利用HSSIM和残差比阈值的3维激光扫描图像去噪

崔治; 邓曙光; 肖卫初

doi:10.7510/jgjs.issn.1001-3806.2015.05.018

高级检索

ISSN 1001-3806CN 51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用HSSIM和残差比阈值的3维激光扫描图像去噪

崔治 , 邓曙光 , 肖卫初

文章导航 > 激光技术 > 2015 > 39(5): 669-673

引用本文:

Citation:

利用HSSIM和残差比阈值的3维激光扫描图像去噪

1.
湖南城市学院通信与电子工程学院, 益阳 413000

作者简介: 崔治(1982-),男,讲师,硕士,主要从事图像及信号处理方面的研究工作。E-mail:zhicui@yeah.net.

基金项目:
湖南省教育厅科研资助项目(13C122);湖南省自然科学基金资助项目(13JJ6072)
中图分类号: TP391.41

3-D laser scanning image denoising based on HSSIM and residual ratio threshold

1.
School of Communication and Electronic Engineering, Hunan City University, Yiyang 413000, China
CLC number: TP391.41

摘要: 为了更好地实现3维激光扫描图像的去噪,提出一种融合直方图结构相似度(HSSIM)和残差比阈值的改进稀疏去噪算法。利用初始化过完备字典进行稀疏分解,以相似因子代替重构误差作为保真项,利用残差比阈值作为正交匹配追踪算法的迭代终止条件对图像进行去噪,获得了去噪后图像的峰值信噪比及HSSIM指标。结果表明,与基于db2小波变换、多尺度曲波变换和离散余弦变换的去噪方法相比,该算法能获得更好的峰值信噪比和HSSIM数据。在有效去除图像噪声的同时还能更有效地保留图像的细节特征。
- 图像处理 /
- 去噪 /
- 直方图结构相似度 /
- 残差比 /
- 稀疏表示
Abstract: In order to get better results of 3-D laser scanning image denoising, an improved sparse representation denoising algorithm was proposed by combining histogram structural similarity (HSSIM) and residual ratio threshold. The initial over-complete dictionary was applied in the sparse decomposition. The reconstruction error was replaced by similarity factor as fidelity factor. Then the residual ratio threshold was used as the iteration termination of the orthogonal matching pursuit algorithm to reconstruct the denoised image. Finally, the performance data of denoised image, such as peak signal-to-noise ratio(PSNR) and HSSIM, were obtained. The experimental results show that the proposed method could provide better PSNR and HSSIM results compared with the image denoising methods using db2 wavelet transform, multiscale curve wave transform and discrete cosine transform. Meanwhile, the structural features can be reserved effectively by the proposed method.
- image processing /
- de-noising /
- histogram structural similarity(HSSIM) /
- residual ratio /
- sparse representation

