基于小波多尺度分解的Mean Shift图像滤波方法

摘要：

将小波多尺度分解与传统Mean Shift滤波算法相结合提出的一种有效的图像滤波方法.先将含噪声图像进行Mallat塔式分解,获得不同尺度、不同频带的子图像.将低频近似图像保持不变,对高频细节进行Mean Shift滤波,最后将低频近似图像与高频滤波后的图像进行合成得到去噪后的图像.由于Mean Shift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间,为克服这一缺点,提出了采用Fourier级数来近似计算高斯函数.实验结果表明该方法在降低噪声的同时能够尽可能的保留图像细节,其去噪效果优于传统的高斯滤波、Wiener滤波方法和单一小波域值法和Mean Shift滤波方法.

关键词：图像滤波、小波分解、高斯核函数、Fourier级数、Mean’Shift迭代

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金60575013;西北工业大学校科研和教改项目

在线出版日期：2008-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：17-20