CN102156973A - 图像去噪方法和设备 - Google Patents
图像去噪方法和设备 Download PDFInfo
- Publication number
- CN102156973A CN102156973A CN 201110114131 CN201110114131A CN102156973A CN 102156973 A CN102156973 A CN 102156973A CN 201110114131 CN201110114131 CN 201110114131 CN 201110114131 A CN201110114131 A CN 201110114131A CN 102156973 A CN102156973 A CN 102156973A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- coefficient
- frequency sub
- image subblock
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明实施例公开了一种图像去噪方法和设备,通过应用本发明实施例的技术方案,以图像插值来判断图像纹理方向,之后沿着判断所得的方向进行小波变换,这种方向自适应的小波变换能够将图像的纹理信息变换到低频区域,保护图像的纹理在阈值去噪中不受损失,从而,将竖直方向和水平方向之外的其他方向的纹理信息进行处理,针对纹理丰富的图像,较之于传统的小波阈值去噪明显的改善了去噪后图像的视觉质量和PSNR值。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种图像去噪方法和设备。
背景技术
数字图像作为信息的载体在多媒体通信业务中扮演着重要的角色,但是,数字图像在采集,编码,传输,恢复过程中不可避免的会受到噪声的污染,这一定程度上弱化了人眼对图像的视觉感受,因此,如何有效的去除图像的噪声是一个重要的研究课题,而纹理丰富的图像去噪问题更是这个课题中的一大难点。
在现有的解决方案中,小波阈值图像去噪方案是一种比较常用的处理方式。
在含噪图像的小波变换域中,图像信号能量的绝大部分集中在绝对值较大的小波系数中,噪声能量则主要集中于绝对值较小的小波系数中。阈值去噪的基本原理是:通过设定一个阈值,将低于阈值的小波系数设置为0,保存高于阈值的小波系数,这样可以大大的削减噪声的能量。
传统的小波阈值去噪具体处理流程如图1所示,包括以下步骤:
步骤S101、分别沿图像水平和竖直方向进行小波变换,得到四个子带(高高,高低,低高,低低),并对低低子带继续进行一定次数的小波变换,实现图像的多尺度分解。
步骤S102、根据所得的高高子带系数计算含噪图像的阈值。
步骤S103、利用软阈值或者硬阈值萎缩法对所有尺度下的高高,高低,低低子带进行阈值萎缩。
步骤S104、对萎缩后的系数进行小波反变换,得到去噪后的图像。
在实现本发明实施例的过程中,申请人发现现有技术至少存在以下问题:
传统的小波阈值去噪沿着图像的水平和竖直方向对图像进行变换,这忽略了图像其他方向上的纹理信息,导致这些方向上的纹理信息被变换到了高频子带中,从而,不能实现噪声能量和图像能量的有效分开。在纹理丰富的图像去噪中,这种方法往往会在去除噪声的同时损伤掉图像自身的信息,导致去噪图像的视觉质量不佳。
发明内容
本发明实施例提供一种图像去噪方法和设备,解决传统的小波阈值去噪中对竖直和水平方向之外的其他方向上纹理信息处理效果不佳,影响图像去噪质量的问题。
为达到上述目的,本发明实施例一方面提供了一种图像去噪方法,包括:
将待处理的图像划分为多个图像子块,并设置各图像子块的备选方向;
按照所述备选方向,分别确定各图像子块的纹理方向;
根据各所述图像子块中所确定的纹理方向,分别对各所述图像子块进行小波变换。
另一方面,本发明实施例还提供了一种图像去噪设备,包括:
处理模块,用于将待处理的图像划分为多个图像子块,并设置各图像子块的备选方向;
确定模块,用于按照所述处理模块所设置的备选方向,分别确定各图像子块的纹理方向;
变换模块,用于根据所述确定模块所确定的各所述图像子块中的纹理方向,分别对各所述图像子块进行小波变换。
与现有技术相比,本发明实施例具有以下优点:
通过应用本发明实施例的技术方案,以图像插值来判断图像纹理方向,之后沿着判断所得的方向进行小波变换,这种方向自适应的小波变换能够将图像的纹理信息变换到低频区域,保护图像的纹理在阈值去噪中不受损失,从而,将竖直方向和水平方向之外的其他方向的纹理信息进行处理,针对纹理丰富的图像,较之于传统的小波阈值去噪明显的改善了去噪后图像的视觉质量和PSNR值。
附图说明
图1为现有技术中的传统的小波阈值去噪具体处理流程的示意图;
图2为本发明实施例提出的一种图像去噪方法的流程示意图;
图3为本发明实施例提出的一种图像去噪方法的备选方向的示意图;
