基于小波与Contourlet变换的图像去噪方法研究

摘要

读取图像方式是信息输入最重要的方式之一。因此，图像处理技术也渐渐引起学者们关注。近年来小波变换理论迅速发展起来，它在图像去噪中的应用也逐渐增加，但是小波变换无法准确的表达图像高维的几何特性，随着超小波相关理论的快速发展，Contourlet变换渐渐显露头角，它可以更好的保留图像的纹理和轮廓，一定程度上克服了小波的弱点。本文的主要工作如下：
　　首先，研究了小波变换、Contourlet变换的相关原理及它们的实现算法。研究了基于小波变换的图像去除噪声的方法，同时在实验中选取了不同的小波基，并且分析了小波变换在去除图像噪声中存在的缺陷；研究了Contourlet变换、小波-Contourlet变换以及多参数收缩函数-Contourlet变换的相关原理以及它们的实现算法。经过Matlab仿真实验，综合分析比较了上述几种算法在图像去噪领域的优势与不足。
　　其次，研究了循环平移的原理。由于在处理图像信号的过程中会产生伪Gibbs效应，引起图像不同程度上的视觉失真，因此将循环平移理论和Contourlet变换相结合，研究了相关原理以及实现算法。综合分析研究上述几种算法在图像去噪处理领域应用中的优劣性，分析几种算法的不足，文中把小波-Contourlet变换和循环平移理论相结合，提出了一种改进的去除图像中噪声的方法，这种方法很好的弥补了小波与Contourlet变换都缺少平移不变性的不足。经过Matlab仿真，可以看出，引入循环平移后很好的抑制了图像中出现的失真现象，明显提升了图像去噪后的视觉效果，提高了去噪后图像的PSNR的数值。
　　最后，将文中几种算法进行比对分析。通过比较上述算法去噪后图像的PSNR值，以及各算法的运行时间，评价了图像质量。可以看出，改进后算法与多参数收缩函数-Contourlet变换的方法的PSNR值相比略差，但是大大缩短了运行时间，提高了运算效率。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题的研究背景及意义

1.2国内外研究现状

1.3本课题研究的主要内容

第2章 超小波理论分析

2.1小波变换

2.2脊波(Ridgelet)变换

2.3曲线波(Curvelet)理论

2.4轮廓波(Contourlet)变换

2.5本章小结

第3章 基于小波、Contourlet变换的图像去噪方法

3.1基于小波变换图像去噪方法

3.2基于Contourlet变换的图像去噪方法

3.3基于循环平移的图像去噪方法

3.4本章小结

第4章 图像质量评价及去噪方法比较

4.1图像去噪效果的评价分析

4.2图像去噪方法比较

4.3本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