基于小波包分解的整体变分去噪算法_唐昌令.pdfVIP

156 2013 ，49 （6 ） Computer Engineering and Applications 计算机工程与应用 基于小波包分解的整体变分去噪算法 唐昌令，彭国华 TANG Changling, PENG Guohua 西北工业大学 理学院 数学系，西安 710129 Department of Applied Mathematics, College of Science, Northwestern Polytechnical University, Xi ’an 710129, China TANG Changling, PENG Guohua. Total variation algorithm of image denoising based on wavelet packet decomposition. Computer Engineering and Applications, 2013, 49 （6 ）：156-158. Abstract ：The Total Variation （TV ）model of Rudin et al. for image denoising is considered as one of the best denoising models. Theory suggests that the TV model denoises well piecewise constant images. For the texture rich image, in this paper, it is decom- posed by multi-wavelet packet into a series of approximate piecewise constant sub-images. Sub-images are processed separately by TV model. Thus, the texture detail of image is preserved better and the Peak Signal to Noise Ratio （PSNR ）of denoised image is improved 1 dB, compared with using TV model alone. At the same time, the improved Bregman iteration scheme is adopted to solve TV model. The algorithm convergence time has been greatly decreased. Key words ：image denoising; Total Variation （TV ）model; wavelet packet decomposition; Bregman iteration 摘 要：由Rudin 等人提出的整体变分（TV ）模型被认为是目前最好的图像去噪模型之一。理论表明，TV 模型对分块常量 的图像去噪效果显著。对于纹理细节丰富的图像，通过引入小波包分解技术，对图像的纹理细节进行多层小波包分解，得 到一系列近似分块常量的子图像，用TV 模型对子图像分别进行处理，从而图像的纹理细节得到了更好的保留。相对于单 独使用TV 模型去噪，该方法得到的复原图像峰值信噪比（PSNR ）提高了1 dB 左右。同时由于采用改进的Bregman 迭代方 案求解TV 模型，算法收敛时间得到了极大的减少。 关键词：图像去噪；整体变分（TV ）模型；小波包分解；Bregman 迭代 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1107-0443 1 引言 出的改进Bregman 方案，迭代过程不再涉及偏微分的计算， 在数字图像处理领域，图像去噪是最基本的研究课题 算法收敛时间进一步缩短。 之一，具有十分重要的理论价值和实际意义。图像研究者 研究者通过深入分析发现，TV 模型对于分块常量图像 普遍认为：在计算机视觉中，图像边缘是最重要的视觉特 在保持图像边缘的效果非常显著，但是对于纹理丰富的图