基于多尺度分析的圖像去噪算法研究.pdf

1、隨著科技的進(jìn)步與發(fā)展，圖像已經(jīng)成為了當(dāng)今信息時代人們獲取信息的重要來源，但實際中的圖像不可避免地會受到噪聲的干擾，因此如何有效地對圖像進(jìn)行去噪處理一直是圖像處理領(lǐng)域中的研究熱點。本文在介紹一些常見圖像去噪方法的基礎(chǔ)上，提出了一些新的去噪算法，主要創(chuàng)新點如下:
　　(1)針對影響小波閾值去噪效果的兩個關(guān)鍵因素——閾值函數(shù)和閾值進(jìn)行了研究，本文提出了新的參數(shù)可調(diào)節(jié)的閾值函數(shù)，然后提出閾值大小隨小波分解尺度變化而自動調(diào)整的計算公式，實現(xiàn)

2、在不同分解尺度上采用不同大小的閾值對小波系數(shù)進(jìn)行處理。
　　(2)針對傳統(tǒng)P-M擴(kuò)散模型在圖像去噪時存在的不足之處，本文提出了一種改進(jìn)的模型，改進(jìn)后的擴(kuò)散模型增設(shè)了能很好檢測邊緣輪廓細(xì)節(jié)的邊緣閾值，較好地區(qū)分了圖像邊緣和噪聲。
　　(3)詳細(xì)介紹了非下采樣Contourlet變換(Nonsubsampledcontourlet transform，NSCT)和全變差(Total Variation，TV)模型的基本原理及優(yōu)點

3、，在此基礎(chǔ)上提出了將NSCT和偏微分方程這兩類不同的圖像去噪方法進(jìn)行合理地相結(jié)合，即對經(jīng)過NSCT分解后所得低頻分量采用TV模型進(jìn)行處理，對高頻分量采用本文第四章提出的改進(jìn)各向異性擴(kuò)散模型進(jìn)行處理，然后將經(jīng)過處理的高低頻分量進(jìn)行NSCT逆變換，最終得到去噪后的圖像。
　　本文進(jìn)行了大量的實驗仿真，結(jié)果表明采用文本提出的算法得到的圖像有更良好的視覺效果和更豐富的細(xì)節(jié)信息，并且在客觀評價指標(biāo)下對不同去噪算法進(jìn)行分析比較，說明本文算法具