图4为本发明实施例提出的一种图像去噪方法的情况1的处理流程示意图;
图5为本发明实施例提出的一种图像去噪方法的情况2的处理流程示意图;
图6为本发明实施例提出的一种图像去噪方法的边界处理流程示意图;
图7为本发明实施例提出的一种具体应用场景下的图像去噪示意图;
图8为本发明实施例提出的一种具体应用场景下的图像去噪的局部细节示意图;
图9为本发明实施例提出的一种图像去噪设备的结构示意图。
具体实施方式
如背景技术所述,传统的小波阈值去噪对于平滑图像去噪效果较好,但是对于纹理信息丰富的图像或者图像的纹理区域去噪效果则不尽人意。这是因为传统的小波变换不能够实现对纹理图像的稀疏表示,图像中的大量纹理信息被变换到高频子带中,在阈值去噪时容易被误认为噪声而去除,从而导致图像自身信息的丢失。
为了克服这样的缺陷,本发明实施例所提出的技术方案通过图像插值来判断图像纹理方向,之后沿着判断所得的方向进行小波变换,这种方向自适应的小波变换能够将图像的纹理信息变换到低频区域,保护图像的纹理在阈值去噪中不受损失。
如图2所示,为本发明实施例提出的一种图像去噪方法的流程示意图,该方法具体包括以下步骤:
步骤S201、将待处理的图像划分为多个图像子块,并设置各图像子块的备选方向。
在具体的实施场景中,需要将待处理的图像划分为多个大小相同的图像子块,具体的图像子块的大小可以根据实际需要和去噪精度要求进行设定,具体的,可以划分为16像素×16像素,或32像素×32像素,具体图像子块的大小并不会影响本发明的保护范围。
另一方面,本步骤中所设置各图像子块的备选方向,具体分布在0至360°范围内,具体的,可以设置16个备选方向,或者其他数量的备选方向,但是备选方向的覆盖范围有包括除水平方向和竖直方向之外的其他方向,具体备选方向的数量可以根据实际需要进行调整,这样的变化并不影响本发明的保护范围。
步骤S202、按照所述备选方向,分别确定各图像子块的纹理方向。
根据纹理方向的具体情况,本步骤可以分为以下两种情况:
情况一、一个图像子块中的纹理方向属于广义的竖直方向。
(1)将所述图像子块以像素点为单位,分裂为多个像素点行。
(2)以偶数的像素点行对奇数的像素点行中的像素点的方向进行预测,得到高频子带系数。
在具体的实施场景中,上述的高频子带系数具体根据以下公式得到:
其中,d表示为各图像子块所设置的备选方向,以上述的16个备选方向的场景为例,表示属于广义的竖直方向的备选方向;
i表示高频子带的级数;
在实际的应用场景中,上述的用插值函数计算相应的像素值的操作过程中,具体可以采用Sinc插值算法计算相应的像素值,当然,也可以采用其他形式的插值行数计算方法,这样的变化并不影响本发明的保护范围。
(3)根据奇数的像素点行中的像素点的方向对偶数的像素点行中的点的方向进行更新,得到低频子带的系数。
在具体的实施场景中,低频子带系数具体根据以下公式得到:
j表示低频子带的级数;
通过上述的处理,由于图像子块中的纹理方向属于广义的竖直方向,所以,首先,以偶数像素点行中的图像信息作为参照,对奇数像素点行中的像素点的方向进行预测(即确定奇数像素点行中的像素点上的纹理方向),然后,根据相应的预测结果,反过来对偶数像素点行中的像素点的方向进行更新(即确定偶数像素点行中的像素点上的纹理方向),从而,完成所有像素点行中像素点方向的处理过程。
在这里,之所以以偶数像素点行中的图像信息作为参照,对奇数像素点行中的像素点的方向进行预测,使由于图像子块的设置中,中心像素点位于奇数像素点行,这样的方向预测更能体现图像子块的纹理方向。
情况二、一个图像子块中的纹理方向属于广义的水平方向。
(1)将所述图像子块以像素点为单位,分裂为多个像素点列。
(2)以偶数的像素点列对奇数的像素点列中的像素点的方向进行预测,得到高频子带系数。
在实际的应用场景中,高频子带系数具体根据以下公式得到:
进一步的,这里的可以通过以下公式进行确定:
,
i表示高频子带的级数;
这里需要进行说明的是,分数的像素点即为相邻的整数的像素点之间与不同的备选方向相对应的位置,这样的设置将不再依赖整数的像素点进行备选方向的确定,可以更多的建立备选方向,实现纹理方向处理的细化,以下的说明中同样存在相类似的情况,不再重复说明。
在实际的应用场景中,上述的用插值函数计算相应的像素值的操作过程中,具体可以采用Sinc插值算法计算相应的像素值,当然,也可以采用其他形式的插值行数计算方法,这样的变化并不影响本发明的保护范围。
(3)根据奇数的像素点列中的像素点的方向对偶数的像素点列中的点的方向进行更新,得到低频子带的系数。
在实际的应用场景中,低频子带系数具体根据以下公式得到:
表示偶数的像素点列;
j表示低频子带的级数;
通过上述的处理,由于图像子块中的纹理方向属于广义的竖直方向,所以,首先,以偶数像素点行中的图像信息作为参照,对奇数像素点行中的像素点的方向进行预测(即确定奇数像素点行中的像素点上的纹理方向),然后,根据相应的预测结果,反过来对偶数像素点行中的像素点的方向进行更新(即确定偶数像素点行中的像素点上的纹理方向),从而,完成所有像素点行中像素点方向的处理过程。
