基于形态成分分析和 Contourlet 变换的自适应阈值图像去噪方法

• 作者: 李晓 纪建 许双星
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 形态成分分析(MCA) 轮廓波变换 自适应阈值 图像去噪
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 561-568
• 页数: 8页
• 分类号: TP391
• 字数: 5972字
• 语种: 中文

摘要

针对含有丰富纹理和边缘特征的噪声图像，提出一种基于形态成分分析(MCA)和 Contourlet 变换的自适应阈值图像去噪方法。该方法首先引入 MCA 将噪声图像分为低频部分和高频部分，在此基础上设计一种自适应的分层阈值估计处理策略。根据噪声的分布特性，通过阈值估计和 Contourlet 变换对噪声图像的低频部分和高频部分进行分频带去噪处理，有效去除噪声图像中的噪声。通过对噪声图像的仿真实验表明，文中方法能较好地保留图像纹理和边缘，并且去噪效果优于传统的均值滤波去噪、中值滤波去噪、小波多层阈值去噪和轮廓波多层阈值去噪方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	纪建	西安电子科技大学计算机学院	6	29	3.0	5.0
2	许双星	西安电子科技大学计算机学院	2	16	2.0	2.0
3	李晓	西安电子科技大学计算机学院	5	23	3.0	4.0