×
王向阳;张娜娜;郑红亮;刘阳成

基于扩展shearlet HMT模型的BKF分布图像去噪。 （英语） Zbl 1405.94020号

数学杂志。成像视觉。 54，第3期，301-319（2016）.
摘要：在图像采集和传输过程中，图像经常受到噪声的破坏。设计一种边缘保持的图像去噪方案是一项具有挑战性的工作。扩展离散Shearlet变换（Extended DST）是一种有效的多尺度、多方向分析方法；它不仅可以基于多分辨率分析精确地计算Shearlet系数，而且可以表示系数很少的图像。本文提出了一种新的扩展DST域图像去噪方法，它结合了隐马尔可夫树（HMT）模型和贝塞尔K形式（BKF）分布。首先，研究了扩展DST系数的边缘统计量，并利用BKF概率密度函数对扩展DST参数进行建模，解析计算了其分布。然后，建立了一个扩展的Shearlet HMT模型，用于捕获尺度内、尺度间和横向系数相关性。最后，提出了一种基于扩展Shearlet HMT模型的图像去噪方法。大量实验结果表明，与其他先进的HMT去噪技术相比，我们的扩展Shearlet HMT去噪声方法在主观和客观评价方面都能获得更好的性能。特别是，该方法在去除噪声的同时能够很好地保留边缘。

引用于1文件

MSC公司：

94A08型 信息和通信理论中的图像处理（压缩、重建等）
42立方厘米 涉及小波和其他特殊系统的非三角调和分析

关键词：

图像去噪;隐马尔可夫树;扩展离散Shearlet变换（扩展DST）;贝塞尔K型（BKF）分布
PDF格式BibTeX公司 XML格式引用
\textit｛X.-Y Wang｝等人，数学杂志。成像视觉。54，第3号，301-319（2016；Zbl 1405.94020）
全文： 内政部

