基于自适应方差估计的双变量收缩去噪

潘金凤; 王云

您当前的位置：

首页 >

文章列表页 >

基于自适应方差估计的双变量收缩去噪

电子与电子信息 | 更新时间：2026-09-14

- 基于自适应方差估计的双变量收缩去噪
- Bivariate Shrinkage Denoising Method Based on Self-Adaptive Variance Estimation
- 中北大学学报（自然科学版） 2010年31卷第6期页码：651-654
- 作者机构：
  
  1. 山东理工大学电气与电子工程学院
  2. 山东理工大学计算机科学与技术学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2010
- 稿件说明：
移动端阅览
潘金凤, 王云. 基于自适应方差估计的双变量收缩去噪[J]. 中北大学学报（自然科学版）, 2010,31(6):651-654.

潘金凤, 王云. Bivariate Shrinkage Denoising Method Based on Self-Adaptive Variance Estimation[J]. 2010, 31(6): 651-654.
潘金凤, 王云. 基于自适应方差估计的双变量收缩去噪[J]. 中北大学学报（自然科学版）, 2010,31(6):651-654. DOI：

潘金凤, 王云. Bivariate Shrinkage Denoising Method Based on Self-Adaptive Variance Estimation[J]. 2010, 31(6): 651-654. DOI：

摘要

根据尺度间小波系数的相关性和方差是双变量分布模型参数的理论

提出了应用基于上下文模型的空间自适应方法估计方差

并用双变量收缩法进行图像去噪的新方法.将新方法与仅使用待估计点与它的方形邻域窗来估计方差的双变量阈值去噪方法进行了比较.结果表明

用新方法去噪时图像的P SN R值与视觉效果都有提高和改善

新去噪方法具有理论上的一致性.

Abstract

Based on the theory of inter-scale correlation of wavelet coefficients and the variance being a parameter of the bivariate distribution model

a bivariate shrinkage method is proposed for image denoising which estimates the variance by context modeling for spatial adaptivity(CMSA).Compared new method with the bivariate threshold denoising method which estimates of variance only by neighbor coefficients

experiment results show that the new method has good performance in both PSNR value and visual quality for image denoising.And the new denoising method is consistent in theory.

关键词

Keywords

references

Donoho D,Ljohnstone I M.Ideal spatial adaptation via wavelet shrinkage[J].Biometrika,1994,81(3):425-455.

Donoho D,Ljohnstone I M.Adapting to unknown smoothness via wavelet shrinkage[J].Journal of the AmericanStatistical Assoc,1995,90(12):1200-1224.

Chang S G,Yu B.Adaptive wavelet thresholding for image denoising and compression[J].IEEE Transaction onImage Processing,2000,9(9):1532-1546.

Sendur L,Selesnick I W.Bivariate shrinkage functions for wavelet-based denoising exploiting interscale dependency[J].IEEE Trans.on Signal Processing,2002,50(11):2744-2756.

Mihcak M K,Kozintsev I,Ramchandran K,et al.Low-complexity image denoising based on statistical modeling ofwavelet coefficients[J].IEEE Signal Processing Letters,1999,6(12):300-303.

刘燕,彭玉华,曲怀敬,等.基于矩形方向窗的小波域去噪方法[J].计算机应用,2008,28(2):452-459.Liu Yan,Peng Yuhua,Qu Huaijing,et al.Method of wavelet domain denoising based on directional rectanglewindow[J].Computer Applications,2008,28(2):452-459.(in Chinese)

Shui P L.Image denoising algorithm via doubly local wiener filtering with block-adaptive windows in wavelet domain[J].IEEE Signal Processing,2007,87(7):1721-1734.

Selesnick I W,Baraniuk R G,Kingsbury N G.The dual-tree complex wavelet transform[J].IEEE SignalProcessing Magazine,2005,22(6):123-151.

Shui P L.Image denoising algorithm via doubly local Wiener filtering with directional windows in wavelet domain[J].IEEE Signal Processing Letters,2005,12(10):681-684.

李智玉,矫媛.基于上下文模型的小波包图像降噪方法[J].系统仿真学报,2009,21(增刊1):69-71.Li Zhiyu,Jiao Yuan.Wavelet packet image denoising method based on context model[J].Journal of SystemSimulation,2009,21(Suppl.1):69-71.(in Chinese)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于内容自适应分块的眼底图像无损压缩算法

有约束条件的一类线性模型参数的估计

EM算法重建图像的精度分析

茶叶生物炭磁性材料对水中重金属铬的超声吸附研究

基于聚氨酯波形整形器的霍普金森杆脉宽拓展试验方法