结合的小波分析去噪方法