Bandelet變換在圖像去噪中的應(yīng)用研究.pdf

1、 摘 要 摘 要 小波變換可以實(shí)現(xiàn)對(duì)一維信號(hào)的稀疏表達(dá)，并且自1995年Donoho等人提出閾值方法之后， 基于小波變換的閾值去噪方法得到了廣泛的研究， 并取得了良好的效果。 圖像具有多方向性和各向異性的特征， 二維張量小波變換由于方向有限在表示圖像時(shí)存在不足， 不能充分利用圖像本身幾何正則性， 無法實(shí)現(xiàn)對(duì)圖像最優(yōu)或者最稀疏表示。 為了有效捕獲圖像的多方向性和各向異性的特征， 人們提出了Bandelet變換等多尺度幾何分析方法， 基

2、于Bandelet變換的圖像去噪不僅能夠充分利用圖像內(nèi)在的幾何特征，并且能夠較好的保持圖像的紋理和邊緣特征。 本文全面系統(tǒng)地研究了 Bandelet 變換的理論， 并對(duì)第二代 Bandelet 變換在圖像去噪中的應(yīng)用做了以下幾方面的研究： （1） 基于 Bandelet 變換對(duì)圖像的稀疏表達(dá)，本文提出了基于第二代 Bandelet變換的自適應(yīng) Bandelet 變換多閾值圖像去噪方法。根據(jù)圖像和噪聲的特點(diǎn)，在Bandelet化的過程中采

3、用Visu shrink方法中基于最大最小原則所定義的閾值來尋找各個(gè)剖分子塊的最佳幾何流方向和完成最優(yōu)四叉樹的分割， 從而計(jì)算出較為精確的圖像幾何方向， 然后對(duì)各個(gè) Bandelet 塊進(jìn)行 Bayes shrink 的多閾值去噪算法，實(shí)現(xiàn)了對(duì)圖像更好的消噪效果。 （2） 本文還對(duì)基于第二代 Bandelet 變換的極化 SAR 圖像相干斑抑制進(jìn)行了研究， 并提出了結(jié)合極化白化濾波和自適應(yīng) Bandelet 變換以及貝葉斯最大后驗(yàn)概率估

4、計(jì)的相干斑抑制算法，取得了很好的相干斑抑制效果。 實(shí)驗(yàn)表明， 本文所提出的自適應(yīng) Bandelet 多閾值去噪算法同基于小波的自適應(yīng)多閾值圖像去噪法相比， 不僅提高了去噪后圖像的峰值信噪比， 而且避免了小波變換所帶來的邊界振鈴效應(yīng)，更好地保留了圖像的細(xì)節(jié)特征；結(jié)合 Bandelet變換與貝葉斯最大后驗(yàn)概率估計(jì)對(duì)極化 SAR 圖像的極化白化濾波結(jié)果進(jìn)行處理，不僅對(duì)抑制斑點(diǎn)噪聲有效，而且還保留了許多原始圖像的目標(biāo)特征，取得了更好的視覺效果。