雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际先进研究期刊》的研究在电子、电子、仪表工程

菜单

ISSN在线(2278 - 8875)打印(2320 - 3765)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

利用曲波变换和维纳滤波图像去噪方法

答:Anilet巴拉1,Chiranjeeb Hati2和CH Punith2
  1. SRM大学助理教授,部门的ECE Tamilnadu、印度钦奈
  2. UG的学生(ECE)部门的ECE SRM大学Tamilnadu、印度钦奈
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

一个新的基于曲波变换的图像去噪方法。常用的一维分离扩展变换的局限性,如傅里叶和小波变换,在捕获图像边缘的几何是众所周知的。这里,我们追求“真正”的二维变换,可以捕获的内在几何结构,是视觉信息的关键。完成图像的去噪处理图像通过维纳滤波器,利用曲波变换[1],[6]。实验结果表明,所提出的去噪技术性能更好的PSNR。相比我们的PSNR值算法与小波和曲波在篮板和YCbCr地区。

关键字
曲波,离散小波变换、FFT变换,脊波,维纳滤波器。

介绍
视觉感知已经成为当今世界交流的重要组成部分。因为它的重要的是要确保传输数据不会被任何不必要的信号称为噪声。噪音是由于生成的不当造型生产和/或捕获系统的信号。因此,现实世界的信号通常包含预计偏离理想的信号。图像去噪是一个重要的预处理任务进一步边缘检测、图像分割等图像处理。去噪算法的主要目的是减少噪音,同时保留图像特征。在今天,有各种各样的图像去噪算法,成功的在一个嘈杂的图像去噪,但效率低下达到更好的信噪比和/或保留图像特征。

相关的工作
虽然dwt已经建立了一个令人印象深刻的声誉作为数学工具分析和信号处理,方向性差的缺点,削弱了其在许多应用程序中使用。发展的重大进展方向小波近年来已经取得了。复小波变换的改进方向选择性。然而,复小波变换并没有广泛应用于过去,很难设计复杂的小波具有完美重建特性和良好的过滤特性。dual-tree复小波变换(DT CWT)提出的金斯伯里[4],完美重建添加到其他有吸引力的复小波的性质。
二维复杂使用张量积小波本质上是由一维小波(一维)。提供的方向选择性复小波(6方向)比这更好的通过古典dwt(三个方向),但仍然是有限的。
在1999年,一个各向异性小波变换几何,名叫脊波变换,提出了由萤石和Donoho [6]。脊波变换的最佳代表直线奇异点。不幸的是,全球直线奇异点很少观察到在真实的应用程序中。分析当地的直线或曲线奇异点,一个自然的想法是考虑图像的一个分区,然后应用脊波变换获得的子图像。这个街区ridgeletbased变换,名叫曲波变换,由萤石和Donoho在2000年首次提出。

算法
在本文中,我们提出一种新的去噪方法。该方法利用曲波变换和维纳滤波降噪图像[8]。最初我们获得一个嘈杂的图像通过降解通过添加加性高斯噪声(最常见的噪音)。然后我们实现算法,首先将其传递通过维纳滤波器。然后输出的曲波变换的应用。合成图像去噪,也保留了重要的图像信息。图1显示了该算法的流程。
图像
答:维纳滤波
维纳滤波器通常被使用,因为它很简单,而且它的速度。它被认为是简单的,因为它使用了一个线性方程组计算一组最优滤波器权重,降低接收信号的噪音水平。估计噪声信号的互相关和协方差矩阵来计算这些重量,并提供一个准确的估计的高斯噪声下的信号无畸变的确定性。噪声统计估计,然后用来确定一组最优滤波器权重。然后处理一个新的输入信号,包含相似的噪声特性,与信号最优滤波器权重确定的组件是估计。这个方法是最优的分布是高斯噪声。此外,它的执行只需要几个快速计算步骤的过程。
反褶积的反滤波是一种修复技术,即。,when the image is blurred by a known lowpass filter, it is possible to recover the image by inverse filtering or generalized inverse filtering. However, inverse filtering is very sensitive to additive noise. The approach of reducing one degradation at a time allows us to develop a restoration algorithm for each type of degradation and simply combine them.
维纳滤波执行最优反滤波和噪声平滑之间的权衡。它消除了加性噪声和同时反转模糊。维纳滤波是最佳的均方误差。换句话说,它减少了总体均方误差反滤波和噪声平滑的过程。维纳滤波是一种线性估计的原始图像。这种方法是基于一个随机框架。维纳滤波器的正交性原理意味着傅立叶域可以表示如下:
图像
图像
图像
图像

