基于Contourlet变换阈值选取的算法研究

摘要

针对CT图像在生成或传输时容易受到噪声影响这一难题,提出了基于Contourlet变换结合PCA阈值的去噪方法.首先,对噪声图像进行Contourlet变换.然后,对DFB方向滤波后得到的Contourlet系数进行PCA阈值及硬阈值函数去噪.最后,对去噪后的Contourlet系数进行Contourlet逆变换,得到去噪图像.通过对图像添加噪声并与Contourlet结合六种不同阈值去噪方法进行对比,采用PSNR评估去噪优劣.结果 表明:贝叶斯阈值方法PSNR值最高PSNR=94.88 dB,然后是PCA阈值PSNR=83.02 dB,最后依次是配套改进阈值PSNR=73.97 dB、3σ阈值PSNR=73.27 dB、统一阈值PSNR=72.33 dB、通用阈值PSNR=71.50 dB.PCA阈值去噪结果整体平滑性较好,视觉效果较好;贝叶斯阈值去噪结果整体平滑性较差,视觉效果不佳.通过将Contourlet变换框架取代传统小波变换框架并结合PCA阈值应用在图像去噪中,不仅信噪比有所提高,而且图像视觉效果也明显改善.