参考文献：

[1] Lee，S.，Cho，S.：图像去模糊的最新进展。摘自：《2013年SIGGRAPH亚洲课程汇编》，纽约，第6卷，第1-108页（2013）·Zbl 1394.94221号
[2] Donoho，D.L.：通过软阈值去噪。IEEE传输。Inf.理论90（432），1200-1224（1995）·Zbl 0869.62024号
[3] Buades，A.，Coll，B.，Morel，J.M.：图像去噪的非局部算法。收录于：IEEE Computer Vision and Pattern Recognition 2005，圣地亚哥，第2卷，第60-65页（2005）·Zbl 1108.94004号
[4] Dabov，K.，Foi，A.，Katkovnik，V.等人：稀疏三维变换域协同滤波的图像去噪。IEEE Trans。图像处理。16(8), 2080-2095 (2007)
[5] Yan，R.，Shao，L.，Lin，Y.：使用小波进行图像去噪的非局部层次字典学习。IEEE传输。图像处理。22(12), 4689-4698 (2013) ·Zbl 1373.94454号
[6] Khashabi，D.，Nowozin，S.，Jancsary，J.：通过学习的非参数随机场联合去噪和去噪。IEEE传输。图像处理。23(12), 4968-4981 (2014) ·Zbl 1374.94173号
[7] Chen，S.，Liu，M.，Zhang，W.：闭式解保边图像去噪。模式识别。46(3), 976-988 (2013) ·Zbl 1254.68273号
[8] Zhong，P.，Wang，R.：用于高光谱图像垃圾波段去噪的多光谱波段CRF。IEEE传输。地质科学。遥感51（4），2260-2275（2013）
[9] Tomasi，C.，Manduchi，R.：灰度和彩色图像的双边滤波。摘自：IEEE计算机视觉国际会议（ICCV）论文集，孟买，第839-846页（1998）
[10] Gunturk，B.K.：具有任意范围和域核的快速双边滤波器。IEEE传输。图像处理。20(9), 2690-2696 (2011) ·Zbl 1372.94332号
[11] Aurich，V.，Weule，J.：执行边缘保持扩散的非线性高斯滤波器。Mustererkennung 1995年。柏林施普林格（1995）
[12] Tsiotsios，C.，Petrou，M.：关于图像处理中各向异性扩散参数的选择。模式识别。46(5), 1369-1381 (2013) ·Zbl 1275.32020号
[13] Cho，S.I.，Kang，S.J.，Kim，H.S.：用于降噪的基于字典的各向异性扩散。模式识别。莱特。46, 36-45 (2014)
[14] 王，向阳，杨红英，余。，Zhang，Zhong-Kai-Fu：在非子采样轮廓波变换域中使用SVM分类进行图像去噪。信息科学。246, 155-176 (2013) ·Zbl 1320.68220号
[15] Argenti，F.，Bianchi，T.，Alparone，L.：基于局部自适应广义高斯pdf建模的SAR图像的多分辨率MAP去斑点。IEEE传输。图像处理。15(11), 3385-3399 (2006)
[16] Hashemi，M.，Beheshti，S.：一般高斯分布信号的自适应贝叶斯去噪。IEEE传输。信号处理。62(5), 1147-1156 (2014) ·Zbl 1394.94221号
[17] Azzari，L.，Foi，A.：稳健信号相关噪声估计的高斯-柯西混合建模。2014年IEEE声学、语音和信号处理国际会议（ICASSP），佛罗伦萨，第5357-5361页（2014）·Zbl 1374.94026号
[18] Gao，Q.，Lu，Y.，Sun，D.：使用Cauchy模型对SAR图像进行基于方向集的去噪。信号处理。93(5), 1056-1063 (2013)
[19] Hill，P.R.，Achim，A.M.，Bull，D.R.：使用二元Cauchy-Rayleigh分布进行图像去噪的双树复小波系数幅度建模。信号处理。105, 464-472 (2014)
[20] Portilla，J.，Strela，V.，Wainwright，M.J.，Simoncelli，E.P.：小波域中使用高斯尺度混合的图像去噪。IEEE传输。图像处理。12(11), 1338-1351 (2003) ·Zbl 1279.94028号
[21] Hammond，D.K.，Simoncelli，E.P.：使用方向自适应高斯尺度混合进行图像建模和去噪。IEEE传输。图像处理。17(11), 2089-2101 (2008) ·兹比尔1371.94153
[22] Goossens，B.，Aeolterman，J.，Luong，Q.：使用高斯尺度混合的复小波联合去噪和去噪。摘自：IEEE图像处理国际会议（ICIP 2013），墨尔本，第445-448页（2013）
[23] Crouse，M.S.、Nowak，R.D.、Baraniuk，R.G.：使用隐马尔可夫模型的基于小波的统计信号处理。IEEE传输。信号处理。46(4), 886-902 (1998)
[24] Po，D.D.Y.，Do，M.N.：使用轮廓波变换对图像进行定向多尺度建模。IEEE传输。图像处理。15(6), 1610-1620 (2006)
[25] Yan，F.X.，Cheng，L.Z.，Peng，S.L.：用于图像去噪的双树复小波隐马尔可夫树模型。电子。莱特。43(18), 973-975 (2007)
[26] Zhang，W.，Wang，S.，Liu，F.：使用Bandelets和隐马尔可夫树模型进行图像去噪。下巴。《电子杂志》。19(4), 646-650 (2010)
[27] Choi，H.，Romberg，J.，Baraniuk，R.，Kingsbury，N.：复杂小波变换的隐马尔可夫树建模。摘自：2000年IEEE声学、语音和信号处理国际会议论文集（ICASSP），第1卷，第133-136页（2000）
[28] Milone，F.H.，Di Persia，L.E.，Torres，M.E.：使用隐马尔可夫模型去噪和识别，观测分布由隐马尔可夫树建模。模式识别。43(4), 1577-1589 (2010) ·Zbl 1191.68594号
[29] Li，C.，Hao，Q.：使用隐马尔可夫树模型进行神经活动检测的功能性MR图像统计恢复。国际期刊计算。生物药物设计。6(3), 190-209 (2013)
[30] Long，Z.，Younan，N.H.：使用上下文隐藏马尔可夫模型在轮廓域中进行统计图像建模。信号处理。89(5), 946-951 (2009) ·兹比尔1161.94348
[31] Amini，M.，Ahmad，M.O.，Swamy，M.N.S.：使用基于向量的隐马尔可夫模型在小波域进行图像去噪。摘自：第十二届国际新电路与系统会议（NEWCAS），Trois-Rivieres，第29-32页（2014年）
[32] Sun，Q.，Wang，Y.，Xu，C.：基于小波域HMT模型的织物图像去噪方法。Multimed公司。信号处理。346, 383-388 (2012)
[33] Easley，G.，Labate，D.，Lim，W.Q.：使用离散剪切波变换的稀疏方向图像表示。申请。计算。谐波分析。25(1), 25-46 (2008) ·Zbl 1147.68794号
[34] Lim，W.Q.：离散剪切波变换：一种新的方向变换和紧支撑剪切波框架。IEEE传输。图像处理。19(5), 1166-1180 (2010) ·Zbl 1371.94233号
[35] Bian，Y.，Liang，S.：使用贝塞尔K形式分布在小波域中对图像水印进行局部最优检测。IEEE传输。图像处理。22(6), 2372-2384 (2013) ·Zbl 1373.94765号
[36] Jalal，F.M.，Larbi，B.：使用贝塞尔K形式密度对图像进行贝叶斯小波估计的分析形式。IEEE传输。图像处理。14(2), 231-240 (2005)
[37] Pizurica，A.，Philips，W.：在多分辨率单波段和多波段图像去噪中估计感兴趣信号存在的概率。IEEE传输。图像处理15（3），654-665（2006）
[38] Goossens，B.，Pizurica，A.，Philips，W.：通过在小波域中建模感兴趣的信号来去除相关噪声。IEEE传输。图像处理。18(6), 1153-1165 (2009) ·Zbl 1371.94142号
[39] Pizurica，A.，Philips，W.，Lemahieu，I.：基于贝叶斯小波的图像去噪的联合尺度间和尺度内统计模型。IEEE传输。图像处理。11(5), 545-557 (2002)
[40] Fan，G.，Xia，X.G.：小波域中改进的隐马尔可夫模型。IEEE传输。信号处理。49(1), 115-120 (2001)
[41] Luisier，F.，Blu，T.，Unser，M.：图像去噪的新SURE方法：尺度间正交小波阈值。IEEE传输。图像处理。16(3), 593-606 (2007)
[42] Rudin，L.，Osher，S.，Fatemi，E.：基于非线性总变差的噪声去除算法。物理学。D： 非线性现象。60(1-4), 259-268 (1992) ·Zbl 0780.49028号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。