Curvelet变换域自适应收缩图像去噪
基于Curvelet变换的图像消噪
基于Curvelet变换的图像消噪
何劲;李宏伟;张帆
【期刊名称】《现代电子技术》
【年(卷),期】2008(031)002
【摘要】小波变换对图像消噪能够起到较好的效果,但是对图像中线性区域的处理存在局限性.Curvelet变换是一种新的具有方向性的多尺度变换,他处理图像线性区域能有更好的效果.将Curvelet变换运用到图像消噪中,实验结果表明,他的消噪结果比小波消噪有着更好的视觉效果,并且PSNR也得到一定的提高.
【总页数】3页(P140-141,144)
【作者】何劲;李宏伟;张帆
【作者单位】空军工程大学,陕西,西安,710077;空军工程大学,陕西,西安,710077;空军工程大学,陕西,西安,710077
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于红热图像测温技术的图像二维无网格消噪方法 [J], 张玉存;侯新玉;林洪彬
2.基于消噪-分离-消噪策略的有噪混合图像盲分离方法 [J], 崔建涛;范乃梅
3.基于Curvelet变换的多光谱图像与全色波段图像融合 [J], 张强;郭宝龙
4.基于curvelet变换与一致性约束的遥感图像融合 [J], 楚琳琳;范文兵
5.基于Curvelet变换的高频细节图像去噪算法 [J], 陆焱;郭竞
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Curvelet变换的指纹图像去噪
基于Curvelet变换的指纹图像去噪张建明;邱晓晖【摘要】指纹图像因其具有的终身不变性、唯一性和方便性三大特征在生物特征识别领域发挥着极其重要的作用.然而,指纹在采集和传输的过程中会不可避免地受到外界噪声的污染,从而影响指纹识别系统的准确性.对此,文中采用基于Curvelet 变换的多尺度几何去噪方法,提出对多尺度变换后的各个Curvelet子带自适应选取阈值,并结合一种新型阈值函数,克服了传统软硬阈值函数的缺陷.实验结果表明,该方法使得图像中的边缘、直线和曲线特征得到了更好的恢复,而且去噪后的PSNR更高,相较于传统阈值处理方法去噪效果更好.%Fingerprint image plays an important role in biometrics because of its lifetime invariance,uniqueness and convenience.Howev-er,in the collection and transmission the fingerprint will inevitably be polluted by the noise from outside,thus affecting the accuracy of fingerprint identification system.In this paper,we use the multi-scale geometric denoising method based on Curvelet transform and pro-pose the adaptive threshold selection for each Curvelet sub-band after multi-scale transformation.Then we adopt an improved threshold function to overcome the shortcomings of the traditional soft and hard threshold function.The experiment shows that the proposed method can improve the edge,straight line and curve features in the image,and the PSNR after denoising is higher,with better effect than tradi-tional threshold processing method.【期刊名称】《计算机技术与发展》【年(卷),期】2018(028)005【总页数】5页(P164-167,173)【关键词】Curvelet变换;阈值函数;Wrapping算法;自适应阈值;阈值去噪【作者】张建明;邱晓晖【作者单位】南京邮电大学通信与信息工程学院,江苏南京210000;南京邮电大学通信与信息工程学院,江苏南京210000【正文语种】中文【中图分类】TN911.730 引言近年来，小波变换理论凭借其对信号的特殊时、频分析能力，在信号、图像等领域得到了快速发展，在图像去噪领域也得到了广泛应用。
基于 Curvelet 变换和均值滤波的图像去噪方法