在这里,之所以以偶数像素点行中的图像信息作为参照,对奇数像素点行中的像素点的方向进行预测,使由于图像子块的设置中,中心像素点位于奇数像素点行,这样的方向预测更能体现图像子块的纹理方向。
需要进一步指出的是,为了保证各图像子块的边缘像素点的纹理方向的处理结果与图像子块内部的其他像素点的纹理方向的处理结果相一致,在进行上述的处理过程时,还需要对各图像子块边缘的像素点直接通过延拓处理,按照所述各图像子块中其他像素点的方向获得相应的纹理方向。
步骤S203、根据各所述图像子块中所确定的纹理方向,分别对各所述图像子块进行小波变换。
与现有技术相比,本发明实施例具有以下优点:
通过应用本发明实施例的技术方案,以图像插值来判断图像纹理方向,之后沿着判断所得的方向进行小波变换,这种方向自适应的小波变换能够将图像的纹理信息变换到低频区域,保护图像的纹理在阈值去噪中不受损失,从而,将竖直方向和水平方向之外的其他方向的纹理信息进行处理,针对纹理丰富的图像,较之于传统的小波阈值去噪明显的改善了去噪后图像的视觉质量和PSNR值。
下面,结合具体的应用场景,对本发明实施例所提出的技术方案进行说明。
提升小波变换是离散小波变换的一种快速实现方式,包括分裂,预测,更新等步骤。本发明实施例所提出的技术方案基于提升小波变换,首先预判断出图像的纹理方向,然后沿着图像纹理进行提升操作。
由于本发明实施例所提出的技术方案在进行提升变换之前需要找到图像的纹理方向,然而对于一幅自然图像而言,不同区域的纹理往往沿着不同的方向,为了能更好的刻画图像的局部特征,需要对图像进行分块处理。
在分块过程中,如果子块过大,则难以精确反映图像的局部纹理,如果子块过小,则方向的搜索过程更容易受到图像噪声的干扰而产生偏差。综合利弊,可以将图像分成32*32或16*16大小的图像子块。
为了找到图像子块的纹理方向,提供了16个备选方向分布在子块的0-360度范围内,具体如图3所示。
图3中的空心圆代表整数像素点,符号‘+’代表需要被插值函数插出的分数像素点,这里使用Sinc插值函数来计算这些分数点的像素值。因为图像沿着纹理方向比较的光滑,高频能量相对较小,所以可以用如下方法判断子块的纹理方向:对每一个整数点分别沿着这16个方向进行预测,计算高频子带的能量,选择能量最小的方向作为这个子块的方向。
此时,方向d属于广义竖直方向,为了能沿着这个方向进行提升变换,需要对子块按行进行分裂:
(1)
(2)
其中,i表示高频子带的级数;表示高通滤波器在第i阶的系数,由相应的高通滤波器的系数得到。当d=2, 3, 4, 6, 7, 8时,位于分数点位置,需要用插值函数计算出来,这里采用的是Sinc插值算法。
其中
其中
对每一个子块而言,其方向d无论属于或均可以保证这个子块能完全重构。当相邻两个子块的方向分别属于和时,如图6 所示,在预测过程中,子块1边缘上的点A被子块2中的分数点所预测,这个分数点则依靠子块2中B点插值得到。在反预测过程中,A点同样需要这个分数点来重构,但此时,生成这个分数点的像素B已经被子块2的预测步骤所改变,因此,这种情况下,子块1和子块2相邻边界上的点不能够保证完全重构。为了解决这个问题,必须对每一个子块单独进行变换,这样,只有子块自身的像素参与变换,可以保证子块的完全重构。为了消除去噪后子块可能产生的边界效应,需要对子块进行延拓处理。最优的延拓方法是采用图像中子块四周的像素对其进行延拓,这样能够真实的反映图像的信息,成功的消除边界效应。
为了证明本方法在图像阈值去噪方面的优良性能,需要对图像进行去噪试验。选取纹理丰富的barbara图像截取图作为试验用图,所含噪声为的高斯白噪声,选择软阈值法对图像进行处理。为了说明自适应方向提升阈值去噪相对于传统小波阈值去噪的优势,用传统的5/3,和本方法分别对含噪图像进行阈值去噪。去噪结果比较如图7所示。
由图7可知,对于纹理丰富的图像,本方法提高了去噪后图像的PSNR值。为了更加直观的说明本方法在保留图像纹理方面的优良性能,截取了Barbara图像的一部分放大后如图8所示。
由图8(c)可以发现,在传统小波阈值去噪后的图像纹理区域,虽然噪声得到了抑制,但是图像的纹理也变的非常模糊,这极大的弱化了人眼的视觉感受。本文提出的新方法在图像去噪中保留了图像的自身纹理,极大的改善了视觉质量。
与现有技术相比,本发明实施例具有以下优点:
通过应用本发明实施例的技术方案,以图像插值来判断图像纹理方向,之后沿着判断所得的方向进行小波变换,这种方向自适应的小波变换能够将图像的纹理信息变换到低频区域,保护图像的纹理在阈值去噪中不受损失,从而,将竖直方向和水平方向之外的其他方向的纹理信息进行处理,针对纹理丰富的图像,较之于传统的小波阈值去噪明显的改善了去噪后图像的视觉质量和PSNR值。
为了实现本发明实施例的技术方案,本发明实施例还提供了一种图像去噪设备,其结构示意图如图9所示,具体包括:
