基于curvelet的图像去噪方法

《基于curvelet的图像去噪方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科毕业论文（设计）题目：基于Curvelet的图像去噪方法学生姓名胡玥学号2008118074指导教师贺小伟院系信息科学与技术学院专业电子信息工程年级2008级教务处制二○一二年五月诚信声明本人郑重声明：本人所呈交的毕业论文（设计），是在导师的指导下独立进行研究所取得的成果。毕业论文（设计）中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或在网上发表的论文。特此声明。论文作者签名：日期：年月日摘要将Curvelet变换应用于图像去噪能够较好地保留图像的纹理等细节信息，但是Curvel

2、et变换中的阈值去噪会产生振铃、Gibbs伪影和边缘模糊等视觉失真。为了避免这种视觉失真，在Curvelet变换去噪方法的基础上将其与另一种去噪方法——全变差方法(TotalVariation)结合起来。利用全变差方法可以保持边缘的特点来改进Curvelet变换去噪方法的效果。该方法先对含噪图像分别进行Curvelet阈值去噪和全变差去噪，然后将得到的两幅去噪图像进行Curvelet融合。最后对各部分做Curvelet逆变换得到最终的去噪图像。MATLAB仿真实验显示，这种方法在有效地降低噪声的同时，较好地保持了边缘和图像细节信息，并且其效果要好于Curvelet

3、变换阈值法和全变差方法这两种单一去噪方法。关键词：图像去噪；Curvelet变换；全变差；图像融合AbstractCurvelettransformdenoisingmethodisbettertoretaintheimagedetailsasgrain,butCurvelettransformhardthresholddenoisingcausedringing,Gibbsartifactsandblurrededges.Inordertoavoidthesekindofvisualdistortion,wecombinedtheCurvelettransfor

4、mmethodwithanotherdenoisingmethod,theTotalVariationmethod,onthebasisoftheCurvelettransformmethod.BecauseTotalVariationcankeeptheedgefeaturestoimprovethedenoising.firstly,theimageisdenoisedbyCurveletthresholdmethodandTotalVariationmethod.ThenfusethesetwodenoisedimageswithCurvelettransf

5、orm.Finally,eachpartofthefusionuseCurveletinversetransformtogetthefinaldenoisedimage.MATLABexperimentsshowedthismethodcaneffectivelyreducenoiseandbettertokeeptheedgesandimageinformation,theeffectisbetterthanthetheCurveletthresholdvaluemethodandtotalvariationmethod，thesetwosingledenois

6、ingmethod.Keywords：Imagedenoising;Curvelettransform;TotalVariation;Imagefusion目录1引言11.1研究背景和意义11.2本文工作12Cuevelet变换去噪方法22.1建立含噪图像模型22.2Curvelet变换去噪方法分析22.2.1Curvelet变换去噪方法的步骤22.2.2Curvelet变换去噪方法的优缺点33全变差去噪方法33.1全变差去噪方法分析33.2全变差去噪方法的优缺点44Curvelet变换和全变差相结合的图像去噪方法44.1图像融合44.2Curvelet变换应用于

7、图像融合的优势44.3Curvelet变换和全变差相结合的图像去噪方法分析44.3.1融合算法的选取44.3.2融合方法的步骤55实验结果和分析66结论8参考文献9致谢10121引言1.1研究背景和意义随着计算机科学技术和数学等学科的迅速发展，图像处理技术也随之高速发展，现在图像处理技术已经被广泛地应用于图像识别、生物医学、航空航天等各个领域之中。而由于图像在采集和传输的过程中容易受到噪声的污染，图像去噪一直是图像处理研究中一个重要的课题。如何在保留重要的影像信息的同时有效抑制噪声一直是图像去噪技术的重心。现代图像处理方法主要包括三类：小波变换、偏微分方程和随机建

8、模方法[1