基于 Curvelet 变换和均值滤波的图像去噪方法陈木生【摘要】The purpose of this paper is to study a method of de-noising of images corrupted with additive white Gaussian noise.Firstly,the noisy image is decomposed into many levels to obtain different frequency sub-bands by Curvelet transform.Secondly,the threshold estimation and the weighted average method are used to remove the noisy coefficients according to generalized Gaussian distribution modeling of sub-band coefficients.Ultimately,invert the multi-scale decomposition to re-construct the de-noised image.Here,to prove the performance of the proposed method,the results are compared with other existent algorithms such as hard and soft threshold based on wavelet.The simulation results on several testing images indicate that the proposed method outperforms the other methods in peak signal to noise ratio and keeps better visual in edges information reservation as well. The results also suggest that Curvelet transform can achieve a better performance than the wavelet transform in image de-noising.%针对图像中的高斯噪声干扰，提出一种改进的图像去噪方法。
基于第二代Curvelet变换的图像去噪算法
２Ｊ ［ 一１离散Ｃ ｒｅ ｔ ／ ｕｖ ｌ 变换【 定义为 ｅ ４ 】
，
２１ ． 阈值讨 论 ： 在 传统 图像 去噪 领 域 ， 常采 用 “ 阈值 ” “ 阈值 ” 种 阈值 通 硬 和 软 两 确 定 方法 。
２ ５０
２ Ｏ０
１ ０ ５
１ ０ ０
５ ０
０
５ ０
，
其 中０ ／ ， ２ Ｌ ， ｒ＜ １０ ｌ ， ＜ ２；
ｒ ｉ
ｔｎ ＝ ， ２ ／ ａ ・
．
Ｏ ］
其中，取离 值（ ２，・ ， 切矩 ｏ — ｎ １， ｂ 散 ～ ２ 剪 阵Ｓ ｔ 。 ） ｌ ａ ｌ
，＝ ＿２， 【 ／
，… ，
２ 算法 讨 论 ．
频特性 ， 许多学者应用小波变换进行去噪 ， 并获得 了较好的效果
２ Ｊ
。
ｃ，七＝ （ ｅ１ 咖 ＝ （，） Ｊ（ ／， ； 』（
其中 ， ： （ ， ， ， ： （ ， （ （ ＝
， （
，
在处 理含 “ 点奇 异 ” 一维 信 号 时 ， 波 能达 到 最优 的 非线 性 逼近 的 小 阶 ， 在 处理 二 维 或 更高 维 含 “ 奇异 ” 而 线 的信 号 时 ， 由一 维 小 波 张成 ｆ ＝ （ （ ｖ２ ／ ， ｑ， ） ２ ） 。 ） ｑ） 中 （ ＝ （一 烈２ 的高 维小 波基 不 能 达到 最 优逼 近 阶 。 Ｃ ｒｅｅ变换 具 有 多尺 度 特 而 ｕ ｖｌｔ １２ 二代Ｃｒｅ ｔ 实现过 程 第 ｕ 变换 ｖｌ ｅ 性 以及 良好 的 方 向特 性 ， 具有 较 高 的 逼进 阶 ， 声信 息 和 边 缘 信 息 噪 第 二 代 Ｃ ｒｅｅ变 换实 现 有 两种 方 法 ， 用基 于 Ｗｒｐ ｉｇ ｕｖ ｌｔ 采 ａ ｐｎ 的方 能 够 很好 地 分 开 ， 保 持 边缘 的 同时 ， 噪 声 抑 制达 到 了一 个 很 好 法 。 思 想 是 ： 在 使 其 围绕 原点 包 裹 （ ａ ）对 任 意 区 域 ， Ｗｒ ｐ ， 通过 周 期 化 技术 的 效果 。 文献ｔ利 用软 硬 阈值 法和 Ｃ ｒ ｅｅ变 换 对 图像 进 行去 噪 ， ３ ｕ ｖ ｌｔ 虽 映 射 到原 点 的仿 射 区域 。 法 过程 如 下 ： 算 然 获得 了较 好的 去 噪 效果 ， 由于 软 硬 阈值 法 对 系 数 的 “ 扼 杀 ” 但 过 ， （） 于 厂 ， ］ 维 快 速 傅 里 叶 变 换 得 到 采 用 ， ］ １对 ∈Ｒ 二 ， 导致 图像在 边 缘处 出现模 糊 。 文将 第二 代 Ｃ ｒ ｅｅ变换 运 用 于 图 本 ｕ Ｖｉｔ ／ ２≤ 玎 ， １ ２＜ ／ ２； 像去 噪 中 ， 针对 硬 阈值 方法 会产 生伪 Ｇｂ ｓ 应的 不 足 ， 出使 用 改 ｉｂ 效 提 （ ） 于 每个 尺度 、 ２对 角度参 数 （， ， －， 获得 Ｕ ｎ 】ｆ ｎ ｎ ］ 积 ； ，） Ｉ ， ：・ ｉ ， ：乘 进 的Ｇ ｒｏｅ ａｒｔ阈值 函数 与Ｃ ｃ Ｓ ｉｎｎ 循 环平移 相结 合 的方法 。 ｙ ｌ ｐｎ ｉｇ ｅ 实 （ ） 裹上 述 乘积 ， ３包 围绕 原 点用 下 式局 部化 ： 验 结 果表 明 ， 图像 信 噪 比有 所 提 高 ， 图像 显示 效 果也 有一 定的 改善 。
