基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法

上海大学学报(自然科学版) ›› 2010, Vol. 16 ›› Issue (4): 336-341.

基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法

王军华，方勇

（上海大学通信与信息工程学院，上海 200072）

收稿日期:2009-03-11 出版日期:2010-08-30 发布日期:2010-08-30
通讯作者: 方勇(1964~),男，教授，博士生导师,研究方向为盲信号处理、通信信号处理与智能信息系统. E-mail:yfang@staff.shu.edu.cn
基金资助:
高等学校博士点基金资助项目（20060280003）;上海市重点学科建设资助项目（S30108）；上海市科委重点实验室资助项目（08DZ2231100）

Blind Separation of Noisy Image Based on Adaptive Morphological De-noising in Curvelet Transform Domain

WANG Jun-hua,FANG Yong

(School of Communication and Information Engineering, Shanghai University, Shanghai 200072, China)

Received:2009-03-11 Online:2010-08-30 Published:2010-08-30

摘要/Abstract

摘要：

针对含有噪声情况下的盲分离问题，提出一种基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法.该方法在对含噪混合图像进行Curvelet多尺度几何分析的基础上，根据Curvelet变换域信号稀疏的特点，采用位置相关自适应数学形态学降噪算子进行降噪，选取最稀疏的子带图像寻求分离矩阵，进而实现全局分离.仿真结果显示，该方法对于含噪图像的盲分离具有良好的性能.

关键词: 盲源分离；稀疏表示；Curvelet变换；数学形态学；自适应

Abstract:

According to traditional blind source separation algorithm without taking into account noise, a new algorithm for blind separation of noisy image is proposed based on adaptive morphology in the curvelet transform domain. Curvelet transform has good performance in sparseness. Noisy image can be analyzed with curvelet transform, and denoised with adaptive denoising algorithm based on mathematical morphology. The separation matrix can be estimated by selecting the sparsest subband image. The mixed image can be separated thoroughly. Simulation results show that the proposed algorithm can achieve a better performance for blind source separation of noisy images.

Key words: blind source separation; sparse representation; curvelet transform; mathematical morphology; adaptive

中图分类号:

TP 391

王军华，方勇. 基于Curvelet域自适应数学形态学降噪的含噪图像盲分离方法[J]. 上海大学学报(自然科学版), 2010, 16(4): 336-341.

WANG Jun-hua,FANG Yong. Blind Separation of Noisy Image Based on Adaptive Morphological De-noising in Curvelet Transform Domain[J]. Journal of Shanghai University（Natural Science Edition）, 2010, 16(4): 336-341.

[1]	申文锋, 栗风永, 张新鹏, 杨乾星. 保持直方图特性的隐写嵌入[J]. 上海大学学报(自然科学版), 2015, 21(2): 190-196.
[2]	杨乾星, 栗风永, 张新鹏, 申文锋. 基于DCT系数修改的自适应稳健可逆信息隐藏[J]. 上海大学学报(自然科学版), 2014, 20(5): 605-611.
[3]	石娟1, 王得宇1,2, 唐刚1. 处理光学捕获运动数据的算法[J]. 上海大学学报(自然科学版), 2014, 20(4): 489-497.
[4]	何祥, 骆祥峰. 基于关联语义链网络的文本聚类方法[J]. 上海大学学报(自然科学版), 2014, 20(2): 190-198.
[5]	陈刚, 钱振兴, 王朔中. 保持纹理细节的自适应非局部均值图像降噪[J]. 上海大学学报(自然科学版), 2014, 20(1): 99-106.
[6]	任慧, 栗风永, 张新鹏, 余江. 结合重排序和直方图平移的调色板图像可逆信息隐藏[J]. 上海大学学报(自然科学版), 2013, 19(3): 254-258.
[7]	李娟娟1, 张金艺1,2,3, 张秉煜1, 周荣俊2, 唐夏2. 蓝牙4.0标准规范下的模糊指纹定位算法[J]. 上海大学学报(自然科学版), 2013, 19(2): 126-131.
[8]	马志鹏, 栗风永, 张新鹏. 基于汉明码与从属像素补偿的半色调图像信息隐藏[J]. 上海大学学报(自然科学版), 2013, 19(2): 111-115.
[9]	董贺, 徐凌宇. 基于云平台的软件服务流体系结构[J]. 上海大学学报(自然科学版), 2013, 19(1): 14-20.
[10]	裴蓓,王朔中,倪丽佳. 面向基于内容图像检索的图像感知Hash[J]. 上海大学学报(自然科学版), 2012, 18(4): 335-341.
[11]	陈岳军, 孙广玲, 姚恒. 结合小波金字塔的空频域亚像素图像配准[J]. 上海大学学报(自然科学版), 2012, 18(4): 342-348.
[12]	徐彤阳，方勇. 基于lαβ空间和抗混叠Contourlet变换的遥感图像融合算法[J]. 上海大学学报(自然科学版), 2012, 18(3): 221-226.
[13]	刘凯，扈文斌. 动态阈值模糊检测在篡改图像检测中的应用[J]. 上海大学学报(自然科学版), 2011, 17(5): 586-590.
[14]	李毅，王远弟. 基于核密度估计的图像平滑的最优停止[J]. 上海大学学报(自然科学版), 2011, 17(1): 103-110.
[15]	冯国瑞，戴宁街. 基于采样预测的安全可逆水印算法[J]. 上海大学学报(自然科学版), 2010, 16(6): 603-607.