文件名称:
DCT子空间的非局部均值去噪算法_胡金蓉.pdf
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2019-07-21
详细说明:在整个图像块像素灰度值向量空间中,非局部均值(nonlocalmeans,NLM)算法度量像素间的相似性不仅计
算复杂度高,而且当噪声存在时还不能准确地计算出像素间的相似性权重值,影响了对图像冗余性质的利用,使 得
去噪结果图像对比度和清晰度低.针对 NLM 算法的这一缺陷,利用离散余弦变换(discretecosinetransform,DCT)
的低数据相关性和高能量紧致性,将 DCT与 NLM 算法相结合,对图像块进行 DCT,并在 DCT低频系数子空间内度
量像素间的相似性.实验结果表明,与 NLM 算法相比,该方法能够在保护图像结构信息、对比度和清晰度的前提下
更有效地去除噪声,峰值DCT
DCT
NLM
NLM-DCTS
DCT
u M
(3)
p(x
2t(i)
Za(i)
p(r, y)
d∈[1,
x(2x+1)u
丌(zy+1)
(2)M
DCT
Cos
COS
7
x,y=0,1,2∴…,r-1,r
L·了
,(ck(N)一
0.1,2
cLd」(N)-cLd」(N,)‖";cLdl(N
√1{r=0
7l≠0
c[d(N2)]={C(u,v)=c(l)a(v)
P(N
1r=0
x(2x+1)l
(2y+1)
2/rv≠0
COS
DCT
d=M
NLM
DCT
NLM-DCTS
1a.1b
128×128
1c,1d
1d13%
DCT
NLM
NLM-DCTS
a
41×41;2d
25
(21,21)
Lena子图
b Barbara子图
NLM- DCTS
NLM
7×7
(41×41)
gag
20%
d=10.2b,2e
2 b
NLM
c重构的Lena子图
d重构的 Barbara子图
1 DCI
NLM
NLM
2c,2f
NLM-DCTS
DCT
DCT NLM
NLM-DCTS
DCT
21994-2014ChinaAcademicJournalElectronicPublishingHousealLrightsreservedhttp://www.cnki.net
24
a原始图像
baf权值分布(NM)
a的权值分布( NLM-DCTS)
d噪声图像σ=25
ed的权值分布(NLM)
fd的权值分布( NLM-DCTS)
BF
SVD, NLM-PNDLLOJ
BM3D[17
PSNR
NLM-DCTS
NLM-DCTS
PSNR
(a=25)dB
NLM.NLM-
Ho
P∈pp
SVDLS. NLM-PND0 3
NLM-DCIS
31.64
Boat House. Pe
eppes
BE
280
Brain web
MRI
NLMLlJ
30.31
28.42
30.81
28.77
NLM-SVD-3I
0.93
(i)=u(i)+n(t),,v(i)
NLM-PND1131.1289131.6529.33
(i)
BM3D-1YI
3206
29.85
3284
30.11
PSNR
NLM-DCTS
PSNR
RPsN-101g 255/Ems
(4)
(li(i)-u(i))2/
NLM
1,10
NLM
NLM-DCTS
21×217×7;
Zigzag
NLM-PND
PSNR
20%
DCT
NLM-SⅤD
NLM-DCTS
10
PSNR
BM3D
NLM-DCT
NLM-DCTS
house
3b~3h
PM
BE
21994-2014ChinaAcademicJournalElectronicPublishingHousealLrightsreservedhttp://www.cnki.net
. DCT
93
NLM. NLM-SVD, NLM-PND. BM3D NLM
DCTS
house
NLM-DCTS
NLM-DCTS
NLM
NLM-PND
NLM-SVD 2
NLM
山
山
a噪声图像
bPM算法去噪结果
cBF算法去噪结果
dNLM算法去噪结果
e NLM-SV算法去噪结果fNLM-PND算法去噪结果
gBM3U算法去噪结果
hNLM-DIS算法去噪结果
i噪声残差图像
jPM算法噪声图像
kBF算法噪声图像
NLM算法噪声图像
m NLM-SV算法噪声图像 n NLM-PND算法噪声图像
0BND算法噪声图像
p NM-DCTS算法噪声图像
ouse
NLM-DCTS NLM
PSNR
NLM
5,10,15,20,25,50,75100
PSNR
NLM
PSNR
PSNR
C 0=5 0=10),NLM-DC TS
Brain web
MRI
21994-2014ChinaAcademicJournalElectronicPublishingHousealLrightsreservedhttp://www.cnki.net
94
24
NLM-DCTS
PSNR
NLM
NLM
NLM-DCTS
10
NLM
35
35
35
汤
15
一NLM-DcTS
NLM-DCTS
15-E-NLM-DCTS
- NLM
NLM
NLM
噪声图像
e—噪声图像
-噪声图像
5
15
75
75
25
75
a House
b Lena
c Peppers
35
一 NLM-DCTS
15}-一 NLM-DCTS
E NLM-DCTS
NLM
=早NLM
一NLM
噪声图像
母一噪声图像
一噪声图像
e Brain We TI
f Brain Web t2
号一
NLM.DCTS
- NLM
噪声图像
g Brain Web PD
4 NLM-DCTS
NLM
PSNR
NLM-DCTS NLM
5c,5f
Lena
pper
rain
n web t1
NLM-
NLM-DCTS
DCTS
NLM-DCTS
5 n
21994-2014ChinaAcademicJournalElectronicPublishingHousealLrightsreservedhttp://www.cnki.net
DCT
9
5 o
DCT
50)
NLM-DCTS
PSNR
a Lena a=25bNLM对a的去噪结果 C NLM-DCTS对
d lena a=50eNLM对d的去噪结果 f NLM-DCTS对
a的去噪结果
d的去噪结果
g Peppers a=25hNLM对g的去噪结果 I NLM-DCTS对 Peppers a=50kNLM对j的去噪结果1 NLM-DCTS对
的去噪结果
j的去噪结果
m BrainWeb T=25nNLM对m的去噪结果0 NLM-DCTS对 o BrainWeb T1σ=50qMM对p的去噪结果 NLM-DCTS对
m的去噪结果
的去噪结果
5 NLM-DCTS
NLM-DCTS
NI
NLM
O(|g·S|·M)
1/10,
JP
NLM-DCTS
NLM
NLM-
DCTS
NLM LM-DCTS
MATLAB
NLM
House, Peppers
256×256,Lena
512×512
2 NLM-DCTS
NLM
S
House
Peppers
Le
Boat
NLM
114
468
473
DCT
NLM
NLM-DCTS
36
36
21994-2014ChinaAcademicJournalElectronicPublishingHousealLrightsreservedhttp://www.cnki.net