基于CURVELET变换图象去噪研究
朱煜等：ＣＵＲＶＥＬＥＴ去噪在材料图象上的应用块进行Ｒｉｄｇｅｌｅｔ变换。
ｉｆｊｍｏｄｕｌｏ２＝１ｔｈｅｎＥ＋ｌ＝２Ｂｊ，。
ｅｌｓｅＢ，＋１５Ｂ，．图１Ｃｔｔｒｖｅｌｅｔ变换流程图Ｆｉ９１ＦｌａｗｏｆＣｕｒｖｅｌｅｔｔｒａｎｓｆｏｒｍ３滤波滤波采用选取离散Ｃｕｒｖｅｌｃｔ变换系数硬闽值的方法，闽值的选取方法如下：假设添加了噪声的函数模型为：而，，＝ｆ（ｉ，Ｊ）＋ｏ＇ｚｉ∥ｆ为需恢复的图象。
对除了最优尺度之外的其他尺度闽值取３ｔ７…对最优尺度阈值取４ａ，。
（Ｊ，ｆ分别表示尺度Ｊ和角度Ｚ）。
有多种方法可以计算该系数，Ｊ．Ｌ．Ｓｔａｒｃｋ采用的方法翻是准确计算带有噪声的图象数据的Ｃｕｒｖｅｌｅｔ变换，并获取Ｃｕｒｖｅｌｅｔ系数的范数。
滤波公式为：Ｙ＾＝Ｙ。
／ｆＪ儿ｌ／疗≥ｋｔｙＹｊ＝ｏｉｆｌｙａ［／ｃｒ≤ｋ盯（７）（８）Ｙ＾为Ｃｕｒｖｅｌｅｔ变换系数，盯为基准，当为最优尺度时，ｋ＝４，否则，ｋ＝３。
在实际滤波过程中，采用如最优尺度的Ｃｕｒｖｅｌｅｔ变换系数、复数宏块阈值、周期旋转等方法，可以获得更好的去噪效果。
４去噪分析在实验中，我们对灰度Ｌｅｎａ图象进行了加高斯白噪声的去噪实验，进行了Ｃｕｒｖｅｔｅｔ变换的去噪效果与ｓｙｍ４／Ｊ，波和ｄｂ２，＇Ｊｘ波去噪效果的比较，如图２所刁彳。
左上：原始Ｂｍｂａｒａ图象；右上：带有白噪声的图象；左下ｔ用ｓｙｒｒｄｃｔｓ小波去噪后的图募：右下｝用Ｃｕｒｖｅｌｅｔ去噪后聍图鬈图２Ｂａｒｂａｒａ图象去噪对比Ｆｔｇ．２Ｄｅｎｏｉｓｅｒｅｓｕｌｔ表ｌ以加入白噪声的Ｂａｒｂａｒａ图象为例，就各项去噪参数进行对比。
表１去噪结果的参数比对ＭＳＥＰＮＳＲＴｉｍｅｅｌｇｐｓｅＳｙｍ４去噪３０９９２１４２３２１８３Ｄｂ２去咩３２４０２４６２３舵５７６８８Ｃｕｒｖｅｌｅｔ去噪６８７４８３２９７５８２６６５９４结果表明：虽然在耗时上Ｃｕｒｖｅｌｅｔ变换滤波要花更多的时间，但是经Ｃｕｒｖｅｌｅｔ滤波后图象的信噪比和均方误差数据更优，尤其是对斑点噪声的去嗓效果和保留原图象的纹理特性上要明显优于小波。
基于贝叶斯估计自适应软硬折衷阈值 Curvelet 图像去噪技术
基于贝叶斯估计自适应软硬折衷阈值 Curvelet 图像去噪技术杨国梁;雷松泽【摘要】针对传统阈值图像去噪方法存在的不足,提出了基于贝叶斯估计和Curvelet变换的软硬折衷阈值图像去噪方法,自适应地对不同的Curvelet子带进行阈值化处理.实验结果表明,该方法对图像中的边缘曲线特征有更好的复原.去噪后图像的峰值信噪比值(PSNR)更高,视觉效果更好.%According to the defects of soft thresholding and hard thresholding image denoising methods,the image denoising method of soft and hard adaptive thresholding is proposed based on Curvelet transform and Bayesian estimation image denoising. Experiment results show that the new method has the advantages in denoised images with higher quality recovery of edges. It is capable for achieving the higher peak signal-to-noise ratio (PSNR) and giving better visual quality.【期刊名称】《西安工程大学学报》【年(卷),期】2011(025)006【总页数】6页(P857-861,866)【关键词】脊波变换;Curvelet变换;贝叶斯估计;图像去噪【作者】杨国梁;雷松泽【作者单位】西安工业大学计算机学院,陕西西安710032;西安工业大学计算机学院,陕西西安710032【正文语种】中文【中图分类】TN9110 引言多分辨分析小波变换［1－4］在时频域具有良好的多分辨率的特性，能够同时进行时频域的局部分析，并且能够对信号的局部奇异特征进行提取和滤波．然而小波变换由一维小波张成的，仅具有有限的方向，因此主要适用于具有各向同性奇异性的对象，对于各向异性的奇异性，如图像的边界以及线状特征等，小波并不是一个很好的表示工具．在小波理论基础上，文献［5-7］提出了一种特别适合于表示各向异性的脊波变换，是为解决二维或更高维奇异性而产生的一种新的分析工具，脊波变换能稀疏表示具有直线特征的图像，可以应用到二维图像处理的许多领域．