基于非局部自相似的Shearlet自适应收缩图像去噪

• 作者: 许志良 邓承志
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 图像去噪 Shearlet变换 非局部自相似 高斯比例混合模型 贝叶斯最小二乘
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 虚拟现实与数字媒体
• 页码范围: 235-238
• 页数: 4页
• 分类号: TP391.413
• 字数: 4088字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.01.0235

摘要

针对Shearlet收缩去噪引入的Gibbs伪影和“裂痕”现象,提出一种结合非局部自相似的Shearlet自适应收缩图像去噪方法.首先,对噪声图像进行多方向多尺度的Shearlet分解;然后,基于高斯比例混合(GSM)模型的Shearlet系数分布建模,利用贝叶斯最小二乘估计对Shearlet系数进行自适应收缩去噪,重构得到初始去噪图像;最后,利用非局域自相似模型对初始去噪图像进行滤波处理,得到最终的去噪图像.实验结果表明,所提方法在更好地保留边缘特征的同时,有效地去除噪声和收缩去噪引入的Gibbs伪影,该方法获得的峰值信噪比(PSNR)和结构自相似指标(SSIM)比基于非抽样剪切波变换(NSST)的硬阈值去噪方法提高1.41 dB和0.08;比非抽样Shearlet域GSM模型去噪方法提高1.04 dB和0.045;比基于三变量模型的剪切波去噪方法提高0.64 dB和0.025.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓承志	南昌工程学院信息工程学院	38	330	12.0	17.0