论文部分内容阅读
近年来，小波理论得到了很大的发展，已经广泛应用于图象去噪中。但由于常用的二维张量积小波是各向同性并且方向选择性较差，它只能刻画图象中点的奇异性，难以刻画图象中的边缘和纹理等高维几何特性。Contourlet变换作为一种新的多尺度变换，弥补了上述不足。本文围绕Contourlet变换在图象去噪中的应用来进行研究，主要工作如下： 1．详细地介绍了离散Contourlet变换，连续Contourlet变换和无下采样离散Contourlet变换的基本原理，为后续去噪算法的研究奠定了基础。 2．分析了小波硬阈值去噪方法和Contourlet硬阈值去噪方法所存在的不足，针对小波变换和Contourlet变换的特点，提出了一种基于区域分割的综合小波变换和Contourlet变换的图象去噪方法。仿真结果表明：该方法能改善去噪图象的视觉效果，提高去噪图象的PSNR值，而且消除了Contourlet硬阈值去噪后图象所产生的失真。 3．针对无下采样Contourlet系数尺度间的相关性，提出了基于相邻尺度积系数的无下采样Contourlet硬阈值去噪算法。首先应用线性滤波器理论计算了高斯白噪声经无下采样Contourlet变换后，各尺度方向子带相邻尺度积系数的方差。然后将非高斯分布的噪声相邻尺度积系数转化为高斯变量函数，进而确定了作用于相邻尺度积系数的硬阈值。仿真结果表明该算法去噪效果较好。 4．分析了无下采样Contourlet变换各尺度方向子带系数的边缘统计特性和联合统计特性。利用高斯尺度混合模型来描述无下采样Contourlet系数的联合统计特性，并给出了一种基于此模型的贝叶斯最小二乘估计Contourlet变换图象去噪算法。仿真结果表明该算法在视觉效果和PSNR值上均可得到令人满意的效果。