脊波本质上是通过小波基函数添加一个表征方向的参数得到的，它具有小波的优点，同时还具有很强的方向选择和辨识能力，能够有效地表示信号中具有方向性的奇异性．为了进一步表示多维信号中更为普遍的曲线型奇异性，Donoho等人提出了曲波(Curvelet)变换理论［8－10］，用多个尺度的局部直线来近似表示曲线．曲波变换可以很好地逼近图像中的奇异曲线．本文在曲波变换的基础上，利用贝叶斯估计自适应阈值结合软硬折衷阈值的去噪方法，对含噪图像进行去噪处理．实验表明，提出的方法能很好地恢复图像，特别是在噪声严重的情况下与小波去噪相比优越性显著．1 Curvelet变换1.1 Ridgelet变换若函数ψ满足容许条件，则称ψ为容许激励函数，并称为以ψ 为容许条件的Ridgelet函数［11］．令u=(cosθ，sinθ)，x=(x1，x2)，则 Ridgelet函数为由此可知，Ridgelet函数在直线x1 cosθ+x2 sinθ=c方向上是常数，而与该直线垂直方向上是小波函数．图1显示了一个Ridgelet函数．1.2 Ridgelet离散化Ridgelet变换的快速实现可以在Fourier域中实现，在空(时)域中f的Radon变换可以通过f的二维FFT在径向上做逆的一维FFT得到，对于这个结果再进行一次非正交的一维小波变换即可得到Ridgelet的快速离散化实现．图2描述了离散Ridgelet变换的过程．图1 一个Ridgelet函数ψa，b，θ(x1，x2)的示例图2 离散Ridgelet变换过程通过Radon变换，一幅n×n的图像的像素点变为n×2n的阵列，再对n×2n阵列进行一维小波变换就得到了2n×2n阵列Ridgelet变换的结果．1.3 Curvelet变换Curvelet变换是一个多尺度、多方向的图像表示框架，是对含有曲线边缘的目标的一种有效的非自适应的表示方法，它能够同时获得对图像平滑区域和边缘区域的稀疏描述．它从Ridgelet发展而来，本质上可以看成多尺度分析下的Ridgelet实现．因此Curvelet变换时各向异性的，从而相对于小波分析提供了更为丰富的方向信息．Curvelets变换的主要步骤［9］如下:(1)子带分解:f→(p0(f)，Δ1(f)，Δ2(f)，…);(2)平滑分割:Δs(f)→(wQΔs(f)，Q∈Qs，其中wQ表示在二进制子块Q=［k1/2s，(k1+1)/2s］×［k2/2s，(k2+1)/2s］上的平滑窗函数集，wQ可以对各自带分块进行平滑;(3)正规化:gQ=2－s(TQ)－1(wQΔs(f))，Q ∈ Qs，其中，(TQ f)(x1，x2)=f(2s x1－k1，2s x2－k2)对每个子块进行归一化处理，还原为单位尺度;(4)Ridgelet分析:αμ =〈gQ，ρλ〉，μ =(Q，λ)，其中，pλ是构成L2(R2)空间上正交基的函数．Curvelet具有以下性质:(4)对于含有边界光滑的二维信号有稀疏表示，逼近误差能够到达ο(M－2)．(5)各向异性．Curvelet变换的实现过程如图3所示．进行Curvelet变换的基本步骤:(1)对图像进行子带分解．(2)对不同尺度的子带图像采用不同大小的分块．图3 子带的空间平滑分块过程(3)对每个子块进行Ridgelet分析．每个子块的频率带宽W、长度L近似满足关系W=L2．这种频率划分方式使得Curvelet变换具有强烈的各向异性，而且这种各向异性随尺度的不断缩小呈指数增长．(4)在进行子带分解的时候，通过带通滤波器组将目标函数f分解成从低频到高频的系列子带，以减少不同尺度下的计算冗余．如图4所示，Curvelet变换的核心部分是子带分解和Ridgelet变换．图4中p0(f)为多尺度分析后图像的低频部分，Δi(f)为高频部分．2 图像去噪实现2.1 阈值计算在贝叶斯估计理论框架下，假设图像的Curvelet系数服从高斯分布(均值为0，方差为)，即图4 图像Curvelet变化前后的各子带变化过程框架对于给定的参数σX，需要找到一个使贝叶斯风险r(T)=E(^X－X)2=Ex Ey|x(^X－X)2最小(^X为X的贝叶斯估计)的阈值T．用T*=argmin rT(T)表示优化阈值．其中σ2为加入的高斯噪声方差，σx为不带噪声信号的标准方差．T是对T*=argmin rT(T)的近似，最大偏差不超过1%．2．2 参数估计对式(4)中的参数进行估计．噪声方差的估计公式为由于=+σ2，又因为可由式(6)估计噪声方差σ2用一个具有鲁棒性的中值估计器［13］估计．2.3 软硬阈值折衷法定义当a分别取0和1时，式(8)即成为硬阈值和软阈值估计方法．对于一般的0＜a＜1来讲，该方法估计数据Wδ的大小介于软硬阈值方法之间，叫做软硬折衷法．在阈值估计器中加入a因子:a取值为0，则等价于硬阈值方法;a取值为1，则等价于软阈值方法在0与1之间适当调整a的大小，可以获得更好的去噪效果．在此实验中，暂取a=0.5．2.4 Curvelet图像去噪的主要算法步骤和实验结果(1)对含噪声图像进行多尺度分解，得到各级子带细节(高频部分);(2)对各高频子带进行二维Curvelet分解;(3)根据式(5)估计噪声方差;(4)根据式(6)计算图像每个子带的方差;(5)根据式(7)为图像的每个子带计算相应的阈值;(6)用得到的阈值对各层的高频系数进行软硬折衷阈值化去噪;(7)对各高频子带做二维Curvelet逆变换并重构原始图像．