基于Curvelet變換與非局部TV模型的圖像去噪方法研究與應(yīng)用.pdf

1、隨著社會的不斷發(fā)展，信息的交流越來越頻繁，圖像作為信息的一種主要來源，在獲取、壓縮、傳送的過程中易受噪聲干擾，為保證信息的準確性，需對圖像進行有效的去噪處理。
　　圖像處理中的去噪算法種類繁多，總體上可分為基于頻域和空間域兩類，其中以小波變換為基礎(chǔ)的 Curvelet變換和與基于變分方法的圖像處理技術(shù)是兩類十分有效的去噪方法，被廣泛的應(yīng)用于圖像處理中。小波變換是一種在時域、頻域上一維或二維信號中“點”的最優(yōu)逼近，對于噪聲的去除類比

2、于各項同性擴散，對于圖像中的邊緣等幾何特征不能較好地保持，易造成圖像模糊。Curvelet變換是一種在小波基礎(chǔ)上發(fā)展起來的超小波，具有多尺度、多方向的特性，對圖像中的直線、曲線等信息有較好地描述，在去除圖像噪聲的同時保留邊緣等重要信息。近年來，以偏微分方程為基礎(chǔ)的變分方法在圖像處理中吸引了大量學者的關(guān)注，其中全變分模型（TV）是其基礎(chǔ)模型，為了消除TV模型去噪后的階梯效應(yīng)，提出了多種改進方法，非局部思想的引入（非局部TV模型），有效地解

3、決了這一問題。
　　然而，Curvelet變換利用區(qū)域線狀相關(guān)性進行曲線逼近時會使得去除噪聲的同時會產(chǎn)生“環(huán)繞”效應(yīng)，降低圖像質(zhì)量，使圖像變得不清晰。在使用非局部TV模型去噪時，不再局限于使用鄰域像素點的信息，充分利用圖像區(qū)域信息，不僅消除了TV模型帶來的“階梯”效應(yīng)，同時使得圖像能夠較好地保持邊緣信息，有效地去除噪聲，但由于對圖像區(qū)域信息的利用不完善，導致圖像過于平滑，易丟失細節(jié)信息。
　　因此，為了解決Curvelet圖

4、像去噪所產(chǎn)生的“環(huán)繞”效應(yīng)以及非局部TV模型去噪過度平滑無法保持細小紋理的問題，提出一種基于Curvelet與非局部TV模型相結(jié)合的混合去噪方法。首先將含噪圖像進行Curvelet變換，將圖像分解成不同尺度的圖像；根據(jù)每個尺度圖像的特性，選擇合適的非局部TV模型的參數(shù)進行處理；最后將處理后的每個尺度的進行融合。使用不同的圖像進行實驗，本文算法不僅能夠有效地減少噪聲影響，消除Curvelet變換帶來的“環(huán)繞”效應(yīng)，而且又盡可能地保持圖像中