性能计算
在本文中,我们提出了一个策略去噪图像噪点维纳和曲波变换。图像的噪声水平可以通过计算估计PSNR值。因此,可以通过测量性能的PSNR值比较吵,曲波和算法。均方误差定义为:
图像

结果和讨论
我们测试算法和辣椒和莉娜的形象。测试图像与高斯白噪声的噪声标准偏差(σ)10、20、30、40、50、60、70。辣椒和莉娜图像的定性分析,被高斯白噪声,图3和图5所示。辣椒形象损坏严重高斯白噪声攻击是显示在图3。曲波算法相比,我们的方案强调最好的可见辣椒恢复图像的质量。表1和2显示了仿真结果,在PSNR值衡量,辣椒和莉娜标准图像。在表1中,我们的方案提供了最好的辣椒图像PSNR值在不同噪声标准差。然而,曲波变换给了相当低的价值。图4和图6所示的情节PSNR值的算法以及曲波变换输出和嘈杂的图像。我们发现该方法更高的PSNR值和曲波变换,它适用于所有的噪音水平。
图像
图3。辣椒形象σ= 40 dB (a)原始输入图像即没有噪声,高斯白噪声污染的图像(b)、(c)维纳滤波器的输出图像,(d)该方法的输出图像。
图像
图像
视图。情节的PSNR值算法以及曲波变换输出和嘈杂的图像。
图像
微型计算机体积很小。莉娜形象σ= 40 db (a)原始输入图像即没有噪声,高斯白噪声污染的图像(b), (c)维纳滤波器的输出图像,(d)该方法的输出图像
图像
图像
图7。情节的PSNR值算法以及曲波变换输出和嘈杂的图像。

结论
我们建议的去噪算法去噪胡椒图像和PSNR值被发现比曲波和小波变换。算法执行比RGB YCbCr地区地区的更好。PSNR和西格玛图也被绘制,清楚地解释说,该算法更有效。图显示了一个减少在PSNR值σ值增加,这是自然的,因为随着噪声的增加,信号噪声比预计将减少。

引用
  1. 让-吕克·斯塔克Emmanuel j .萤石和大卫·l·Donoho¢€–曲波变换的图像DenoisingA¢€–。IEEE图像处理,11卷,没有。2002年6月6日。
  2. a . Averbuch r . r . Coifman d l . Donoho m .以色列和J。Waldn“极地FFT、rectopolar FFT和应用,斯坦福大学,斯坦福大学,钙、技术代表、2000。
  3. e . j .萤石¢€•谐波分析的神经网络,一个¢€–达成。第一版。哈蒙。肛交。,vol. 6, pp. 197–218, 1999.
  4. 米勒。M和金斯伯里,尼克一个¢€•使用Derotated图像去噪。复杂的小波系数。“IEEE反式。图像处理17卷,没有。9日,第1511 - 1500页,2008年。
  5. 萤石,e . J。,―On the representation of mutilated Sobolev functions,‖ Dept. Statist., Stanford Univ., Stanford, CA, Tech. Rep., 1999.
  6. e . j .萤石和d . l . Donoho一个¢€•Curvelets-A出奇的有效非适应表示对象的边缘,一个¢€–在曲线和曲面拟合。纳什维尔,TN: Vanderbuilt大学出版社,1999年。
  7. 科恩,c . Rabut和l·l·舒梅克Eds。,Nashville, ―Ridgelets: The key to higher-dimensional intermittency?‖ Phil. Trans. R. Soc. Lond. A., vol. 357, pp. 2495–2509, 1999.
  8. m . Antonini m . Barlaud·马修Daubechies,一个¢€•使用小波变换图像编码”,IEEE反式。图像处理,1卷,第220 - 205页,1992年。
全球技术峰会