针对该方法进行实验并且比较相关实验结果:本文主要采用峰值信噪比(PSNR)来衡量灰度图像的去噪性能．实验使用的峰值信噪比公式为其中 f'为处理后的图像的灰度，f为原始图像的灰度，N为图像像素的个数．算法实验选取了256×256，施加不同级别高斯噪声(σ =10，20，30)的图像．对离散小波变换和Curvelet变换的分解和重构是四层．实验结果如图5(σ =20)所示．(1)从人眼识别角度看，本文提出的方法效果比较明显，Curvelet变换在均匀区域的去噪结果比离散小波变换的结果要平滑，在各种噪声水平下其去噪效果都比其他相关方法要好;(2)从量化数据上看，本文方法计算得到的峰值信噪比参数值比其他去噪算法要高，见表1．表1 不同方法的去噪结果比较(PSNR)σ 噪声图像 DWT全局阈值去噪Curvlet全局阈值去噪Curvlet全局软硬折衷去噪本文方法去噪10 28.129 3 28.990 930.492 31.065 8 32.805 6 2 22.155 7 26.395 7 28.101 28.332 6 29.439 6 3 18.638 4 23.304 8 24.550 3 25.377 5 26.691 5(3)对Curvelet变换具有平移不变性和良好的方向选择性等优点以及自适应软硬折衷阈值处理的特点所决定．3 结束语本文基于Curvelet变换提出了一种根据贝叶斯估计计算阈值并以软硬折衷的方式对图像噪声去除的方法，该方法去除噪声较彻底，边界、纹理等特征保留较好．通过本文的方法进行的实验结果表明，提出的方法在去除噪声的同时，能更好地保留图像的细节．去噪后的图像峰值信噪比值高，视觉效果较好．参考文献:图5 Barbara图像及其去噪结果［5］ STARCK JL，CANDESE J，DONOHOD．The curvelet transform for image denosing［J］．IEEE Transaction on Image Processing，2002，11(6):131-141．［6］ CANDESEmmanuel J，DONOHODavid L．Continuous curvelet transform:Resolution of thewavefront set［EB/OL］．(2003-05-06)［2004-08-15］．http://www-stat．stanford．edu/～donoho/Reports/2003/ContCurveletTransform-I．pdf．［7］ DONOHOD L．Ridgelet functions and orthonormal ridgelets ［J］．Journal of Approximation Theory，2001;111(2):143-179．［8］ CANDESEmmanuel J，DONOHODavid L．Curvelets a surprisingly effective nonadaptive representation for objectswith edges［EB/OL］．(1999-12-16)［2004-09-20］．http://www．acm．caltech．edu/～emmanuel/papers/Curvelet-SMStyle．pdf．［9］ CANDESE J，DONOHO D L．Continuous Curvelet transform:reso-lution of the wavefront set［EB/OL］．(2003-05-06)［2004-08-15］．http://www．acm．caltech．edu/～emmanuel/publication．html．［10］ CANDESE J，DONOHO D L．Fast discrete curvelet transform ［R］．California:California Institute of Technology，2005．［11］ CANDESE J．Ridgelet:theory and application［D］．Stanford:Department of Statistic，Stanford University，1998．［12］ CHEN Y，HAN C．Adaptivewavelet thresholding for Image denoising［J］．Electronics Letters，2005，41(10):586-587．［13］ DONOHOD L，JONHNSTONE IM．Ideal spatial adaptation via wavelet shrinkage［J］．Biometrika，1994，81(3):425-455．【相关文献】［1］ MALLAT S．A wavelet tour of signal processing［M］．