離散小波變換(Discrete Wavelet Transform,DWT)通常用于圖像的表示。然而,對于具有不規(guī)則形狀邊緣的圖像,尤其是對于紋理和細節(jié)信息較多的遙感圖像,DWT卻很難有效表示,進而影響后續(xù)去噪效果。針對該問題,提出了一種基于圖形小波變換(Graphic Wavelet Transform,GWT)的圖像去噪方法。首先,將圖像表示為圖形信號,并通過該圖形信號的譜表示構造相應的變換矩陣;然后,設計了一種改進自適應閾值的圖像去噪方法,在GWT變換域內對圖像去噪。實驗結果表明,與常用的圖像去噪方法相比,所提算法能夠提供更好的圖像主觀質量。采用均方根誤差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作為客觀指標,結果表明,采用所提方法得到的重建圖像客觀質量更優(yōu)。

【文章頁數】：5 頁

【部分圖文】：

圖1圖像的GWT表示過程

本文采用了基于GWT的圖像表示方法。與小波變換類似，GWT也有時頻局域性特點，且具有較好的去相關特性[8-9]。此外，GWT采用了一種圖表示方法，圖中的每個節(jié)點表示一個像素，且將像素相似性編碼成無向圖的權重，每個邊緣權重表示為邊緣末端兩個像素的“相似性”[10]。圖1為圖像的GW....

圖2圖的變換矩陣

式中:矩陣U的行代表特征向量，矩陣Λ對角線上的元素代表特征值。這里要說明的是，構圖邊界坐標信息可以用二值圖像來概括。1.2基于GWT的圖像去噪

圖3SanFrancisco圖像采用不同去噪方法的結果

為了驗證本文提出的方法，這里采用兩幅遙感圖像作為測試圖像，分別采用基于DWT的硬閾值、軟閾值、改進的半軟閾值[13]以及本文方法(GWT+改進的去噪算法)進行圖像去噪。圖3和圖4分別給出了測試圖像采用不同去噪方法得到的主觀結果。圖4SanDiego圖像采用不同去噪方法的結果

圖4SanDiego圖像采用不同去噪方法的結果

圖3SanFrancisco圖像采用不同去噪方法的結果由圖3和圖4的結果可見，采用本文方法得到的重構圖像具有更好的視覺質量。這是由于硬閾值去噪僅采用了簡單的閾值判別方法，容易產生吉布斯效應，帶來較大誤差;軟閾值則容易使圖像產生過平滑現象，使圖像的部分細節(jié)變得模糊。在現有半軟閾....

本文編號：3998157