結(jié)合傅立葉變換和NSCT的圖像去噪算法.pdf

1、圖像對人類生活、生產(chǎn)的各個(gè)方面有著巨大的影響。然而，由于成像設(shè)備和外界環(huán)境的影響，圖像常常受到噪聲的污染。噪聲會(huì)對人類視覺和圖像后期處理產(chǎn)生干擾。為了有效地對圖像進(jìn)行后續(xù)處理，需要借助圖像處理技術(shù)對帶噪圖像進(jìn)行去噪處理。為此針對傅立葉變換去噪算法和NSCT去噪算法展開研究，課題主要內(nèi)容包括：
　?。?）闡述圖像去噪的意義和研究的背景，研究幾種經(jīng)典空域去噪算法和變換域去噪算法，為課題后續(xù)改進(jìn)算法研究做相應(yīng)的理論準(zhǔn)備。
　?。?

2、）改進(jìn)傅立葉去噪算法。首先通過實(shí)驗(yàn)確定最優(yōu)的維納濾波窗口參數(shù)值和調(diào)整因子值，再通過實(shí)驗(yàn)分析該算法的有效性。
　?。?）改進(jìn)NSCT去噪算法。改進(jìn)NSCT去噪算法采用分層噪聲估計(jì)的貝葉斯閾值來逼近帶噪圖像在不同尺度上的噪聲標(biāo)準(zhǔn)差，并根據(jù)圖像信息與NSCT變換系數(shù)在各個(gè)方向上能量的關(guān)系，提出一種自適應(yīng)能量修正閾值。
　?。?）結(jié)合傅立葉變換和NSCT的自適應(yīng)閾值去噪算法。先對含噪圖像在傅立葉域中進(jìn)行去噪；再在NSCT域中利用分層

3、噪聲估計(jì)的貝葉斯閾值算法，并結(jié)合多尺度多方向的能量閾值修正方案自適應(yīng)地去除噪聲；最后，將低頻子帶系數(shù)和高頻子帶系數(shù)重構(gòu)得到去噪后的圖像，從而獲得更好的去噪效果。
　?。?）傅立葉變換與NSCT相融合的圖像去噪算法。首先利用原始圖像提取細(xì)節(jié)模板和邊緣模板；再對帶噪圖像分別進(jìn)行NSCT變換和傅立葉變換，并結(jié)合原始圖像的模板，得到NSCT邊緣圖像和傅立葉細(xì)節(jié)圖像；最后將NSCT邊緣圖像和傅立葉細(xì)節(jié)圖像運(yùn)用局部能量法融合，得到去噪后的圖像