处理模块91,用于将待处理的图像划分为多个图像子块,并设置各图像子块的备选方向;
确定模块92,用于按照所述处理模块91所设置的备选方向,分别确定各图像子块的纹理方向;
变换模块93,用于根据所述确定模块92所确定的各所述图像子块中的纹理方向,分别对各所述图像子块进行小波变换。
其中,所述确定模块92,具体用于:
当一个图像子块中的纹理方向属于广义的竖直方向时,将所述图像子块以像素点为单位,分裂为多个像素点行;
以偶数的像素点行对奇数的像素点行中的像素点的方向进行预测,得到高频子带系数;
根据奇数的像素点行中的像素点的方向对偶数的像素点行中的点的方向进行更新,得到低频子带的系数。
另一种情况下,所述确定模块92,具体用于:
当一个图像子块中的纹理方向属于广义的水平方向时,将所述图像子块以像素点为单位,分裂为多个像素点列;
以偶数的像素点列对奇数的像素点列中的像素点的方向进行预测,得到高频子带系数;
根据奇数的像素点列中的像素点的方向对偶数的像素点列中的点的方向进行更新,得到低频子带的系数。
进一步的,所述确定模块92,还用于:
对各图像子块边缘的像素点,直接通过延拓处理,按照所述各图像子块中其他像素点的方向获得相应的纹理方向。
与现有技术相比,本发明实施例具有以下优点:
通过应用本发明实施例的技术方案,以图像插值来判断图像纹理方向,之后沿着判断所得的方向进行小波变换,这种方向自适应的小波变换能够将图像的纹理信息变换到低频区域,保护图像的纹理在阈值去噪中不受损失,从而,将竖直方向和水平方向之外的其他方向的纹理信息进行处理,针对纹理丰富的图像,较之于传统的小波阈值去噪明显的改善了去噪后图像的视觉质量和PSNR值。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或网络设备等)执行本发明实施例各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明实施例所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明实施例序号仅仅为了描述,不代表实施场景的优劣。
以上公开的仅为本发明实施例的几个具体实施场景,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明实施例的业务限制范围。
Claims (22)
1.一种图像去噪方法,其特征在于,包括:
将待处理的图像划分为多个图像子块,并设置各图像子块的备选方向;
按照所述备选方向,分别确定各图像子块的纹理方向;
根据各所述图像子块中所确定的纹理方向,分别对各所述图像子块进行小波变换。
2.如权利要求1所述的方法,其特征在于,所述将待处理的图像划分为多个图像子块,具体包括:
将待处理的图像划分为多个大小相同的图像子块。
3.如权利要求2所述的方法,其特征在于,所述多个大小相同的图像子块的大小,具体为:
16像素×16像素,或32像素×32像素。
4.如权利要求1所述的方法,其特征在于,所述设置各图像子块的备选方向,具体包括:
在0至360°范围内,设置16个备选方向。
5.如权利要求1所述的方法,其特征在于,所述按照所述备选方向,分别确定各图像子块的纹理方向,具体包括:
当一个图像子块中的纹理方向属于广义的竖直方向时,将所述图像子块以像素点为单位,分裂为多个像素点行;
以偶数的像素点行对奇数的像素点行中的像素点的方向进行预测,得到高频子带系数;
根据奇数的像素点行中的像素点的方向对偶数的像素点行中的点的方向进行更新,得到低频子带的系数。
11.如权利要求1所述的方法,其特征在于,所述按照所述备选方向,分别确定各图像子块的纹理方向,具体包括:
当一个图像子块中的纹理方向属于广义的水平方向时,将所述图像子块以像素点为单位,分裂为多个像素点列;
以偶数的像素点列对奇数的像素点列中的像素点的方向进行预测,得到高频子带系数;
根据奇数的像素点列中的像素点的方向对偶数的像素点列中的点的方向进行更新,得到低频子带的系数。
15.如权利要求8或14所述的方法,其特征在于,所述用插值函数计算相应的像素值,具体为:
采用Sinc插值算法计算相应的像素值。
18.如权利要求1所述的方法,其特征在于,所述按照所述备选方向,分别确定各图像子块的纹理方向,还包括:
对各图像子块边缘的像素点,直接通过延拓处理,按照所述各图像子块中其他像素点的方向获得相应的纹理方向。
19.一种图像去噪设备,其特征在于,包括:
处理模块,用于将待处理的图像划分为多个图像子块,并设置各图像子块的备选方向;
确定模块,用于按照所述处理模块所设置的备选方向,分别确定各图像子块的纹理方向;
变换模块,用于根据所述确定模块所确定的各所述图像子块中的纹理方向,分别对各所述图像子块进行小波变换。
20.如权利要求19所述的设备,其特征在于,所述确定模块,具体用于:
当一个图像子块中的纹理方向属于广义的竖直方向时,将所述图像子块以像素点为单位,分裂为多个像素点行;