2nd ed．Beijing:China Academic Press，1999:67-216．［2］ MALLAT S．A theory formultiresolution signal decomposition:the wavelet representation［J］．IEEE Trans PAMI，1989，11(7):674-693．［3］SARKAR TK，SUC．A tutorialonwavelets from an electricalengineering perspective，Part2:the continuous case［J］．IEEEAntennas ＆Propa-gation Magazine，1988，40(6):36-48．［4］焦李成，谭山．图像的多尺度几何分析:回顾和展望［J］．电子学报，2003，31(12A):1 975-1 981．。
基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法
基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方
法
王军华;方勇
【期刊名称】《上海大学学报（自然科学版）》
【年(卷),期】2010(016)004
【摘要】针对含有噪声情况下的盲分离问题,提出一种基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法.该方法在对含噪混合图像进行Curvelet多尺度几何分析的基础上,根据Curvelet变换域信号稀疏的特点,采用位置相关自适应数学形态学降噪算子进行降噪,选取最稀疏的子带图像寻求分离矩阵,进而实现全局分离.仿真结果显示,该方法对于含噪图像的盲分离具有良好的性能.
【总页数】6页(P336-341)
【作者】王军华;方勇
【作者单位】上海大学,通信与信息工程学院,上海,200072;上海大学,通信与信息工程学院,上海,200072
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于第二代curvelet变换的含噪图像增强算法 [J], 李雪平
2.基于PCA的第二代Curvelet变换域图像降噪研究 [J], 刘鸿涛;王皓;汪金礼;尹涛;苏亚辉
3.基于独立分量分析新算法的含噪图像盲分离 [J], 张宇波;黄会营
4.一种基于数学形态学的含噪、低对比度图像的边缘检测方法 [J], 赵怀勋;郑敏;李志强
5.基于数学形态学的Contourlet变换域图像降噪方法 [J], 刘盛鹏;方勇
因版权原因，仅展示原文概要，查看原文内容请购买。
基于自适应阈值的curvelet医学超声图像去噪算法
基于自适应阈值的curvelet医学超声图像去噪算法
庄哲民;姚伟克;杨金耀;李芬兰;袁野
【期刊名称】《中国医疗器械杂志》
【年(卷),期】2014(38)6
【摘要】传统的超声图像去噪算法在抑制斑点噪声的同时,会丢失图像中的大量细节和微弱的边缘信息。
该文基于curvelet变换提出一种新的自适应阈值去噪声算法,该算法利用各层curvelet系数局部方差在超声图像纹理与平滑度的差异,分别定义模糊区域和隶属度函数,并根据隶属度函数确定相关curvelet系数的自适应阈值,通过该阈值实现对超声图像的去噪。
实验测试表明,该方法在保留原有图像细节信息的基础上有效地降低了超声图像的斑点噪声,极大地提升B超仪器的性能。
【总页数】4页(P398-401)
【关键词】超声图像;斑点噪声;去噪;curvelet变换;自适应阈值
【作者】庄哲民;姚伟克;杨金耀;李芬兰;袁野
【作者单位】汕头大学电子工程系;汕头市超声仪器研究所有限公司
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于贝叶斯估计自适应软硬折衷阈值 Curvelet 图像去噪技术 [J], 杨国梁;雷松泽
2.改进的自适应阈值软硬折中Curvelet图像去噪技术 [J], 杨国梁;王全;王亚文
3.基于 NSCT 和自适应模糊阈值遥感图像去噪算法 [J], 黄涛;薛丰昌;钱洪亮;周明
4.基于Curvelet变换的自适应阈值图像去噪方法 [J], 王海珍;吴爱弟
5.基于幂次变换的自适应超声医学图像去噪算法 [J], 王绍波;梁振
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Curvelet变换的图像消噪
基于Ｃｕｒｖｅｌｅｔ变换的图像消噪作者：何劲李宏伟张帆来源：《现代电子技术》2008年第02期摘要：小波变换对图像消噪能够起到较好的效果，但是对图像中线性区域的处理存在局限性。
Curvelet变换是一种新的具有方向性的多尺度变换，他处理图像线性区域能有更好的效果。
将Curvelet变换运用到图像消噪中，实验结果表明，他的消噪结果比小波消噪有着更好的视觉效果，并且PSNR也得到一定的提高。
