新型小波變換域圖像去噪及融合算法研究.pdf

1、在獲取和傳輸過程中,圖像會(huì)受到各種噪聲的干擾,圖像去噪的目標(biāo)是盡可能的降低圖像中的噪聲并保留更多的紋理及細(xì)節(jié)信息;圖像融合就是將不同模式下獲得的同一場(chǎng)景的各種圖像數(shù)據(jù)的互補(bǔ)信息和冗余信息進(jìn)行整合,以得到一幅對(duì)該場(chǎng)景更好、更準(zhǔn)確描述的圖像。圖像去噪及圖像融合是圖像的預(yù)處理,其處理效果對(duì)后續(xù)的各種圖像處理方法如邊緣檢測(cè)、紋理分析、特征提取、模式識(shí)別等都有著重要的影響。因此研究圖像去噪及融合是有著重要的意義。
　　小波變換具有良好的時(shí)頻

2、局部化能力,已成功的應(yīng)用于各種圖像處理領(lǐng)域中。然而,傳統(tǒng)的小波變換缺乏平移不變性且只有有限的方向選擇性。針對(duì)傳統(tǒng)小波變換的局限性,近些年人們提出了很多新型的稀疏表示工具,它們可以更好的、更稀疏的表示圖像等非平穩(wěn)信號(hào),基于新型小波變換域的圖像去噪和圖像融合算法,不僅可以有效地克服空域處理時(shí)出現(xiàn)的頻譜失真缺陷,而且較傳統(tǒng)小波變換域的圖像去噪及融合取得了更加理想的效果,因此成為了一個(gè)研究熱點(diǎn)。
　　本文首先研究了幾種新型小波變換的有關(guān)性

3、質(zhì),然后深入研究了這幾種新型小波變換在圖像去噪及融合中的應(yīng)用,主要的創(chuàng)新工作有:
　　1.研究了四元數(shù)小波變換的相關(guān)理論及其在圖像去噪中的應(yīng)用。針對(duì)圖像的四元數(shù)小波系數(shù)幅值的分布特點(diǎn),對(duì)其用廣義高斯分布進(jìn)行建模,在貝葉斯框架下獲得自適應(yīng)的閾值。仿真實(shí)驗(yàn)表明,所提算法無論在峰值信噪比還是在視覺效果上均優(yōu)于許多經(jīng)典的去噪算法。
　　2.提出了一種非下采樣Contourlet變換域的圖像去噪新算法。首先根據(jù)非下采樣Contourl

4、et變換系數(shù)之間的相關(guān)性,給出了一個(gè)系數(shù)的分類準(zhǔn)則,再對(duì)分類得到的系數(shù)進(jìn)行建模,在貝葉斯理論框架下得到一個(gè)自適應(yīng)的閾值,并估計(jì)了參數(shù)的最佳范圍,為了克服軟、硬閾值函數(shù)的不足,提出了一種可調(diào)節(jié)自適應(yīng)的新閾值函數(shù)。仿真實(shí)驗(yàn)表明,所提方法在峰值信噪比、結(jié)構(gòu)相似性與視覺效果上均優(yōu)于目前許多優(yōu)秀的去噪算法。
　　3.提出了一種將非下采樣雙樹復(fù)輪廓波域三變量模型與非局部均值濾波相結(jié)合的新的去噪算法。首先根據(jù)尺度間與尺度內(nèi)的非下采樣雙樹復(fù)輪廓波

5、系數(shù)之間的相關(guān)性,用三變量非高斯分布模型對(duì)其系數(shù)分布進(jìn)行建模,得到非線性三變量收縮函數(shù),然后通過非下采樣雙樹復(fù)輪廓波逆變換得到初步去噪圖像,最后對(duì)初步得到的去噪圖像運(yùn)用非局部均值濾波進(jìn)行平滑處理。仿真實(shí)驗(yàn)表明,與其他方法相比,該方法可以獲得較理想的去噪效果。
　　4.提出了一種基于非下采樣剪切波變換的自適應(yīng)的圖像融合新算法。對(duì)低頻子帶系數(shù)采用一種梯度域奇異值分解方法估計(jì)圖像的局部結(jié)構(gòu)信息,利用提取的特征與S函數(shù),提出了自適應(yīng)的‘加