以偶数的像素点行对奇数的像素点行中的像素点的方向进行预测,得到高频子带系数;
根据奇数的像素点行中的像素点的方向对偶数的像素点行中的点的方向进行更新,得到低频子带的系数。
21.如权利要求19所述的设备,其特征在于,所述确定模块,具体用于:
当一个图像子块中的纹理方向属于广义的水平方向时,将所述图像子块以像素点为单位,分裂为多个像素点列;
以偶数的像素点列对奇数的像素点列中的像素点的方向进行预测,得到高频子带系数;
根据奇数的像素点列中的像素点的方向对偶数的像素点列中的点的方向进行更新,得到低频子带的系数。
22.如权利要求19所述的设备,其特征在于,所述确定模块,还用于:
对各图像子块边缘的像素点,直接通过延拓处理,按照所述各图像子块中其他像素点的方向获得相应的纹理方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110114131 CN102156973A (zh) | 2011-05-04 | 2011-05-04 | 图像去噪方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110114131 CN102156973A (zh) | 2011-05-04 | 2011-05-04 | 图像去噪方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102156973A true CN102156973A (zh) | 2011-08-17 |
Family
ID=44438455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110114131 Pending CN102156973A (zh) | 2011-05-04 | 2011-05-04 | 图像去噪方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102156973A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093433A (zh) * | 2013-01-25 | 2013-05-08 | 西安电子科技大学 | 基于区域划分和字典学习的自然图像去噪方法 |
CN103679646A (zh) * | 2013-10-24 | 2014-03-26 | 沈阳大学 | 一种用于图像去噪的原始对偶模型 |
CN105528768A (zh) * | 2015-12-10 | 2016-04-27 | 国网四川省电力公司天府新区供电公司 | 一种图像去噪方法 |
US9589206B2 (en) | 2013-12-05 | 2017-03-07 | Hochschule Pforzheim | Optimizing an image filter |
CN114781464A (zh) * | 2022-06-20 | 2022-07-22 | 北京闪马智建科技有限公司 | 数据去噪方法及装置、存储介质、电子装置 |
-
2011
- 2011-05-04 CN CN 201110114131 patent/CN102156973A/zh active Pending
Non-Patent Citations (5)
Title |
---|
《ICASSP 2010》 20100319 Xiaotian Wang et al Image Denoising Based on Translation Invariant Directional Lifting 全文 1-22 , 2 * |
《ICSP 2008》 20081029 Xiao-tian Wang et al Image Denoising Based on Improved Adaptive Directional Lifting Wavelet Transform 全文 1-22 , 2 * |
《IEEE SIGNAL PROCESSING LETTERS》 20081231 Weisheng Dong et al Adaptive Nonseparable Interpolation for Image Compression With Directional Wavelet Transform 全文 1-22 第15卷, 2 * |
《IET Image Processing》 20110430 X.T. Wang et al Robust Adaptive Directional Lifting Wavelet Transform for Image Denoising 全文 1-22 第5卷, 第3期 2 * |