[1]	ZHANG H X. Study on building modeling based on 3-D laser scanning technology[J]. Laser Technology, 2014, 38(3): 431-434 (in Chinese).
[2]	XU Y F, XU J, ZHAO F L, et al. Laser active image denoising method based on wavelet transform[J]. High Power Laser and Particle Beams, 2009, 21(12): 1786-1790 (in Chinese).
[3]	CAI Z M, LAI J H. An over-complete learned dictionary-based image de-noising method[J]. Acta Electronica Sinica, 2009, 37(2): 347-350 (in Chinese).
[4]	ELAD M, AHARON M. Image denoising via sparse and redundant representations over learned dictionaries[J]. IEEE Transactions on Image Processing, 2006, 12(15):3736-3745.
[5]	WU U Q, LI L. Image denoising using kernel fuzzy clustering and regularization on sparse model[J]. Acta Photonica Sinica, 2014, 43(3): 1-7 (in Chinese).
[6]	WANG C, SU W M, GU H, et al. SAR image despeckling based on morphological component analysis[J]. Chinese Journal of Radio Science, 2013, 28(3): 448-454 (in Chinese).
[7]	WEI Y L, WEN X B, ZHOU Y L, et al. New self-adaptive method for image denoising based on sparse decomposition and clustering[J]. Journal of Computer Applications, 2013, 33(2): 476-479 (in Chinese).
[8]	MA L, DENG C Z, WANG S Q, et al. Feature-retained image de-noising via sparse representation[J]. Journal of Computer Applications, 2013, 33(5):1416-1419 (in Chinese).
[9]	DABOV K, FOI A, KATAKOVIK V, et al. Image denoising by sparse 3-D transform-domain collaborative filtering[J].IEEE Transactions on Image Processing, 2007, 16(8): 2080-2095.
[10]	FANG L Y, LI S T, MCNABB R, et al. Fast acquisition and reconstruction of optical coherence tomography images via sparse representation[J]. IEEE Transactions on Medical Imaging, 2013, 32(11): 2034-2049.
[11]	AHARON M, ELAD M, BRUCKSTEIN. K-SVD: an algorithm for designing overcomplete dictionaries for sparse representation[J]. IEEE Transactions on Image Processing, 2006, 54(11): 4311-4322.
[12]	ZHU L, LI Q L, ZHANG T, et al. Metric of image quality based on structural simnarity [J]. Opto-Electronic Engineering, 2007, 34(11): 108-113 (in Chinese).
[13]	LIANG W, QUE P W, CHEN L, et al. Residual ratio iteration termination condition for MP method[J]. Journal of Shanghai Jiaotong University, 2010, 44(2): 171-175 (in Chinese).

