基于l0梯度范数泛函优化和变换域阈值的图像去噪算法-学报.pdfVIP

第14卷第1期 浙江工贸职业技术学院学报 Vol. 14No. 1 2014 年3 月 JOURNALOFZHEJIANGINDUSTRYTRADEVOCATIONALCOLLEGE Mar.2014 Doi: 10.3969/j.issn. 1672-0105.2014.01.008 基于L0梯度范数泛函优化和变换域阈值的 图像去噪算法* 赵秀芝 （浙江工贸职业技术学院 电子工程系，浙江温州325003） 摘 要：基于L0 梯度泛函优化和变换域阈值法的图像去噪算法，首先利用L0 梯度泛函的最优化算法把含有噪声 的图像分解为显著边缘层和细节纹理细节层，然后对含有噪声的细节纹理层图像进行短时傅利叶转换，并在变换域中 利用阈值法分离纹理细节层中的图像细节纹理和噪声，进而去除图像的噪声。实验结果表明图像去噪算法获得了显著 的去噪效果。 关键词：去噪；变换阈值；图像分解 中图分类号：TP391 文献标识码：A 文章编号：1672-0105 （2014 ）01-0036-04 Image Denoising Algorithm Based on L0 Gradient Minimization and Threshold Shrinkage ZHAO Xiu-Zhi （Department of Electronic Engineering, Zhejiang Industry Trade vocational College, Wenzhou, Zhejiang, 325003, China） Abstract: An image denoising algorithm based on L0 gradient minimization and threshold shrinkage was proposed in this paper. In this algorithm, the L0 gradient minimization algorithm was firstly used to decompose the noisy image into the large-scale edge lay- er and the fine-scale texture layer and then noises in the fine-scale texture layer was denoised by a threshold shrinkage algorithm on the short-time fourier transform space. The experiment results show that the proposed image denoising algorithm achieves significant improvement in its performance. Key words: denoising; threshold shrinkage; image decomposition [1] 边缘和细节纹理。近年，双边滤波器 、L0 梯度范 0 引言 [2] 数泛函优化 等优秀算法被陆续提出。这些去噪算 随着数字成像技术的飞速发展，成像设备 （如 法可以在去噪的同时保留图像主要边缘信息，但却 相机）越来越先进，但数字图像却常常在成像的过