×
梅胜汉;刘晓春;梅，舒丽

基于细胞滤波的蝗虫切片图像多尺度Shannon余弦小波去噪方法。 （英语） Zbl 07115625号

国际J.Wavelets多分辨率。信息处理。 17，第5号，文章ID 1950035，第22页（2019）.
摘要：蝗虫切片图像具有较强的自相似性、分段平滑性和非线性纹理结构等特征。多尺度插值算子是描述这种结构的有效工具，但它不能克服噪声对图像的影响。因此，本研究设计了一种具有插值、平滑、紧支撑和归一化等优良特性的Shannon余弦小波，并构造了多尺度小波插值算子，该算子可用于图像的自适应分解和重构。将该算子与局部滤波算子（均值和中值）相结合，构造了一种基于细胞滤波的多尺度Shannon Cosine小波去噪算法。该算法克服了多尺度插值小波仅适用于描述平滑信号的缺点，实现了蝗虫切片图像的多尺度降噪。实验结果表明，该方法能够保持蝗虫切片图像中的各种纹理结构。实验中，以含有高斯和盐渍混合噪声的蝗虫切片图像为例，比较了该方法与其他典型去噪方法的性能。实验结果表明，该方法得到的去噪图像的峰值信噪比分别比Weiner滤波器、小波变换方法、中值滤波和平均滤波高27.3%、24.6%、2.94%和22.9%；测量图像质量的结构相似性指数（SSIM）分别比其他四种方法大31.1%、31.3%、15.5%、10.2%。当高斯白噪声方差从0.02增加到0.1时，用该方法得到的PSNR和SSIM值分别下降了11.94%和13.33%，远远小于其他4种方法。这表明该方法具有较强的适应性。

引用于1文件

MSC公司：

6504年 计算机算术的数值算法等。
65T40型 三角逼近和插值的数值方法

关键词：

Shannon余弦小波;单位分割;光谱法;里斯基;分数阶偏微分方程
PDF格式BibTeX公司 XML格式引用
\textit{S.Mei}等人，《国际小波多分辨率》。信息处理。17，第5号，文章ID 1950035，22 p.（2019；Zbl 07115625）
全文： 内政部