[1]	陈丽霞 , 范士勇 , 刘鑫 , 王虹 , 李昆仑 . 融合半监督降维与稀疏表示的人脸识别方法. 激光技术, 2015, 39(1): 82-84. doi: 10.7510/jgjs.issn.1001-3806.2015.01.016
[2]	陈功 , 朱锡芳 , 许清泉 , 徐安成 , 杨辉 . 小波和稀疏分解在非连续性薄膜去噪中的应用. 激光技术, 2014, 38(4): 546-550. doi: 10.7510/jgjs.issn.1001-3806.2014.04.022
[3]	未永飞 , 杜正春 , 姚振强 . 中值滤波在激光雷达点云数据预处理中的应用. 激光技术, 2009, 33(2): 213-216.
[4]	柯天兵 , 林琳 , 李永倩 , 翟丽娜 . 海缆布里渊光时域反射信号的去噪方法研究. 激光技术, 2014, 38(3): 311-315. doi: 10.7510/jgjs.issn.1001-3806.2014.03.006
[5]	卢兆林 , 李闰龙 , 李涛 , 王震威 , 韩春霞 , 钱建生 . 基于全变分理论的红外图像去噪. 激光技术, 2012, 36(2): 194-197. doi: 10.3969/j.issn.1001-3806.2012.02.012
[6]	何艳坤 , 白玉杰 . 基于残差偏置和查找表的高光谱图像无损压缩. 激光技术, 2014, 38(5): 643-646. doi: 10.7510/jgjs.issn.1001-3806.2014.05.014
[7]	刘煊 , 渠慎明 . 低秩稀疏和改进SAM的高光谱图像误标签检测. 激光技术, 2022, 46(6): 808-816. doi: 10.7510/jgjs.issn.1001-3806.2022.06.016
[8]	张雷 , 罗长更 , 张颖颖 , 李根全 , 杨兴强 , 王肖霞 . 基于支持度变换的红外与可见光图像融合算法. 激光技术, 2015, 39(3): 428-431. doi: 10.7510/jgjs.issn.1001-3806.2015.03.032
[9]	罗元 , 蔡祖嫘 , 张毅 . 基于改进的各向异性SUSAN算法的MEMS微结构图像滤波. 激光技术, 2015, 39(1): 85-89. doi: 10.7510/jgjs.issn.1001-3806.2015.01.017
[10]	王强 , 张合新 , 孟飞 , 张腾飞 . 基于结构相似度评价方法的窗口效应. 激光技术, 2016, 40(6): 902-906. doi: 10.7510/jgjs.issn.1001-3806.2016.06.026
[11]	屈直 , 张伯虎 . 一种改进的小波阈值算法在激光侦听中的应用. 激光技术, 2014, 38(2): 218-224. doi: 10.7510/jgjs.issn.1001-3806.2014.02.016
[12]	艾列富 , 程宏俊 , 冯学军 . 近似最近邻搜索中投影增强型残差量化方法. 激光技术, 2020, 44(6): 742-748. doi: 10.7510/jgjs.issn.1001-3806.2020.06.017
[13]	李文龙 , 戈海龙 , 任远 , 成巍 . 图像处理技术在激光熔池温度检测的应用. 激光技术, 2018, 42(5): 599-604. doi: 10.7510/jgjs.issn.1001-3806.2018.05.004
[14]	张海庄 , 姚梅 , 雷萍 , 李鹏 , 曾庆平 . 远场激光光斑图像处理方法研究. 激光技术, 2013, 37(4): 460-463. doi: 10.7510/jgjs.issn.1001-3806.2013.04.010
[15]	赵保贵 , 赵德辉 , 董宗戈 , 周勋 . 基于余弦相似度的光学伪装效能评估分析[. 激光技术, 2022, 46(2): 260-266. doi: 10.7510/jgjs.issn.1001-3806.2022.02.018
[16]	汤敏 , 王惠南 . 激光扫描共聚焦显微镜图像的计算机处理. 激光技术, 2007, 31(5): 558-560.
[17]	张羽鹏 , 王开福 . LabVIEW和MATLAB在电子散斑干涉图像处理中的应用. 激光技术, 2009, 33(6): 582-585,589. doi: 10.3969/j.issn.1001-3806.2009.06.007
[18]	冯煦 , 张瑞瑛 , 周萍 , 李松 . 大功率半导体线激光图像处理方法研究. 激光技术, 2010, 34(5): 624-627. doi: 10.3969/j.issn.1001-3806.2010.O5.013
[19]	顾国庆 , 王开福 , 燕新九 . 基于同态滤波的电子散斑干涉图像处理. 激光技术, 2010, 34(6): 750-752,797. doi: 10.3969/j.issn.1001-3806.2010.06.009
[20]	苏平 , 牛燕雄 , 李大乾 , 牛海莎 , 李易难 , 张超 . 基于面阵CCD的激光告警系统的图像采集与处理. 激光技术, 2013, 37(3): 394-399. doi: 10.7510/jgjs.issn.1001-3806.2013.03.028

点击查看大图

计量

文章访问数: 6628
HTML全文浏览量: 3947
PDF下载量: 231
被引次数: 0

利用HSSIM和残差比阈值的3维激光扫描图像去噪

作者简介: 崔治(1982-),男,讲师,硕士,主要从事图像及信号处理方面的研究工作。E-mail:zhicui@yeah.net

1. 湖南城市学院通信与电子工程学院, 益阳 413000

收稿日期: 2014-07-24
录用日期: 2014-08-29
网络出版日期: 2015-09-25

基金项目: 湖南省教育厅科研资助项目(13C122);湖南省自然科学基金资助项目(13JJ6072)

关键词:

摘要: 为了更好地实现3维激光扫描图像的去噪,提出一种融合直方图结构相似度(HSSIM)和残差比阈值的改进稀疏去噪算法。利用初始化过完备字典进行稀疏分解,以相似因子代替重构误差作为保真项,利用残差比阈值作为正交匹配追踪算法的迭代终止条件对图像进行去噪,获得了去噪后图像的峰值信噪比及HSSIM指标。结果表明,与基于db2小波变换、多尺度曲波变换和离散余弦变换的去噪方法相比,该算法能获得更好的峰值信噪比和HSSIM数据。在有效去除图像噪声的同时还能更有效地保留图像的细节特征。