基于小波變換與非下采樣Contourlet變換的圖像去噪方法研究.pdf

1、在現(xiàn)實生活中所獲得的圖像往往都受到了噪聲的干擾，噪聲的存在給圖像后續(xù)處理和分析帶來困難。因此對圖像去噪方法的研究具有非常重要的意義。本文主要基于小波變換和非下采樣Contourlet變換對圖像去噪問題進(jìn)行了研究，主要工作如下：
　　 (1)提出了一種改進(jìn)的小波域非局部均值去噪算法，該算法在已有小波域非局部均值去噪方法的基礎(chǔ)上，為了更加準(zhǔn)確地估計子帶非局部的相似性，論文同時考慮低頻圖像的相似度和高頻圖像的相似度，把低頻圖像的相似度

2、和高頻圖像的相似度相乘作為最終各細(xì)節(jié)子帶非局部塊的相似度，給出了改進(jìn)的小波域非局部均值去噪算法的權(quán)值計算公式。實驗表明相比原算法，改進(jìn)后算法在噪聲抑制和保留圖像邊緣和細(xì)節(jié)信息方面均有所提高。
　　 (2)針對超聲圖像降斑問題，將基于正交小波變換的雙變量閾值去噪方法推廣至二進(jìn)小波變換域，并應(yīng)用于超聲圖像斑點抑制，提出了基于二進(jìn)小波的雙變量閾值超聲圖像降斑方法。二進(jìn)小波具有的平移不變性和對邊緣等細(xì)節(jié)信息的良好響應(yīng)特性使得該方法可以更

3、好地保持超聲圖像的細(xì)節(jié)信息。
　　 (3)針對SAR圖像降斑問題，提出了一種基于非下采樣Contourlet變換的SAR圖像降斑方法。該算法引入非對數(shù)加性模型，通過研究非下采樣Contourlet域非對數(shù)加性噪聲的分布特性，對非下采樣Contourlet域中平穩(wěn)區(qū)域的非對數(shù)加性噪聲使用高斯分布建模，對高頻系數(shù)用SURE-LET方法進(jìn)行收縮。實驗結(jié)果表明本文算法在有效濾除SAR圖像同質(zhì)區(qū)域內(nèi)的斑點噪聲的同時，能夠較好地保持SAR圖