基于Shearlet變換的圖像去噪方法研究.pdf

1、在圖像采集、編碼、傳輸、恢復的過程中，常常會因為設備、環(huán)境等因素引進許多噪聲干擾。因此，圖像處理的一個主要任務就是消除這些噪聲，尤其是高斯噪聲。由于圖像去噪不僅要有效地減少噪聲，而且還要很好地保留圖像邊緣信息，然而傳統(tǒng)的去噪方法很難同時兼顧這兩個方面。圖像去噪方法主要分為空間域去噪和變換域去噪。變換域去噪是目前應用非常廣泛的方法,小波變換和多尺度幾何變換是主要的變換方法。多尺度幾何變換相對小波變換具有很強的方向性,能取得更好的去噪效果,

2、因此多尺度幾何變換去噪成為去噪領域研究的熱點。近幾年發(fā)展起來的幾種多尺度幾何分析方法已經(jīng)被應用于圖像去噪中，并且取得了比較好的效果。其中，基于Shearlet變換的圖像去噪是近年來該領域中的一個研究熱點。Shearlet變換是一個新的多尺度幾何分析工具，它克服了Wavelet變換不能較好的捕捉多維數(shù)據(jù)幾何特性的缺點，同時能夠更有效地捕捉到自然圖像中的重要信息，因此，Shearlet變換在圖像去噪方面具有廣闊的應用前景。
　　本文首

3、先研究了多尺度幾何分析的基本理論,重點研究了 Shearlet變換的基本理論及其實現(xiàn)方法，.深入研究了以前的去噪方法,指出已有方法的不足。對基于Shearlet變換的圖像去噪算法進行了改進。本論文的主要工作如下：
　　為了解決基于Shearlet變換的硬閾值去噪和軟閾值去噪導致圖像失真的問題，我們對閾值函數(shù)進行了改進。使用新的閾值函數(shù)進行圖像去噪在很大程度上使視覺效果有所提高，更好地適配人眼的視覺特性，從而取得比較好的去噪效果。<

4、br>　　邊緣是圖像最基本的特征，它包含了圖像中的大部分信息，邊緣檢測技術廣泛地應用于特征描述、圖像分割、圖像增強、模式識別等圖像分析和處理領域。為了去噪后能較好保留圖像的邊緣特征，第四章研究了一種基于邊緣檢測的Shearlet域的去噪方法。該算法可有效地保留圖像的邊緣信息，通過仿真對比可以看出這種方法達到了更好的去噪效果。
　　第五章在深入研究Shearlet變換及全變差圖像去噪算法的基礎上，我們將Shearlet變換和全變差圖