论文部分内容阅读
图像在获取和传输的时候很容易被噪声污染,噪声对图像的影响特别大,不仅影响了人们的视觉效果,降低了图像的分辨率,而且对后续进一步的图像处理的也造成了巨大的麻烦。为了更好的开展后续图像处理的工作,图像去噪一般都放在第一步进行处理。因此,深入研究图像去噪技术有着特别重大的意义。 在图像处理、信号处理等领域中,小波是一个非常重要的工具,它具有局域性、多分辨率、稀疏性,小波对于具有奇异点的一维有界变差函数有最优表示,表现出了非常好的性能,但是其优良特性不能延伸到二维或更高维情况,因此需要用到多尺度几何变换,而本文研究的Shearlet变换属于多尺度变换的一种,在此基础上本文主要研究内容有以下几点: (1)分析了小波变换的优缺点,介绍了多尺度几何变换的发展,重点研究了Shearlet变换从连续变换到离散变换的相关理论,分析了经典Shearlet系统和锥形连续Shearlet系统的优缺点。 (2)分析了实现离散Shearlet变换的具体步骤,并将不可分离函数作为生成函数,介绍了不可分离Shearlet变换具有更多方向性的优势,最后给出了计算离散Shearlet变换和Shearlet逆变换的公式。 (3)实现了基于不可分离Shearlet变换的阈值去噪方法,对自然图像进行去噪。实验结果表明,本文算法与其它优秀的去噪算法相比,不仅具有较好的去噪效果,而且具有较强的保持纹理信息的能力。 (4)提出了基于局部特性分析和不可分离Shearlet变换的SAR图像去噪方法。实验结果表明,本文方法在抑制相干斑噪声的同时,具有很好的保持边缘信息和点目标的能力。