《中国优秀硕士学位论文全文数据库 信息科技辑》 20090715 矫恒浩 自适应方向提升小波图像去噪及其实现 第25-28页第3.2.2节,第35页4.1节,及图3.9 1-22 , 第7期 2 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093433A (zh) * | 2013-01-25 | 2013-05-08 | 西安电子科技大学 | 基于区域划分和字典学习的自然图像去噪方法 |
CN103093433B (zh) * | 2013-01-25 | 2015-04-08 | 西安电子科技大学 | 基于区域划分和字典学习的自然图像去噪方法 |
CN103679646A (zh) * | 2013-10-24 | 2014-03-26 | 沈阳大学 | 一种用于图像去噪的原始对偶模型 |
US9589206B2 (en) | 2013-12-05 | 2017-03-07 | Hochschule Pforzheim | Optimizing an image filter |
CN105528768A (zh) * | 2015-12-10 | 2016-04-27 | 国网四川省电力公司天府新区供电公司 | 一种图像去噪方法 |
CN114781464A (zh) * | 2022-06-20 | 2022-07-22 | 北京闪马智建科技有限公司 | 数据去噪方法及装置、存储介质、电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2126837B1 (en) | Reducing contours in digital images | |
CN102156973A (zh) | 图像去噪方法和设备 | |
EP3018906B1 (en) | Systems and methods for rectifying image artifacts | |
CN101944230B (zh) | 基于多尺度的自然图像非局部均值去噪方法 | |
CN102509269B (zh) | 一种结合曲线波的基于图像子块相似性的图像去噪方法 | |
CN102930508B (zh) | 基于图像残余信号的非局部均值图像去噪方法 | |
Avanaki | Exact global histogram specification optimized for structural similarity | |
CN104680485A (zh) | 一种基于多分辨率的图像去噪方法及装置 | |
CN106570843A (zh) | 一种自适应小波阈值函数图像噪声抑制方法 | |
Yuan et al. | Switching median and morphological filter for impulse noise removal from digital images | |
JP2009212969A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN113099067B (zh) | 基于像素值排序预测与菱形预测的可逆信息隐藏方法及系统 | |
CN104077746A (zh) | 灰度图像处理方法及其装置 | |
CN104182941A (zh) | 高光谱图像条带噪声去噪方法 | |
CN102163322A (zh) | 基于拉普拉斯算子的雷达图像中同频干扰的抑制方法 | |
US7949200B2 (en) | Image processing apparatus, display device, and image processing method | |
CN102760280B (zh) | 一种大容量可逆水印的嵌入和提取方法及其实现系统 | |
CN109544465A (zh) | 基于尺度变换的图像损坏块修复方法 | |
WO2009110673A1 (en) | Method and apparatus for adaptive update of directional wavelet transform based on lifting, and recording medium therefor | |
CN102509265A (zh) | 基于灰度值差和局部能量的数字图像去噪方法 | |
JP5072915B2 (ja) | 画像処理装置及び画像処理方法 | |
KR101432227B1 (ko) | 전자기기에서 비트 해상도 증가 및 에지 강화 방법 및 장치 | |
KR101544171B1 (ko) | 혼합 특징 벡터를 적용한 초해상도 장치 및 그 방법 | |
Wang et al. | Adaptive switching anisotropic diffusion model for universal noise removal | |
CN102509268A (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110817 |