96
24
Zigzag
means algorithm for image denoising [J]. Journal of Computer
DCT
Science and Technology, 2008, 23(2): 270-279
[9 Orchard J, Ebrahimi M, Wong A. Efficient nonlocal-means
DCL
denoising using the SVD[C]//Proceedings of the 15th IEEE
DCT
International Conference on Image Processing. Los Alamitos
IEEE Computer Society Press, 2008: 1732-1735
[10 Tasdizen T. Principal neighborhood dictionaries for nonlocal
(References
means image denoising [J. IEEE Transactions on Image
Proccssing,2C09,18(12):2649-2600
[11 Ji Z X. Chen Q. Sun Q S, el ul. A moment-based
1 Buades A, Coll B, Morel J M. A review of image denoising
nonlocal-means algorithm for image denoising [J]
algorithms, with a new onc [J. Multiscale Modeling and
Information Processing Letters, 2C09, 109(25/21): 12
Simulation,2005,4(2):490-530
1244
_] Tomasi C, Manduchi R. Bilateral filtering for gray and color [12] Sun Weifeng, Peng Yuhua. An improved non-lccal mears
ges [C] //Proceedings of the 6th International Conference
de-noising approach [J. Acta Electronica Sinica, 2010, 38
on Computer Vision. Washington D C: IEEE Computer
(4):923-928(in Chinese
Society press. 1998:839-846
3 Cai Chao, Ding Mingyue, Zhou Chengping, et al. Bilateral
2010,38(4):923-928)
filtering in the wavelet domain [. Acta Electronica Sinica
[13 Chen Q, Sun Q S, Xia D S. Homogencity similarity bascd
2004,32(1):128-131( in chinese)
image denoising I. Pattern Recognition, 2010, 43(12)
[JI
4089-4100
,2004,32(1):128-131)
[14J Ahmed N, Natarajan T, Rao K R. Discrete cosine transform
4 Perona P, Malik J. Scale-space and edge detection using
LJ. IEEE Transactions cn Computers. 1974,C-23(1):90-
anisotropic diffusion J]. IEEE Transactions on Pattern
Analysis and Machine Intelligence, 1990,12(7): 629-639
[15 Hu Guangshu. Digital signal processing theory, algorith
5 Rudin L, Osher S, Fatemi E. Nonlinear total variation based
and implementation [M. Bcijing 'Tsinghua Univcrsity
noIse rene
algorithms [J]. Physica D: Nonlinear
Press. 2003, 363-408(in Chinese
Phenomena,192,50(1/4):259258
LMI
6 Coifman RR, Donoho D L. Translation- invariant de-noising
203)3:363-40)8)
[C//Proceedings cf Wavelets and Statist ics, Springer
L16 Khayam S A. The discrete cosine transform dct ): theory
Lecture Notes in Statistics, New York Springer, 1995, 103:
and application [R]. Michigan State: Michigan State
125-150
University. Department of Electrical & Computer
7 Mahmoudi M, Sapiro g. Fast image and video denoising via
eering, 2003
nonlocal means of similar neighborhoods [J_. IEEE Signal [17] Dalov K. Foi A. Ka koynik v. ei al. Image denoising by
Processing Letters, 2005, 12( 12): 839-812
sparse 3D transform-domain collaborative filtering[J. IEEE
8 Liu Y L, Wang J, Chen X, et al. A robust and fast non-lccal
transactions cn Image processing, 2007,16(8): 2080-2095
21994-2014ChinaAcademicJournalElectronicPublishingHousealLrightsreservedhttp://www.cnki.net
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度。
- 本站已设置防盗链,请勿用迅雷、QQ旋风等多线程下载软件下载资源,下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
- 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.