新型小波變換域圖像去噪及融合算法研究.pdf

1、在獲取和傳輸過程中,圖像會受到各種噪聲的干擾,圖像去噪的目標是盡可能的降低圖像中的噪聲并保留更多的紋理及細節(jié)信息;圖像融合就是將不同模式下獲得的同一場景的各種圖像數(shù)據(jù)的互補信息和冗余信息進行整合,以得到一幅對該場景更好、更準確描述的圖像。圖像去噪及圖像融合是圖像的預(yù)處理,其處理效果對后續(xù)的各種圖像處理方法如邊緣檢測、紋理分析、特征提取、模式識別等都有著重要的影響。因此研究圖像去噪及融合是有著重要的意義。
　　小波變換具有良好的時頻

2、局部化能力,已成功的應(yīng)用于各種圖像處理領(lǐng)域中。然而,傳統(tǒng)的小波變換缺乏平移不變性且只有有限的方向選擇性。針對傳統(tǒng)小波變換的局限性,近些年人們提出了很多新型的稀疏表示工具,它們可以更好的、更稀疏的表示圖像等非平穩(wěn)信號,基于新型小波變換域的圖像去噪和圖像融合算法,不僅可以有效地克服空域處理時出現(xiàn)的頻譜失真缺陷,而且較傳統(tǒng)小波變換域的圖像去噪及融合取得了更加理想的效果,因此成為了一個研究熱點。
　　本文首先研究了幾種新型小波變換的有關(guān)性

3、質(zhì),然后深入研究了這幾種新型小波變換在圖像去噪及融合中的應(yīng)用,主要的創(chuàng)新工作有:
　　1.研究了四元數(shù)小波變換的相關(guān)理論及其在圖像去噪中的應(yīng)用。針對圖像的四元數(shù)小波系數(shù)幅值的分布特點,對其用廣義高斯分布進行建模,在貝葉斯框架下獲得自適應(yīng)的閾值。仿真實驗表明,所提算法無論在峰值信噪比還是在視覺效果上均優(yōu)于許多經(jīng)典的去噪算法。
　　2.提出了一種非下采樣Contourlet變換域的圖像去噪新算法。首先根據(jù)非下采樣Contourl

4、et變換系數(shù)之間的相關(guān)性,給出了一個系數(shù)的分類準則,再對分類得到的系數(shù)進行建模,在貝葉斯理論框架下得到一個自適應(yīng)的閾值,并估計了參數(shù)的最佳范圍,為了克服軟、硬閾值函數(shù)的不足,提出了一種可調(diào)節(jié)自適應(yīng)的新閾值函數(shù)。仿真實驗表明,所提方法在峰值信噪比、結(jié)構(gòu)相似性與視覺效果上均優(yōu)于目前許多優(yōu)秀的去噪算法。
　　3.提出了一種將非下采樣雙樹復(fù)輪廓波域三變量模型與非局部均值濾波相結(jié)合的新的去噪算法。首先根據(jù)尺度間與尺度內(nèi)的非下采樣雙樹復(fù)輪廓波

5、系數(shù)之間的相關(guān)性,用三變量非高斯分布模型對其系數(shù)分布進行建模,得到非線性三變量收縮函數(shù),然后通過非下采樣雙樹復(fù)輪廓波逆變換得到初步去噪圖像,最后對初步得到的去噪圖像運用非局部均值濾波進行平滑處理。仿真實驗表明,與其他方法相比,該方法可以獲得較理想的去噪效果。
　　4.提出了一種基于非下采樣剪切波變換的自適應(yīng)的圖像融合新算法。對低頻子帶系數(shù)采用一種梯度域奇異值分解方法估計圖像的局部結(jié)構(gòu)信息,利用提取的特征與S函數(shù),提出了自適應(yīng)的‘加