Curvelet變換與偏微分方程在圖像去噪中的應用研究.pdf

1、圖像的獲取和傳遞的過程存在著種種干擾，這就使得圖像不可避免的受到噪聲的污染。如何有效對圖像進行去噪處理一直是圖像處理領(lǐng)域中研究的熱點。它對提高圖像質(zhì)量有著重要的意義。圖像去噪的核心問題是消除圖像的噪聲和保持圖像的特征。本文對基于curvelet變換和偏微分方程(Partial Differential Equations)的圖像去噪模型進行了深入的研究。 Curvelet變換具有多尺度的特性，能夠聚焦圖像的微小變化。同時它引入了一個方向

2、參數(shù)，又具有方向性，對圖像的邊緣，輪廓等特征有著良好的表達能力。這使它在圖像的去噪領(lǐng)域有著很好的表現(xiàn)。 偏微分方程對圖像進行去噪是對整幅圖像進行處理。它能根據(jù)圖像的特征及方向?qū)D像進行平滑。它在對圖像去噪的同時不會造成圖像邊緣信息的模糊。詳細介紹了P-M擴散模型和TV擴散模型兩種經(jīng)典的偏微分去噪模型，它們都有著良好的邊緣保持能力，但是也存在著“階梯”效應，細節(jié)和紋理丟失等問題。 本文在詳細分析Curvelet去噪模型和偏

3、微分方程去噪模型基礎(chǔ)上，提出了結(jié)合Curvelet變換的各向異性擴散圖像去噪模型。它有機的結(jié)合了Curvelet變換及偏微分方程去噪方法的優(yōu)點。通過選擇合適的偏微分方程參數(shù)值處理經(jīng)過Curvelet變換得到的圖像的不同Curvelet系數(shù)矩陣改進了各向異性去噪模型。實現(xiàn)了建立在對圖像精細分析的基礎(chǔ)上的新的各向異性擴散模型。新模型的處理結(jié)果能有效避免傳統(tǒng)各向異性擴散出現(xiàn)的階梯(staircasing)效應，更好的保留圖像的紋理和細節(jié)。多組