关键词：小波变换；Curvelet变换；Ridgelet变换；图像消噪中图分类号：TP391 文献标识码：B 文章编号：1004-373X(2008)02-140-02Abstract：Wavelet transform has a good effect in image denoising,but there is some limitation when it is used in processing the image edges.Curvelet transform is a new multiscale analysis algorithm,and is more efficiently for the analysis of the image edges.This paper applies Curvelet transform to the image denoising,experiments show that it is more effective in the vision than WaveletKeywords：1 引言由于小波变换在空域和频域上都具有良好的局域特性，近年来他在图像消噪中的运用越来越广泛，但是小波分析主要反映奇异点的位置和特性，而二维图像的边缘有许多曲线和直线，使得小波变换在处理图像时具有一定的局限性。
为了克服这种局限性，EJ.Candes提出了Curvelet变换［3］，Curvelet变换是一种具有方向性的多尺度变换，他能够有效描述沿直线的奇异特性，因此在对图像进行处理时能够比小波变换更好地保护图像中的线性特征。
基于Curvelet变换的自适应阈值图像去噪方法
等人于 ２ ０ ０ ５年提 出两种 快速 离散 Ｃ ｒｃ ｔ ｕｖｌ 变换 的实 ｅ
１ Ｃ ｒｅｅ 变换 ｕｖｌｔ
在信号、 图象处理等工程领域得到广泛 的应用． 但对 于二维 或高维 的情 况 ，由一 维 小 波 的张 量 积 张成 的
小波 是各 向同 性 的 ， 向选 择有 限 ，只 能捕 捉 “ ” 方 点
的奇异信息 ， 不能有效地表示含 曲线奇异的信 息． 针对这 些 局 限性 ， ａ ｄ ｓ Ｄ ｏｈ Ｃ ｎ ￣ 和 ｎｏ ｏ于 １ ９ ９ ９年提 出 了 Ｃ ｖｌ 变换 ¨ ，ｕｖｌ 变换 是各 向异性 的 ， 有 ｕｅ ｔ ｅ Ｃ ｒｃ ｔ ｅ 具
Ａｂ ｔ ａ ｔ ｈ ｕ ｖ ｌｔｔ ｎ ｆ ｒ ｒ ｐ ｅ ｅ ｔ ｄ ｅ ｎ ｅａｌ ｆｉ ｇ ｅｔ ｒｔ ａ ａ ｅｅ ｒ ｎ ｆ ｒ ｓ ｒ ｃ ：Ｔ ｅ ｅ ｒｅｅ ｒ ｓｏ ｍ ｅ ｒ ｓ ｎ ｓｅ ｇ ｓ ａ ｄ ｄ ｔｉ ｏ ａ ｓ ｍａ ｅ ｂ ｔ ｈ ｎ ｗ ｖ ｌｔ ａ ｓｏ ｍ，ａ ｄ ｉ ｅ ｅｏ ｅ ｗ ｌ — ｅ ｔ ｎ ｓｔ ｒｆ ｒ ｅｌ ｈ ｓ ｉ ｄ ｆ ｒｉ ｇ ｒ ｃ ｓ ｉ ｇ ｄ ｐ ｉ ｅｔ ｒ ｓ ｏ ｄ ｉ ｇ ｅ ｏｓ ｇｍｅｈ ｄ ｂ ｓ ｄ ｏ ｈ ｅ ｏ ｄ ｃ ｒ ｅｅ ｒｎ ｆｒ ｓｐ ｏ ｏ ｅ ． ｕ ｔ ｏ ｅ ｍａ ｅ ｐ ｏ ｅ ｓｎ ．Ａ ａ ａ ｔ ｅ ｈ ｌ ｍａ ｅ ｄ ｎ ｉｉ ｔ ｏ ａ ｅ ｎ ｔ ｅｓ ｃ ｎ ｕ ｖ ｌｔ ａ ｓｏ ｉ ｒｐ ｓ ｄ ｖ ｈ ｎ ｔ ｍ Ｔ ｅ ｅ ｒ ｅｅ ｒｎ ｆｒ ｏ ｆ ｃｅ ｔ ｉ ｉ ｅ ｅ ｔ ｃ ｌ ｓａ ｄ ｄ ｒｃ ｉｎ ｒ ｌ ｒ ｄ ｗｉ ｄ ｐ ｉｅ ｔ ｒ ｓ ｏ ｄ ｘ ｅｉ ｎ ｓｓ ｏ ｈ ｔ ｈ ｕ ｖ ｌ ｔ ａ ｓ ｍ ｃ ｅ ｉｎ ｓ ｎ ｄｆ ｒ ｎ ａｅ ｎ ｉ ｔ ｓａ ｅ ｆ ｔ ｅ ｔ ａ ａ ｔ ｅ ｈ ｌ ．Ｅ ｐ ｒ ｔ ｏ ｉ ｆ ｓ ｅ ｏ ｉｅ ｈ ｖ ｈ ｍｅ ｔ ｈ ｗ ｔ ａ ｔ ｅ ｍｅｈ ｄ ｐ ｏ ｏ ｅ ｉｌ ｓｄ ｎ ｉ ｄ ｉ ｇ ｔ ｉｈ ｒｑ ａ ｉ ｅ ｏ ｅ ｙｏ ｄ ｅ ．Ｉ ｉ ｃ ｐ ｂ ｅｏ ｃ ｉ ｖｎ ｅｈ ｇ ｅ ｅ ｋ ｓ — ｈ ｔｏ ｒｐ ｓ ｄ ｙｅｄ ｅ ｏｓ ｍａ ｅｗｉ ｈ ｇ ｅ ｕ ｌ ｙ ｒ ｃ ｖ ｒ ｆ ｇ ｓ ｔ ｓ ａ ａ ｌ ｆ ｈ ｅ ｉｇ ｔ ｉ ｈ ｒ ａ ｉ ｅ ｈ ｔ ｅ ａ ｈ ｐ ｇ ｎ ｌ ｏｓ ａ —ｎ ｉｅ— ｒ ｔ ｎ ｉｉ ｇ ｂ ｔ ｒｖｓ ａ ｑ ａｉ ． ａｉ ａ ｄ ｇｖ ｎ ｅｔ ｉ ｌ ｕ ｌ ｙ ｏ ｅ ｕ ｔ Ｋｅ ｗｏ ｄ ：ｗａ ｅｅ ｒｎ ｆｒ ；ｅ ｒ ｅｅ ｒ ｎ ｆｒ ；ｉ ｇ ｅ ｏｓｎ ｙ ｒｓ ｖｌｔ ａ ｓ ｍ ｔ ｏ ｕｖｌｔ ａ ｓ ｍ ｔ ｏ ｍａ ｅ ｄ ｎ ｉｉｇ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｍ ｄ ｌ ａ ｅ ｏｍ ｌ ｎ ｅ ｅ Ｇ ｕｓ ｎ（ Ｉ ，ｉ ｉ ｐ ｓｄ ｏ ｈ ｕｖｌ ｏｆｃ ｎｓｄ ｓ ｎｄ ｔ ｃｐｕｅｔｅ ｏ ｅ，ｎｍ ｄ ｎｒ ａ ｉｖｒ ａｓｉ ｓ ａ Ｎ Ｇ） ｓ ｍ ｏｅ ｎｔｅ ｃｒｅｅ ｃｅ ｉ ｔ ｅｉ ｅ ｏ ａｔｒ ｈ ｔ ｉ ｆ ｅ ｇ
பைடு நூலகம்
