论文部分内容阅读
图像去噪是图像处理中重要的基础环节,它的结果直接影响到后续处理的好坏,但是传统的去噪方法往往在平滑噪声的同时损失了图像的细节信息。由于多尺度几何分析方法多分辨多方向的特点,近年来在图像去噪领域得到了广泛的应用,其中的Contourlet变换更可以逼近图像的最优表示,所以本文深入研究了多尺度几何分析方法Contourlet变换和平移不变Contourlet变换(Translation-Invarint Contourlet Transform, TICT)在图像去噪中的应用。所做工作如下：1、将Contourlet与一种自适应的多尺度分析方法Treelet相结合,根据Treelet多尺度去相关的特点,采用它对高频Contourlet系数进行降维分解,分析系数的潜在结构及之间的相关性,估计出Contourlet高频系数的自适应阈值,提出了一种基于Treelet的Contourlet域图像去噪方法,一定程度上去除了伪Gibbs现象,保持了良好的图像细节,提高了图像的清晰度。2、提出了一种基于二维Otsu的Contourlet域Wiener滤波去噪方法,针对Wiener滤波中估计信号方差的重要性,根据Contourlet多尺度多方向的特点,在不同子带下,选取不同方向、不同大小的椭圆窗口作为局部邻域,采用二维Otsu从含噪系数中分离出重要系数,估计信号方差,计算萎缩因子,对重要系数和非重要系数进行不同的Wiener滤波,实验结果表明,该方法简单有效,比两组系数进行相同滤波的效果更优,可以得到更高的信噪比和更好的视觉效果。3、由于Contourlet变换在对图像进行分解时,其中的拉普拉斯金字塔滤波器和带通滤波器对图像分解的带通图像在奇异点附近会产生震荡现象,影响了Contourlet的去噪效果,所以本文进一步研究了TICT。根据TICT高频系数重拖尾的特点,采用混合分布对其建模,将系数分为两组,其中广义Laplace分布对其无噪系数建模,高斯分布对其噪声系数建模,根据分布迭代求取无噪系数在高频系数中的概率,最后用混合分布滤波方法进行去噪。实验表明,该方法能有效平滑噪声,信噪比也比较高。