基于Bayes估計(jì)和Contourlet變換的圖像去噪算法研究.pdf

1、圖像去噪的基本思想是在盡可能保留原始圖像信息的前提下最大程度的去除噪聲。論文主要研究了基于小波變換域和 Contourlet變換域圖像去噪方法。小波變換具有三個(gè)細(xì)節(jié)方向,對(duì)圖像能夠?qū)崿F(xiàn)一定的稀疏性表示,但只能最優(yōu)的表示圖像中的點(diǎn)信息, Contourlet變換具有多方向性且各向異性的優(yōu)點(diǎn),因?yàn)樗袩o(wú)數(shù)個(gè)方向性,所以對(duì)于二維圖像的逼近表示效果最好,對(duì)二維圖像曲線、直線具有的奇異性表示能力很強(qiáng)。本課題的研究目的是發(fā)揮小波變換和Contour

2、let變換各自的優(yōu)點(diǎn),研究出去噪效果良好、能很好保留圖像邊緣細(xì)節(jié)紋理信息且具有較高信噪比的去噪方法。本文主要內(nèi)容有:
　　(1)闡述了圖像去噪算法的研究背景、意義和研究現(xiàn)狀,介紹了Contourlet變換產(chǎn)生和發(fā)展的背景。進(jìn)一步介紹了圖像去噪的概念、基本框架、特點(diǎn)、分類和應(yīng)用,以及典型的圖像去噪算法,列舉了圖像去噪效果的評(píng)價(jià)準(zhǔn)則。
　　(2)簡(jiǎn)略闡述了小波分析及多分辨率多尺度分析理論的內(nèi)容,并詳細(xì)介紹了小波變換與Contou

3、rlet變換的一般理論原理。
　　(3)介紹了Bayes估計(jì)閾值估計(jì)方法。在高斯白噪聲背景下,根據(jù)噪聲和信號(hào)的小波系數(shù)在不同分解尺度、不同方向上高頻系數(shù)的分布不同,結(jié)合Context模型,提出一種基于 Context模型的小波變換閾值自適應(yīng)圖像去噪算法。該算法通過(guò)對(duì)不同尺度和方向的小波分解系數(shù)應(yīng)用不同的閾值方法進(jìn)行去噪。實(shí)驗(yàn)表明,本方法能較好地去除圖像噪聲和保留圖像邊緣細(xì)節(jié)信息,并在提高去噪圖像 PSNR值和改善視覺(jué)效果方面都表現(xiàn)

4、出了良好的性能。
　　(4)在高斯白噪聲背景下,提出了一種Context模型統(tǒng)計(jì) Contourlet系數(shù)分布特性的圖像去噪。通過(guò)深入分析Contourlet變換系數(shù)的分布特性,根據(jù)噪聲和信號(hào)的Contourlet分解系數(shù)在不同分解尺度、不同方向上的分布不同,利用Context模型對(duì)其合理分類,并利用Bayes閾值估計(jì)方法確定各類合適的去噪閾值。實(shí)驗(yàn)證明,本算法能較好的去除圖像噪聲和保留圖像邊緣細(xì)節(jié)信息,并在改善視覺(jué)效果方面上表現(xiàn)