参考文献：

[1] Arandiga，F.、Baccou，J.、Doblas，M.和Liandrat，J.，基于多向地图相关算法的图像压缩，应用。计算。哈蒙。分析21（2007）181-297·Zbl 1124.68032号
[2] Arandiga，F.，Cohen，A.和Yanez，D.-F.，基于学习的多分辨率方案及其在图像压缩中的应用，Signal Process93（2013）2474-2484。
[3] Arandiga，F.、Donat，R.和Harten，A.，基于帽子函数1加权平均值的多分辨率：线性重建技术，SIAM J.Numer。分析36（1998）160-203·Zbl 0932.42022号
[4] Arandiga，F.、Mulet，P.和Renau，V.，基于多分辨率分析的无损和近无损图像压缩，J.Compute。申请。数学242（2013）70-81·Zbl 1260.94006号
[5] Arandiga，F.和Yanez，D.F.，基于局部多项式回归的细胞平均多分辨率。图像处理应用。数学。计算245（2014）1-16·Zbl 1335.94007号
[6] Arandiga，F.和Yanez，D.-F.，《使用核方法的广义小波设计》。信号处理应用，J.Compute。申请。数学250（2013）1-15·Zbl 1285.65095号
[7] Cattani，C.，分数微积分和Shannon小波，数学。问题。Eng.2012（2012）1-26·Zbl 1264.42016年
[8] Devendra，K.，Shiv，K.和Balbir，S.，锥自适应连续剪切波变换和重建公式，J.非线性科学。申请9（1）（2016）262-269·Zbl 1328.42012号
[9] D.L.Donoho。插值小波变换。斯坦福大学统计系技术报告（1992年）。
[10] Han，B.，Kutyniok，G.和Shen，Z.，自适应多分辨率分析结构和剪切系统，SIAM J.Numer。分析49（5）（2011）1921-1946·Zbl 1283.42053号
[11] Hoffman，D.K.，Wei，G.W.，Zhang，D.S.和Kouri，D.J.，Shannon-Gabor小波分布逼近泛函，化学。物理学。Lett.287（1998）119-224。
[12] Kamyabi-Gol，R.A.和Atayi，V.，抽象剪切变形，公牛。贝尔格。数学。Soc.Simon Stevin22（4）（2015）669-681·Zbl 1333.42054号
[13] 李磊、郭S.、梅S.-L.和张N.，基于最近单元匹配的蝗虫切片图像恢复，Trans。下巴。《农业机械学会》46（8）（2015）15-19。
[14] Li，L.，Guo，S.，Mei，S.-L.和Zhang，N.，基于特征提取和匹配的蝗虫切片拼接和修复方法，Trans。CSAE31（7）（2015）157-165。
[15] Li，L.，Zhang，N.和Mei，S.-L.，基于自适应小波和偏微分方程方法的蝗虫切片图像去噪，Trans。CSAE31（20）（2015）172-177。
[16] Mei，S.-L.，基于HPM的动态小波变换及其在图像去噪中的应用，数学。问题。Eng.2013（2013），文章ID 309418，10页·Zbl 1296.94040号
[17] 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 Trans。图像处理.19（5）（2010）1166-1180·Zbl 1371.94233号
[18] Lim，W.，不可分离剪切变换，IEEE Trans。图像处理。22（5）（2013）2056-2065·Zbl 1373.94251号
[19] Mei，S.-L.，变分法与Shearlet变换耦合技术在保持纹理的蝗虫切片图像去噪中的应用，Trans。CSAE32（17）（2016）152-159。
[20] Mei，S.和Gao，W.，Shannon Cosine小波谱法求解分数阶Fokker-Planck方程，国际小波，多分辨率Inf.过程。16（2）（2018）1850021·Zbl 06881934号
[21] 梅，S.-L.，李，X.，赵，H.，李，L.和郭，S.，基于剪切波和总变差的农业遥感图像去噪和去除伪影的方法，Trans。CSAE33（S1）（2017）274-280。
[22] 五十、 X.，Mei，S.-L.和Li，L.，基于Meyer窗函数剪切波变换的蝗虫切片图像去噪，Trans。下巴。Soc.农业机械47（S1）（2016）449-456。
[23] Mei，S.-L.和Zhu，D.-H.，基于HPM的Perona-Malik方程动态稀疏网格方法，科学。《世界期刊》2014（2014），文章ID 417486，15页。
[24] A.Minasyan和S.Khachatryan，Faber-Schauder变换在图像处理中的一些应用，《收藏科学论文》，第1部分，亚美尼亚国立工程大学，（理工学院）公报（埃里温，2014），第22-27页。
[25] Prabhu，K.M.M.，《一组和-正弦函数》，《国际电子杂志》58（6）（1985）969-974。
[26] Reza，S.H.和Omid，K.，《使用稀疏表示分类和非抽样剪切波变换的图像去噪》，《信号，图像视频处理》，10（1）（2016）1-7。
[27] Wang，H.，Zhu，M.，Li，L.，Wang，L.、Zhao，H.和Mei，S.，基于图像剪切的麦田杂草区域识别方法，Trans。CSAE33（S1）（2017）99-106。
[28] Wei，Y.，Zhang，Y.，Mei，S.-L.和Wei，S.，基于暗通道先验和区间插值小波变换的图像去雾方法，Trans。CSAE33（S1）（2017）281-297。
[29] E.W.Weisstein，多角度公式，摘自MathWorld-Wolfram Web资源，http://mathworld.wolfram.com/Multiple-AngleFormulas.html。
[30] 张毅，魏毅，梅，S.-L.和朱，M.，多尺度区间插值小波在牛肉大理石花纹分割中的应用，Trans。CSAE32（21）（2016）296-304。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。