基于Curvelet變換的自適應(yīng)去噪方法的研究.pdf

1、圖像處理和圖像通信是信號處理和現(xiàn)代通信的重要組成部分，與人們的關(guān)系日益密切。在圖像中總存在噪聲干擾，這種干擾在圖像分析和圖像通信中是不可忽略的因素。為了便于進一步的圖像分析和圖像通信，在圖像預(yù)處理中必須減小圖像中的噪聲。 圖像濾波既可以在空間域中進行，也可以在頻率域中進行。在空間域，最常見的是中值濾波和均值濾波。但均值濾波對椒鹽噪聲的去噪效果不是很理想，基于均值濾波的思想，人們提出了加權(quán)均值濾波。在頻率域中，小波理論已經(jīng)廣泛應(yīng)用

2、到信號處理和分析中。小波收縮去噪是圖像處理和圖像通信的重要內(nèi)容。但在高維情況下,小波分析并不能充分利用研究對象的幾何特征,比如二維圖像的主要特征邊緣輪廓,三維物體的重要特征絲狀物(filaments)和管狀物 (tubes)，而這些特征是人們最感興趣的地方。小波主要適用于表示具有各向同性(isotropic)奇異性的對象,對于各向異性(anisotropic)的奇異性,如數(shù)字圖像中的邊界等線狀特征,小波并不是最好的表示工具。

3、過去幾年里，在小波理論的基礎(chǔ)上，出現(xiàn)了一種特別適合于表示各向異性奇異性的多尺度方法——Ridgelet變換。由于Ridgelet變換本質(zhì)上是通過在小波基函數(shù)中引入方向特征的參數(shù)得到的,所以它不但和小波一樣具有局部時頻分析能力,而且還具有很強的方向選擇和辨識能力,可以非常有效地表示信號中具有方向性的奇異特征,這恰好是小波不能做到的。 基于以上分析，本文的研究工作主要分以下幾個方面的內(nèi)容：其一是改進了加權(quán)均值濾波的算法；其二是對小波

4、收縮去噪算法進行自適應(yīng)閾值研究；最后本論文改進了基于有限Ridgelet變換的圖像去噪算法，并把改進算法應(yīng)用到Curvelet變換去噪中。 均值濾波對椒鹽噪聲的去噪效果不是很理想，基于均值濾波的思想，人們提出了加權(quán)均值濾波，其中圖像象素間的相關(guān)性和位置信息對權(quán)植的影響很大，很多算法中沒能綜合考慮到這兩個因素，本文針對克服均值濾波算法的這種缺點，提出了一種基于均值濾波的新型濾波算法。實驗結(jié)果表明，新的濾波算法對被脈沖噪聲污染的圖像

5、的濾波效果相對于均值濾波來說，濾波后的圖像在信噪比上有所提高。 自適應(yīng)理論是現(xiàn)代信號處理中強有力的工具。將自適應(yīng)理論和傳統(tǒng)的小波收縮算法相結(jié)合，本文提出了基于圖像局域特性的自適應(yīng)收縮去噪算法，并詳細地闡明了該方法的基本原理。傳統(tǒng)的小波收縮去噪算法采用單一的閾值，其沒有考慮到小波系數(shù)的類聚性。該算法根據(jù)圖像局部的奇異性大小，選擇適當(dāng)?shù)拈撝颠M行去噪。實驗表明，該算法比傳統(tǒng)的單一閾值算法有更好的去噪效果。 本論文把自適應(yīng)理論推