Ｋ ｙ ｒ ｓ ｃｒｅ ｔｒｎｆ ｍ； ｏ ａ ｉ ｅｓ ａ ｓ ａ Ｎ Ｇ ； ｘｍ ｍ ａｐｓ ｒ ｒ；ｉ ｇ ｅ ｏ ｉｇ ｅ ｗｏｄ ： ｕｖｌ ａ ｓ ｒ ｎｒ ｌｎ ｒ Ｇ ｕ ｓ ｎ（ Ｉ ） ｍａｉ ｕ ｏｔ ｉ ｉ ｍａｅｄ ｎ ｉｎ ｅｔ ｏ ｍ ｖ ｅ ｉ ｅｏ ｓ
Ｊｎ ０ ８ ａ ．２ ０
文章 编号 ： ２５８ ９ （ ０ ８ ０ － ２ －６ ０ ５ － ７ ２０ ） １ ０ ２０ ２ ０
Ｃ ｒ ｅ ｔ 换 域 自适 应 收 缩 图 像 去 噪 ｕｖｌ 变 ｅ
邓 承志 ， 曹汉 汪胜 强， 前
－
（ ．华 中科技大学 电子与信息工程 系， １ 湖北 武汉 ４ ０ ７ ； ３０ ４
Ａｂｓｒ ｃ ｔ ａ ｔ：Ａ ｎ ｎ ａ ａ ｔｉ Ｂａ ｅ ｉｎ ｅ ｔｍａｏ ｏ ｉ ｇ ｄ ｎ ｉｉ ｇ ｎ ｈ ｕ ｖ ｌｔ ｏ ｉ ｉ ｓｕ ｉｄ． Ａ ｒｏ ｏ ｐ ｒ ｍｅｒｃ ｙ ｓａ ｓｉ ｔ ｒ ｆ ｒ ｍａ ｅ ｅ ｏ ｓｎ ｉ ｔ ｅ ｃ ｒ ｅ ｅ ｄ ｍａ ｎ ｓ ｔ ｄ ｅ ｐ ｒ ｉ
２ ．江西科技 师范学院 江西省光 电子与通信重点实验室 ， 江西 南昌 ３０１ ） ３０３
摘
要： 研究 了 ｃｒｅ ｔ ｕｖｌ 变换域非参数 贝叶斯估计 图像 去噪问题 ． ｅ 利用先验概率模型一正态反高斯 （ Ｉ 分布对 图 ＮＧ）
像 ｃｒｅ ｔ ｕｖｌ 系数 的稀疏分布进行统计建模 ， ｅ 并在此基础上设计 出基于 Ｎ Ｇ的最大后验概率 （ Ｐ 估计器 ． Ｉ ＭＡ ） 通过估计 ｃｒｅ ｔ ｕｖｌ 子带系数分布 的参数 ， ｅ 实现基于 ＭＡ Ｐ的子带 自适应收缩 图像 去噪 ， 最后通过 仿真验证 了去噪算 法的性 能． 结果表明 ， 方法能有效地去除图像 中的噪声 ， 该 同时较好地保 留了图像 的纹理 和边缘 等细 节． 关键词 ： ｕｖｌ 变换 ； ｃｒｅ ｔ ｅ 正态反高斯分布 ； 大后 验概率（ Ｐ ；图像 去噪 最 ＭＡ ） 中图分类号 ： Ｎ １ ．３ Ｔ ９ １７ 文献标志码 ： Ａ
ｄ ｓｇ ｅ ． Ｂｙ ｅ ｔ ｔｎ ｈ ｍｏ ｌ ｐ ｒｍｅｅ ｓ ｏ ｕ ｖ ｌ ｔ ｕ ａ ｄ ｃ ｅ ｃｅ ｔ ｅｉｎ ｄ ｓｉ ｉ ｇ ｔ ｅ ｍａ ｄｅ ａ ａ ｔ ｒ ｆ ｃ ｒ ｅｅ ｓ ｂｂ ｎ ｏ ｆ ｉ ｎｓ，ａ ＭＡＰ— ａ ｅ ｕ ｂ ｎ ｄａ ｉ ｅ ｉ ｂ ｓ ｄ ｓ ｂ ａ ｄ ａ ｐｔ ｖ ｓ ｒｎ ａ ｅ ｉ ｇ ｎ ｉｉｇ ｉ ｅ ｌ ｅ ｈ ｋ ｇ ｍａ ｅ ｄｅ ｏ ｓｎ ｓｒ ａ ｉ ｄ．Ｓｉ ｌｔｏ ｓｃ ｒｉ ｄ ｏ ｔｔ ｈ ｗ ｆｅ ｔ ｅ ｅ ｓｏ ｈ ｎ ｉｅ ．Ｅｘ ｅ ｍｅ ｔｌ ｉ ｚ ｍｕ ａｉ ｎ ｉ ａ ｒｅ ｕ ｏ ｓ ｏ ｅｆｃ ｉ ｎ ｓ ｆｔ ｅ ｄｅ ｏ ｓ ｒ ｖ ｐ ｒ ｎ ａ ｉ
Ａｄ ｐｔｖ ａ ｉ ｅ Ｓｈｒｎ ｇ ｍａ ｅ Ｄｅ ｏ ｓｎｇ ｉ ｒ ｅ ｅ ｍ ａ ｎ ｉ ｋａ ｅ Ｉ ｇ ｎ ｉｉ ｎ Ｃｕ ｖ ｌ ｔＤｏ ｉ
ＤＥＮＧ ｅ ｇ ｚ ｉ Ｃｈ ｎ ．ｈ ， ＣＡＯ ｎ ｑ ａ ｇ Ｈａ — ｉｎ ， Ｗ ＡＮＧ ｈ ｎ — ｉ ｎ Ｓ ｅ ｇｑａ
ｓａ ｅ ｅｓ ｆｔｅ ｃｒｅｅ ｅｐｎｉｎ Ｂ ｓｄ ｏ ｈｓ Ｉ —ａｅ ａｉ ｕ ｏｔ ｉｒ ＭＡ ｐｒ ｎ ｓ ｏ ｈ ｕｖｌ ｘ ａｓ ． ａｅ ｎ ｔｉ，ａ Ｎ Ｇ ｂ ｓｄ ｍ ｘ ｍ ａ ｐ ｓ ｒ ｉ（ Ｐ） ｅｔ ｔｒｉ ｓ ｔ ｏ ｍ ｅｏ ｓｍａ ｓ ｉ ｏ
ｒｓ ｌ ｈ ｗ ｔ ａ ｅ ｐ ｏ ｏ ｅ ｔ ｏ ａ ｆ ｃ ｉｅｙ ｒ ｄ ｃ ｏｓ ｈ ｌ ｅ ｐ ｄ ｔｉ ． ｅ ｕｔ ｓ ｏ ｈ ｔｔ ｒ ｐ ｓ ｄ ｍｅ ｈ ｄ ｃ ｎ ｅ ｆ ｔ ｌ ｅ ｕ ｅ ｎ ｉ ｗ ｉ ｋ ｅ ｅ ａｌ ｓ ｈ ｅ ｖ ｅ ｅ ｓ
小 波变 换作 为 计算 调 和分 析 中的 一种 ， 由于其
优越 的时频 局域 特性 和多 分辨率 分 析特性 而得 到广 泛应用 … ． 而 ， 波 对 高 维 奇 异 性 的 非 稀 疏 性 影 然 小
（．Ｄｐ ｒ ｅｔｆＥｅ ｒｎ １ ｅａｔ ｎ ｏ ｌ ｔ ｉ Ｉ ｏｍ ｔｎ Ｈ ａｈｎ ｎｖｒｔ ｏ ｃ ｎｅ＆ Ｔｃｎ ｌ ｙ Ｗｕａ ３０ ４ Ｃ ｉ ； ｍ ｃ ｏ ｃ＆ ｎ ｒａｉ ， ｕ ｚｏｇ Ｕ ｉ ｓｙ ｆＳｉ ｃ ｆ ｏ ｅ ｉ ｅ ｅｈｏｏ ， ｈ ｎ４０ ７ ， ｈｎ ｇ ａ ２ ｅ ａ ｏ ｔ ｙｏ ｏ ｔ —ｌ ｔ ｎ ＆ Ｃ ｍｍ ｎ ａｉｎ Ｊ ｎ ｘ Ｓ ｉ ｃ ．ＫｙＬ ｂｒ ｏ ｐｉＥｅ ｒ ｉ ａ ｒｆ ｃ ｃｏｃ ｏ ｕ ｉ ｔ ， ｉ ｇ ｉ ｃ ｎｅ＆ Ｔｃｎｌ ｙＮ ｒ ａ ｏｌ ｅ ｃ ｏ ａ ｅ ｅｈ ｏ ｏｍ ｌ ｌｇ ， ｏ ｇ Ｃ ｅ Ｎ ｎｈｎ ３ ０ ３ Ｃ ｉ ） ａ ｃａｇ３０ １ ， ｈｎ ａ
维普资讯
第２ ６卷
第 １ 期
Ｌ 垒 Ｊ
应
用
科
学
学
报
Ｖｏ ． ２ Ｎｏ． １ １ ６
２０ ０ ８年 １月
垒 垦 ＣＥ Ｃ ＳＥ ｃｏｉ ｎ ｆｍ ｔｎ ｎｉ ｅ ｎ ９Ｓ ＩＮ Ｅ —ｌ ｔｎ ｓ ｄＩｏ ａｏ ｇ ｅｒ ｇ ｅｒ ｃａ ｎｒ ｉ Ｅ ｎ ｉ