1 简介
在对图像信息进行处理的过程中,由于种种原因,其质量有可能受到损害,噪声是其中之一。因此为了后续更高层次的处理,有必要对图像进行去噪。近年来,在非参数估计理论基础上发展起来的核回归方法得到了很大发展,已经渗透到各个领域,并在图像去噪中取得了一定成效。虽然图像去噪方法已有很多,但利用核回归的图像去噪仍是值得关注的,在理论和实践上都具有很大的研究意义。
2 部分代码
% load image
img = double(imread('JFKreg.jpg'));
[N,M] = size(img(:,:,1));
% convert the image into the YCrCb channels
[Y, Cr, Cb] = RGB2YCC(img);
% the input image
y = zeros(N, M, 3);
y(:,:,1) = Y;
y(:,:,2) = Cr;
y(:,:,3) = Cb;
% display images
zRGB = YCC2RGB(z(:,:,1,4), z(:,:,2,4), z(:,:,3,4));
figure; imagesc(uint8(img)); colormap(gray); axis image;
title('The original image');
figure; imagesc(uint8(zRGB)); colormap(gray); axis image;
title('The denoised image by iterative steering kernel regression, 3 iterations');
gray_reverse = gray;
gray_reverse = gray_reverse(64:-1:1, :);
figure; imagesc(abs(z(:,:,1,1) - z(:,:,1,4))); colormap(gray_reverse); axis image; colorbar;
title('The absolute residual image in the luminance channel');
3 仿真结果
4 参考文献
[1]万青. 基于非参数估计的核回归图像去噪. Diss. 中南民族大学.
**部分理论引用网络文献，若有侵权联系博主删除。**
